[发明专利]一种基于粒子滤波的硬盘故障预警与可靠性评估方法

说明书

本发明公开一种基于粒子滤波的硬盘故障预警与可靠性评估方法，通过硬盘S.M.A.R.T.指标筛选与二次指标构造，结合多元回归分析的多源信息融合方法，实现将高维原始数据转换为一维硬盘状态退化量；运用基于贝叶斯估计的粒子滤波算法递推估计出硬盘状态序列，并与实际的硬盘状态观测序列作差，获得了硬盘系统残差；根据系统残差的统计特征设计自适应故障判定阈值，结合多点连续报警机制实施硬盘故障预警，统计硬盘可靠性评价相关指标。该方法能够融合硬盘多个维度的特征信息，充分利用全部有用信息，实现基于硬盘状态监测的在线故障预警，并能保证在零误报的情况下，获得高水平的故障检出率，同时输出指示性和指导意义更强的可靠性评价指标故障预警提前时间。

本发明属于硬盘的故障诊断和可靠性工程领域，具体涉及一种基于粒子滤波的硬盘故障预警与可靠性评估方法。

背景技术

在如今这个高度依赖计算机和互联网的时代，政府、企业和个人都已实现无纸化办公，大量重要数据和资料都以数字化形式存储。据统计，全世界约有90％新生成数据是被存储于磁性介质中，而其中绝大多数又是存储在硬盘中。随着数据量规模不断增大以及人们对高速，稳定的云服务需求日益旺盛，数据安全问题日益突出，它不仅关系到个人利益和企业运营，甚至有可能影响国家安全。因此，对企业级硬盘进行故障预警和可靠性评估，进而为企业的存储运营维护提供有效指导，一直以来都是存储领域的研究热点。

目前，在硬盘故障预测和可靠性评估领域，多数研究工作都是以硬盘S.M.A.R.T.(Self-Monitoring,Analysis and Reporting Technology)数据为基础开展的。已有的围绕硬盘S.M.A.R.T.数据建立的基于统计和机器学习方法的硬盘故障预测模型大都是简单的二元分类器，只能给出是与否的预测结果，对它们的评价指标仅限于故障检出率FDR和误报率FAR的预测准确率，并不能很好地指导用户对存储设备进行有效地维护。因此，有必要尝试有别于现有的统计和机器学习方法进行硬盘故障预报和可靠性评估研究。

在工程实际中，得益于计算机技术的迅速发展，基于状态滤波的信号处理方法一度被认为是最具发展前景的工具，从经典的Kalman滤波到更受研究人员推崇的粒子滤波，已成功应用于目标定位、跟踪、语音识别、语音增强与消噪、系统辨识参数估计以及动态系统的故障检测等领域。粒子滤波是一种基于贝叶斯递推估计的蒙特卡洛模拟实现方法，完全突破了经典Kalman滤波的线性高斯假设，更适合解决非线性非高斯复杂系统的滤波问题。值得注意的是，近年来，基于粒子滤波的故障诊断方法不断被应用于诸如移动机器人、燃气涡轮发动机以及高速列车等极为复杂的大型系统的故障诊断。针对硬盘这类较为复杂的系统，退化数据往往表现为伴随着随机性、非线性的时间序列，尝试运用粒子滤波方法对其进行故障诊断不失为一种有效弥补统计和机器学习方法不足的解决途径。

发明内容

针对现有技术的不足和面临的挑战，本发明的目的在于提供一种基于粒子滤波的硬盘故障预警与可靠性评估方法，该方法一方面解决了固定阈值难以合理判定所有硬盘是否故障的难题，另一方面提出了一个对于存储设备维护人员更具指导意义的评价指标，即单个硬盘预警提前量。

为达到以上目的，本发明的技术方案为：

一种基于粒子滤波的硬盘故障预警与可靠性评估方法，包括以下步骤：

步骤1)，采集硬盘运行数据的原始S.M.A.R.T.参数集，根据硬盘的主要失效形式为头碟界面相关失效，从采集的硬盘运行数据的原始S.M.A.R.T.参数集筛选出用于硬盘故障预警的一次指标；

再利用选取的一次指标构造能够反映硬盘动态异常行为的二次指标；

步骤2)，基于该二次指标，运用多元回归分析方法将高维S.M.A.R.T.数据转换为一维硬盘状态退化数据，从而实现多源信息融合，以该一维硬盘状态退化数据作为状态观测序列；

步骤3)，引入蒙特卡洛模拟实现思想，运用基于贝叶斯估计的粒子滤波方法递推估计出硬盘状态估计序列；