[发明专利]一种固态硬盘剩余使用寿命预测方法、装置、设备及介质在审
申请号: | 202310639643.X | 申请日: | 2023-05-30 |
公开(公告)号: | CN116627342A | 公开(公告)日: | 2023-08-22 |
发明(设计)人: | 孙保峰;张小康;李娟;郭坤 | 申请(专利权)人: | 济南浪潮数据技术有限公司 |
主分类号: | G06F3/06 | 分类号: | G06F3/06 |
代理公司: | 北京连和连知识产权代理有限公司 11278 | 代理人: | 黄艳南;刘小峰 |
地址: | 250000 山东省济南市中国(山东)自由贸易*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 固态 硬盘 剩余 使用寿命 预测 方法 装置 设备 介质 | ||
1.一种固态硬盘剩余使用寿命预测的方法,其特征在于,包括以下步骤:
采集固态硬盘的磨损度数据,并对采集到的磨损度数据进行预处理以得到磨损度数据的时序数据;
判断磨损度数据的时序数据是否存在周期性;
响应于磨损度数据的时序数据存在周期性,对时序数据进行X-11周期性分解以得到趋势项和季节项;
使用ARMA模型对趋势项进行建模以得到趋势项预测结果;
将趋势项预测结果加上季节项得到固态硬盘磨损1%消耗的天数。
2.根据权利要求1所述的方法,其特征在于,采集固态硬盘的磨损度数据包括:
设置初始采样间隔;
响应于本次采样获得到固态硬盘的磨损度数据,将获得的固态硬盘的磨损度数据进行去重操作后存储到时序数据库中,并降低采样间隔后进行下一轮采样;
响应于本次采样未获得到固态硬盘的磨损度数据,提高采样间隔后进行下一轮采样。
3.根据权利要求1所述的方法,其特征在于,对采集到的磨损度数据进行预处理以得到磨损度数据的时序数据包括:
将磨损度数据按照时间顺序进行排序;
响应于磨损度数据中存在空值,计算空值前后数据的中位数,并使用中位数替换空值;
计算相邻磨损度的时间间隔,并生成磨损度和时间间隔的时间序列数据。
4.根据权利要求3所述的方法,其特征在于,对采集到的磨损度数据进行预处理以得到磨损度数据的时序数据包括:
计算时间序列数据的方差μ和标准差σ;
响应于Xμ+3σ或Xμ+3σ,确定数据为异常值,其中X为时间序列数据中的每个数据;
以预设窗口计算异常值周边数据的平均值,并使用平均值替换异常值。
5.根据权利要求1所述的方法,其特征在于,判断磨损度数据的时序数据是否存在周期性包括:
以预设个数的数据点为间隔,将时序数据切分形成若干子序列;
对每个子序列数据分别做z-score标准化;
计算每两个相邻的标准化子序列的差分和方差;
计算所有相邻的标准化子序列的平均方差;
响应于所有相邻的子序列的方差均值小于1,确定时序数据存在周期性;
响应于所有相邻的子序列的方差均值不小于1,确定时序数据不存在周期性。
6.根据权利要求1所述的方法,其特征在于,还包括:
响应于磨损度数据的时序数据不存在周期性,对时序数据进行EMD分解得到若干个IMF分量;
使用ARMA模型对每个IMF分量进行建模以得到每个IMF分量的预测结果;
将每个IMF分量的预测结果相加得到固态硬盘磨损1%消耗的天数。
7.根据权利要求1所述的方法,其特征在于,还包括:
重复执行上述步骤,并将每次得到的固态硬盘磨损1%消耗的天数相加得到磨损度达到100%时的总天数。
8.一种固态硬盘剩余使用寿命预测的装置,其特征在于,所述装置包括:
采集模块,所述采集模块配置为采集固态硬盘的磨损度数据,并对采集到的磨损度数据进行预处理以得到磨损度数据的时序数据;
判断模块,所述判断模块配置为判断磨损度数据的时序数据是否存在周期性;
分解模块,所述分解模块配置为响应于磨损度数据的时序数据存在周期性,对时序数据进行X-11周期性分解以得到趋势项和季节项;
预测模块,所述预测模块配置为使用ARMA模型对趋势项进行建模以得到趋势项预测结果;
处理模块,所述处理模块配置为将趋势项预测结果加上季节项得到固态硬盘磨损1%消耗的天数。
9.一种计算机设备,其特征在于,包括:
至少一个处理器;以及
存储器,所述存储器存储有可在所述处理器上运行的计算机指令,所述指令由所述处理器执行时实现权利要求1-7任意一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7任意一项所述方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于济南浪潮数据技术有限公司,未经济南浪潮数据技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310639643.X/1.html,转载请声明来源钻瓜专利网。