设备故障预测方法、计算机设备和计算机可读存储介质与流程

本申请涉及设备检测领域，尤其涉及一种设备故障预测方法、计算机设备和计算机可读存储介质。

背景技术：

1、随着计算机设备的数量和种类的极速增长，计算机设备不断地产生各种各样的数据，如何预测计算机设备是否会出现故障尤为重要。在相关技术中，大数据与机器学习技术能够在众多数据中找到规律并进行设备故障预测，为了确保预测的准确性，基于大数据与机器学习技术的设备故障预测方法都需要大量的训练数据。在实际应用中，计算机设备在故障状态时或在即将出现故障状态时的数据并不常见，如果训练数据不够多，那么大数据与机器学习技术在设备故障预测中就无法保证准确率。

2、因此，如何提高设备故障预测的准确性成为亟需解决的问题。

技术实现思路

1、本申请提供了一种设备故障预测方法、计算机设备和计算机可读存储介质，解决了相关技术中由于训练数据较少导致大数据与机器学习技术预测设备故障准确率较低的问题。

2、第一方面，本申请提供了一种设备故障预测方法，应用于计算机设备，所述方法包括：

3、确定待检测的源设备和至少一个对照设备；获取所述源设备的第一静态参数和第一动态参数，以及获取每个所述对照设备的第二静态参数和第二动态参数；根据所述第一静态参数与每个所述对照设备的第二静态参数，从全部所述对照设备中确定目标设备；对所述第一动态参数与所述目标设备的第二动态参数进行故障预测，获得所述源设备对应的故障预测结果。

4、上述方法，通过获取源设备的第一静态参数和第一动态参数，以及获取每个对照设备的第二静态参数和第二动态参数，可以实现将第二静态参数作为参考，确定对照设备中的目标设备，以及实现将目标设备的第二动态参数作为参考进行故障预测，从而可以在样本数据较少或者数据类型不完全一致的情况下进行故障预测，无需依赖大数据算法与机器学习算法，可以有效提高设备故障预测的准确性。

5、第二方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器；

6、所述存储器，用于存储计算机程序；

7、所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的设备故障预测方法。

8、第三方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的设备故障预测方法。

技术特征：

1.一种设备故障预测方法，其特征在于，包括：

2.根据权利要求1所述的设备故障预测方法，其特征在于，所述根据所述第一静态参数与每个所述对照设备的第二静态参数，从全部所述对照设备中确定目标设备，包括：

3.根据权利要求2所述的设备故障预测方法，其特征在于，所述第一静态参数包括多个参数项，所述第二静态参数包括多个参数项；

4.根据权利要求2所述的设备故障预测方法，其特征在于，所述第一动态参数包括当前时刻对应的第一参数记录信息；

5.根据权利要求1所述的设备故障预测方法，其特征在于，所述第一动态参数包括当前时刻对应的第一参数记录信息，所述第二动态参数包括多个历史时刻对应的第二参数记录信息；

6.根据权利要求5所述的设备故障预测方法，其特征在于，所述方法还包括：

7.根据权利要求5所述的设备故障预测方法，其特征在于，所述第一参数记录信息包括多个参数项，所述第二参数记录信息包括多个参数项；

8.根据权利要求7所述的设备故障预测方法，其特征在于，所述第一参数记录信息、所述第二参数记录信息中的每个所述参数项对应的特征值包括以下至少一项：均值，中位数，第一四分位数，第三四分位数，最小值，最大值，方差，偏度，峰度。

9.根据权利要求7所述的设备故障预测方法，其特征在于，所述对所述对照记录信息中的每个参数项的特征值与所述第一参数记录信息中对应的参数项的特征值进行相似度计算，获得所述对照记录信息中的每个参数项的特征相似度，包括：

10.根据权利要求5所述的设备故障预测方法，其特征在于，所述根据所述第一参数记录信息与每个所述第二参数记录信息进行相似度计算，获得每个所述第二参数记录信息对应的参数相似度之后，所述方法还包括：

11.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至10中任一项所述的设备故障预测方法。

技术总结
本申请涉及设备检测领域，特别涉及一种设备故障预测方法、计算机设备和计算机可读存储介质，该方法包括：确定待检测的源设备和至少一个对照设备；获取源设备的第一静态参数和第一动态参数，以及获取每个对照设备的第二静态参数和第二动态参数；根据第一静态参数与每个对照设备的第二静态参数，确定全部对照设备中的目标设备；对第一动态参数与目标设备的第二动态参数进行故障预测，获得源设备对应的故障预测结果。上述方法通过根据源设备和对照设备的静态参数和动态参数进行故障预测，实现在样本数据较少或者数据类型不完全一致的情况下进行故障预测，无需依赖大数据算法与机器学习算法，可以提高设备故障预测的准确性。

技术研发人员：罗除
受保护的技术使用者：深圳开鸿数字产业发展有限公司
技术研发日：
技术公布日：2024/1/14