一种服务器硬件异常预警方法、装置、设备及存储介质

专利主权项内容

1.一种服务器硬件异常预警方法，其特征在于，所述方法包括：将预设时间段内服务器上每个硬件的处理信息量变化率数据以及端电流变化率数据分别输入预先训练好的模糊推理模型中，所述模糊推理模型基于混合元启发式优化算法训练得到；所述模糊推理模型根据所述处理信息量变化率数据以及所述端电流变化率数据，得到所述硬件的预测温度值；在所述硬件的预测温度值与实际温度值的差值大于预设的温度差阈值的情况下，将所述硬件标记为异常硬件；生成所述异常硬件对应的预警信息；所述模糊推理模型的训练步骤包括：收集训练样本，得到训练样本数据集，所述训练样本包括预设时间段内的所述服务器上每个所述硬件的处理信息量变化率数据、端电流值数据以及实测温度值；将所述训练样本数据集输入至待训练的模糊推理模型中；使用模糊聚类法，根据所述训练样本，对所述待训练的模糊推理模型进行参数初始化，得到初始模糊推理模型；根据所述初始模糊推理模型的参数，设置所述混合元启发式优化算法的初始参数；通过所述混合元启发式优化算法对所述初始模糊推理模型进行参数优化，得到训练好的所述模糊推理模型；所述混合元启发式优化算法在对所述模糊推理模型进行训练时，将训练样本数据集中的数据作为粒子群，对所述粒子群进行随机初始化，计算所述粒子群中的每个粒子的适应度值，在所述粒子的适应度值不满足迭代停止准则的情况下，使用优化后的粒子群算法对所述粒子群中的粒子位置进行更新，通过遗传算法在所述粒子群中产生新的种群，更新局部最优值和种群全局最优值，得到更新后的粒子群，计算所述更新后的粒子群中的每个粒子的适应度值，在所述更新后的粒子群中的每个粒子的适应度值都满足所述迭代停止准则的情况下，得到训练好的所述模糊推理模型。