[发明专利]一种数据中心监控系统的智能故障分类方法及装置

说明书

本发明公开了一种数据中心监控系统的智能故障分类方法及装置，该方法包括：根据监控资源的监控项的监控状态构造发育网络的输入矩阵；采用所述输入矩阵对发育网络进行学习训练；采用学习训练后的发育网络对监控状态的故障进行分类。该方法根据监控资源的监控项的具体监控状态进行构造网络的输入矩阵，采用一种智能网络即发育网络来实现对监控资源的智能故障分类，在对发育网络进行学习训练后，即可实现对故障的分类，实现提升故障诊断效率。

技术领域

本发明涉及数据中心监控技术领域，特别是涉及一种数据中心监控系统的智能故障分类方法及装置。

背景技术

目前，随着互联网的飞速发展，数据中心承载着各种数据的采集、存储及分析等功能，一旦设备出现故障，工作人员需要根据监控的监控项的告警详情去分析故障，对于经验丰富的老员工来说，可能能够很快的找到故障原因进行解决，对于一般员工很可能无法找到故障原因或者需要很长时间找到故障的根本原因，这样大大的增大了数据中心设备运行的稳定性及安全性，不能够保证各种业务的正常运行，故障诊断的效率较低。

发明内容

本发明的目的是提供一种数据中心监控系统的智能故障分类方法及装置，以实现提升故障诊断效率。

为解决上述技术问题，本发明提供一种数据中心监控系统的智能故障分类方法，该方法包括：

根据监控资源的监控项的监控状态构造发育网络的输入矩阵；

采用所述输入矩阵对发育网络进行学习训练；

采用学习训练后的发育网络对监控状态的故障进行分类。

优选的，所述发育网络包括X层、Y层和Z层。

优选的，采用输入矩阵对发育网络进行学习训练，包括：

将输入矩阵作为X层，计算Y层各个神经元的能量；

从Y层的所有神经元中查找出能量最大的神经元j，将神经元j的权值进行更新；

将Y层的输出作为Z层的输入，从Z层中的神经元中查找出进行响应的神经元k，对神经元k的权值进行更新。

优选的，所述采用学习训练后的发育网络对监控状态的故障进行分类，包括：

根据X层构造的输入矩阵，计算Y层中神经元的能量，将Y层的所有神经元中能量最大的神经元的输出设置为1，将Y层中除了能量最大的神经元之外的其它神经元的输出均设置为0；

将Y层神经元的输出，作为Z层神经元的输入，在Z层所有的神经元中查找出能量最大的神经元i，确定神经元i对应的故障类型为监控状态的故障类型。

本发明还提供一种数据中心监控系统的智能故障分类装置，用于实现所述方法，包括：

矩阵构造模块，用于根据监控资源的监控项的监控状态构造发育网络的输入矩阵；

训练模块，用于采用所述输入矩阵对发育网络进行学习训练；

故障分类模块，用于采用学习训练后的发育网络对监控状态的故障进行分类。

优选的，所述发育网络包括X层、Y层和Z层。

优选的，所述训练模块包括：

计算单元，用于将输入矩阵作为X层，计算Y层各个神经元的能量；

第一权值更新单元，用于从Y层的所有神经元中查找出能量最大的神经元j，将神经元j的权值进行更新；

第二权值更新单元，用于将Y层的输出作为Z层的输入，从Z层中的神经元中查找出进行响应的神经元k，对神经元k的权值进行更新。

优选的，所述故障分类模块包括：