[发明专利]人工智能系统的可靠性评估方法、装置和计算机设备

权利要求书

1.一种人工智能系统的可靠性评估方法，其特征在于，所述方法包括：

采集人工智能系统的日志文件、传感器数据和实时运行数据；

对预处理后的所述日志文件、所述传感器数据和所述实时运行数据进行多源异构融合；

将多源异构融合的数据进行处理后获得人工智能系统的可靠性数据；

依次构建出日志文件、传感器数据和实时运行数据的维度属性权重；利用维度属性权重对所有数据的不同维度特征进行融合；

其中，维度属性表示为：

其中，表示第l种数据的第i个维度属性权重，l指的是日志文件、传感器数据和实时运行数据；h_i表示第i个维度属性的向量表示；a表示所有维度属性的平均向量表示；k表示维度属性总数；多源异构融合的数据表示为：

其中，conv表示多源异构融合后的数据集人工智能系统的可靠性数据；M表示数据种类数；

根据所述可靠性数据，采用非齐次泊松过程构建出人工智能系统的累计故障数模型；

计算出人工智能系统的故障均值函数和失效强度函数，获得人工智能系统的可靠性评估。

2.根据权利要求1所述的一种人工智能系统的可靠性评估方法，其特征在于，所述进行多源异构融合包括对所述日志文件、所述传感器数据以及所述实时运行数据进行去异常处理、补缺失处理以及去重复处理。

3.根据权利要求1所述的一种人工智能系统的可靠性评估方法，其特征在于，在获得人工智能系统的可靠性数据之后还包括根据所述可靠性数据获取人工智能系统的平均失效间隔、故障平均修复时间以及平均无故障时间；分别表示为：

所述平均失效间隔MTBF的计算如下：

其中，t₀t₁…t_n为人工智能系统发生故障的时间点，n为观测到的人工智能系统发生的总故障数；

所述故障平均修复时间MTTR的计算如下：

其中，T_i为人工智能系统对应的故障的修复时间点；

所述平均无故障时间A的计算如下：

A＝MTBF/(MTBF+MTTR)。

4.根据权利要求1所述的一种人工智能系统的可靠性评估方法，其特征在于，所述采用非齐次泊松过程构建出人工智能系统的累计故障数模型包括分别获取人工智能系统中软件系统和硬件系统的累计失效数，采用第一模型获取软件系统的累计故障均值函数，采用第二模型获取硬件系统的累计故障均值函数；将软件系统的累计故障均值函数与硬件系统的累计故障均值函数求和，得到人工智能系统的累计故障函数。

5.一种人工智能系统的可靠性评估系统，其特征在于，所述系统包括：

数据采集模块，采集人工智能系统的日志文件、传感器数据和实时运行数据；

多源异构融合模块，对预处理后的所述日志文件、所述传感器数据和所述实时运行数据进行多源异构融合；

依次构建出日志文件、传感器数据和实时运行数据的维度属性权重；利用维度属性权重对所有数据的不同维度特征进行融合；

其中，维度属性表示为：

其中，表示第l种数据的第i个维度属性权重，l指的是日志文件、传感器数据和实时运行数据；h_i表示第i个维度属性的向量表示；a表示所有维度属性的平均向量表示；k表示维度属性总数；多源异构融合的数据表示为：

其中，conv表示多源异构融合后的数据集人工智能系统的可靠性数据；M表示数据种类数；

可靠性数据提取模块，将多源异构融合的数据进行处理后获得人工智能系统的可靠性数据；

可靠性实时评估模块，采用非齐次泊松过程构建出人工智能系统的累计故障数模型，计算出人工智能系统的故障均值函数和失效强度函数，获得人工智能系统的可靠性评估。