本發(fā)明涉及服務(wù)器檢測領(lǐng)域，特別涉及一種服務(wù)器故障檢測方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、隨著計算機(jī)技術(shù)的不斷發(fā)展，服務(wù)器已然成為企業(yè)中的重要基礎(chǔ)設(shè)施，而服務(wù)器的穩(wěn)定運行對于企業(yè)正常開展業(yè)務(wù)具有重要意義。相關(guān)技術(shù)中，對于服務(wù)器的故障檢測，一般通過對服務(wù)器的運行數(shù)據(jù)進(jìn)行閾值比較進(jìn)行。然而，這種方式對于服務(wù)器的故障檢測可靠度及靈活度較低。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是提供一種服務(wù)器故障檢測方法、裝置、電子設(shè)備及存儲介質(zhì)，可使用服務(wù)器實際產(chǎn)生的聲音信號進(jìn)行服務(wù)器故障檢測，從而能夠提升服務(wù)器故障檢測對于復(fù)雜服務(wù)器運行環(huán)境的適應(yīng)程度。

2、為解決上述技術(shù)問題，本發(fā)明提供一種服務(wù)器故障檢測方法，包括：

3、在服務(wù)器運行過程中，采集所述服務(wù)器產(chǎn)生的聲音信號；

4、將所述聲音信號輸入已訓(xùn)練的服務(wù)器檢測模型，得到所述服務(wù)器的實際運行狀態(tài)；其中，所述服務(wù)器檢測模型為神經(jīng)網(wǎng)絡(luò)模型，并利用所述服務(wù)器在多種預(yù)設(shè)運行狀態(tài)下產(chǎn)生的標(biāo)準(zhǔn)聲音信號訓(xùn)練得到；

5、根據(jù)所述實際運行狀態(tài)確定所述服務(wù)器的故障狀態(tài)。

6、可選地，所述將所述聲音信號輸入已訓(xùn)練的服務(wù)器檢測模型，得到所述服務(wù)器的實際運行狀態(tài)，包括：

7、對所述聲音信號進(jìn)行編碼，得到輸入數(shù)據(jù)；

8、將所述輸入數(shù)據(jù)輸入所述服務(wù)器檢測模型，以使所述服務(wù)器檢測模型中的輸入層、隱含層和輸出層依次對所述輸入數(shù)據(jù)進(jìn)行處理，得到所述服務(wù)器對應(yīng)各種所述預(yù)設(shè)運行狀態(tài)的檢測概率；

9、根據(jù)所述檢測概率確定所述服務(wù)器的實際運行狀態(tài)。

10、可選地，所述根據(jù)所述實際運行狀態(tài)確定所述服務(wù)器的故障狀態(tài)，包括：

11、對所述服務(wù)器的實際運行狀態(tài)的變化情況進(jìn)行記錄；

12、根據(jù)所述變化情況預(yù)測所述服務(wù)器的故障狀態(tài)。

13、可選地，所述服務(wù)器檢測模型的訓(xùn)練過程，包括：

14、獲取所述服務(wù)器在多種預(yù)設(shè)運行狀態(tài)下產(chǎn)生的標(biāo)準(zhǔn)聲音信號，并按預(yù)設(shè)數(shù)據(jù)劃分比例將所述標(biāo)準(zhǔn)聲音信號劃分至訓(xùn)練集和驗證集；

15、獲取待訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型，對所述神經(jīng)網(wǎng)絡(luò)模型的模型參數(shù)進(jìn)行隨機(jī)初始化，并利用所述訓(xùn)練集及預(yù)設(shè)優(yōu)化算法對所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行多輪模型訓(xùn)練處理，直至所述神經(jīng)網(wǎng)絡(luò)模型產(chǎn)生的損失值小于預(yù)設(shè)閾值時停止進(jìn)行所述模型訓(xùn)練處理；其中，每輪所述模型訓(xùn)練處理均包含前向傳播處理和反向傳播處理，所述損失值利用所述神經(jīng)網(wǎng)絡(luò)模型根據(jù)所述訓(xùn)練集中的標(biāo)準(zhǔn)聲音信號所輸出的預(yù)測運行狀態(tài)與同一標(biāo)準(zhǔn)聲音信號所對應(yīng)的預(yù)設(shè)運行狀態(tài)計算得到；

16、利用所述驗證集確定訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的性能指標(biāo)值；

17、當(dāng)確定所述性能指標(biāo)值滿足預(yù)設(shè)條件時，將所述神經(jīng)網(wǎng)絡(luò)模型設(shè)置為所述服務(wù)器檢測模型。

18、可選地，在得到所述服務(wù)器的實際運行狀態(tài)之后，還包括：

19、接收針對所述實際運行狀態(tài)的人工復(fù)核結(jié)果；

20、若所述人工復(fù)核結(jié)果為檢測正確，則將所述聲音信號與所述實際運行狀態(tài)間的對應(yīng)關(guān)系組合為模型更新數(shù)據(jù)；

21、若所述人工復(fù)核結(jié)果為檢測錯誤，則將所述聲音信號與所述人工復(fù)核結(jié)果記錄的正確運行狀態(tài)間的對應(yīng)關(guān)系組合為模型更新數(shù)據(jù)；

