[发明专利]一种磁盘故障预测方法、系统、装置及存储介质

权利要求书

1.一种磁盘故障预测方法，其特征在于，包括：

采集第二磁盘的SMART数据；

利用第二磁盘的磁盘故障预测模型和采集到的所述第二磁盘的SMART数据，对所述第二磁盘进行故障预测；

其中，所述第二磁盘的磁盘故障预测模型，是利用所述第二磁盘的正常样本的SMART数据对第一磁盘的磁盘故障预测模型进行迁移学习得到的；所述第一磁盘与所述第二磁盘型号不同；

所述利用所述第二磁盘的正常样本的SMART数据对第一磁盘的磁盘故障预测模型进行迁移学习，包括：

采集第一磁盘正常样本的SMART数据和故障样本的SMART数据作为第一源域数据，采集第二磁盘正常样本的SMART数据作为第一目标域数据；

利用所述第一源域数据进行第一生成网络训练，得到的第一生成网络作为第一磁盘的故障预测模型；

利用所述第一目标域数据和所述第一源域数据，对所述第一磁盘的故障预测模型进行迁移学习，得到第二磁盘的故障预测模型；

所述利用所述第一目标域数据和所述第一源域数据，对所述第一磁盘的故障预测模型进行迁移学习，得到第二磁盘的故障预测模型，包括：

对第一源域数据和第一目标域数据进行特征提取，获得第一磁盘的正常样本特征表示、第一磁盘的故障样本特征表示和第二磁盘的正常样本特征表示；

利用所述第一磁盘的正常样本特征表示生成第一磁盘的伪故障样本，计算所述第一磁盘的伪故障样本与所述第一磁盘的故障样本特征表示之间的最大均值差异，作为第一损失；

利用所述第二磁盘的正常样本特征表示生成第二磁盘的伪故障样本；

将所述第一磁盘的正常样本特征表示及故障样本特征表示作为第二源域数据，将所述第二磁盘的正常样本特征表示及其生成的伪故障样本作为第二目标域数据，计算所述第二源域数据与所述第二目标域数据之间的最大均值差异，作为第二损失；

利用所述第二源域数据和所述第二目标域数据训练得到第二生成网络，获得所述第二生成网络的分类损失；

将使总损失最小的所述第二生成网络作为第二磁盘的故障预测模型，所述总损失为所述第一损失、所述第二损失与所述分类损失之和。

2.根据权利要求1所述的磁盘故障预测方法，其特征在于，所述利用所述第一源域数据进行第一生成网络训练，得到的第一生成网络作为第一磁盘的故障预测模型之前，还包括：对所述第一磁盘正常样本的SMART数据和故障样本的SMART数据进行标注处理，分别标注为0和1作为标签。

3.根据权利要求1所述的磁盘故障预测方法，其特征在于，所述利用第一源域数据进行生成网络训练，得到的生成网络作为第一磁盘的故障预测模型，包括：

从所述第一源域数据中提取出表征第一磁盘故障的SMART数据作为特征数据；

对所述特征数据进行过采样，增加所述第一源域数据中第一磁盘故障样本的SMART数据；

利用所述第一源域数据进行第一生成网络训练，得到的第一生成网络作为第一磁盘的故障预测模型。

4.根据权利要求3所述的磁盘故障预测方法，其特征在于，所述从第一源域数据中提取出表征第一磁盘故障的SMART数据作为特征数据，包括：

利用pettitt突变点检测方法确定第一源域数据中的突变点；

利用DTW方法从所述第一源域数据中的突变点中提取表征第一磁盘故障的SMART数据作为特征数据。

5.根据权利要求3所述的磁盘故障预测方法，其特征在于，采用SMOTE技术对所述特征数据进行过采样，增加第一源域数据中第一磁盘故障样本的SMART数据。