22、利用所述模型更新數(shù)據(jù)對所述服務(wù)器檢測模型進(jìn)行模型更新。

23、可選地，所述采集所述服務(wù)器產(chǎn)生的聲音信號，包括：

24、采集所述服務(wù)器中的各硬件部件產(chǎn)生的原始聲音信號；

25、依次對所述原始聲音信號進(jìn)行音頻增強處理、音頻降噪處理和模數(shù)轉(zhuǎn)換處理，得到所述聲音信號。

26、可選地，在服務(wù)器運行過程中，采集所述服務(wù)器產(chǎn)生的聲音信號，包括：

27、在所述服務(wù)器執(zhí)行自檢流程時，采集所述服務(wù)器產(chǎn)生的自檢聲音信號；

28、所述將所述聲音信號輸入已訓(xùn)練的服務(wù)器檢測模型，得到所述服務(wù)器的實際運行狀態(tài)，包括：

29、將所述自檢聲音信號輸入所述服務(wù)器檢測模型，得到所述服務(wù)器的實際自檢狀態(tài)；

30、所述根據(jù)所述實際運行狀態(tài)確定所述服務(wù)器的故障狀態(tài)，包括：

31、判斷所述實際自檢狀態(tài)是否為自檢異常狀態(tài)；

32、若所述實際自檢狀態(tài)為所述自檢異常狀態(tài)，則判定所述服務(wù)器存在自檢故障；

33、若所述實際自檢狀態(tài)不為所述自檢異常狀態(tài)，則判斷所述服務(wù)器在所述實際自檢狀態(tài)下的狀態(tài)保持時長是否達(dá)到預(yù)設(shè)最長時長；

34、若所述狀態(tài)保持時長達(dá)到所述預(yù)設(shè)最長時長，則判定所述服務(wù)器存在自檢故障；

35、若所述狀態(tài)保持時長未達(dá)到所述預(yù)設(shè)最長時長，則進(jìn)入所述判斷所述實際自檢狀態(tài)是否為故障狀態(tài)的步驟。

36、可選地，在判定所述服務(wù)器存在自檢故障之后，還包括：

37、控制所述服務(wù)器進(jìn)行重新啟動，以使所述服務(wù)器重新執(zhí)行所述自檢流程。

38、本發(fā)明還提供一種服務(wù)器故障檢測裝置，包括：

39、采集模塊，用于在服務(wù)器運行過程中，采集所述服務(wù)器產(chǎn)生的聲音信號；

40、運行狀態(tài)檢測模塊，用于將所述聲音信號輸入已訓(xùn)練的服務(wù)器檢測模型，得到所述服務(wù)器的實際運行狀態(tài)；其中，所述服務(wù)器檢測模型為神經(jīng)網(wǎng)絡(luò)模型，并利用所述服務(wù)器在多種預(yù)設(shè)運行狀態(tài)下產(chǎn)生的標(biāo)準(zhǔn)聲音信號訓(xùn)練得到；

41、故障檢測模塊，用于根據(jù)所述實際運行狀態(tài)確定所述服務(wù)器的故障狀態(tài)。

42、本發(fā)明還提供一種電子設(shè)備，包括：

43、存儲器，用于存儲計算機(jī)程序；

44、處理器，用于執(zhí)行所述計算機(jī)程序時實現(xiàn)如上所述的服務(wù)器故障檢測方法。

45、本發(fā)明還提供一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)中存儲有計算機(jī)可執(zhí)行指令，所述計算機(jī)可執(zhí)行指令被處理器加載并執(zhí)行時，實現(xiàn)如上所述的服務(wù)器故障檢測方法。

46、本發(fā)明提供一種服務(wù)器故障檢測方法，包括：在服務(wù)器運行過程中，采集所述服務(wù)器產(chǎn)生的聲音信號；將所述聲音信號輸入已訓(xùn)練的服務(wù)器檢測模型，得到所述服務(wù)器的實際運行狀態(tài)；其中，所述服務(wù)器檢測模型為神經(jīng)網(wǎng)絡(luò)模型，并利用所述服務(wù)器在多種預(yù)設(shè)運行狀態(tài)下產(chǎn)生的標(biāo)準(zhǔn)聲音信號訓(xùn)練得到；根據(jù)所述實際運行狀態(tài)確定所述服務(wù)器的故障狀態(tài)。

47、可見，本發(fā)明首先可在服務(wù)器運行過程中，主動采集該服務(wù)器所產(chǎn)生的聲音信號，這些聲音信號能夠真實反映服務(wù)器的運行及故障狀態(tài)。隨后，本發(fā)明可將這些聲音信號輸入已訓(xùn)練的服務(wù)器檢測模型，得到這些服務(wù)器的實際運行狀態(tài)，并可根據(jù)實際運行狀態(tài)確定服務(wù)器的故障狀態(tài)。其中，服務(wù)器檢測模型為利用服務(wù)器在多種預(yù)設(shè)運行狀態(tài)下產(chǎn)生的標(biāo)準(zhǔn)聲音信號訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型。換句話說，本發(fā)明可使用已訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型對服務(wù)器實際產(chǎn)生的聲音信號進(jìn)行特征提取及靈活地確定服務(wù)器所對應(yīng)的實際運行狀態(tài)，并可根據(jù)該實際運行狀態(tài)確定服務(wù)器的故障狀態(tài)，進(jìn)而能夠提升服務(wù)器故障檢測對于復(fù)雜服務(wù)器運行環(huán)境的適應(yīng)程度，并可提升檢測的可靠性及靈活性。本發(fā)明還提供一種服務(wù)器故障檢測裝置、電子設(shè)備及計算機(jī)可讀存儲介質(zhì)，具有上述有益效果。