买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉苏州元脑智能科技有限公司申请的专利一种磁盘故障检测方法、装置、设备及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120429157B 。

龙图腾网通过国家知识产权局官网在2025-10-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510927619.5，技术领域涉及：G06F11/07；该发明授权一种磁盘故障检测方法、装置、设备及介质是由刘增强;史志岩;刘冬;李孝雨;高志伟设计研发完成，并于2025-07-07向国家知识产权局提交的专利申请。

本一种磁盘故障检测方法、装置、设备及介质在说明书摘要公布了：本申请公开了一种磁盘故障检测方法、装置、设备及介质，涉及检测技术领域，包括采集待检测磁盘的运行状态数据；对磁盘的运行状态数据进行预处理，得到待检测磁盘状态的归一化数据；根据深度学习算法创建服务器磁盘故障诊断模型，故障诊断模型包括多维度数据输入层、多层特征提取层和故障诊断结果输出层；根据前向传播算法、误差反向传播算法以及待检测磁盘状态的归一化数据对服务器磁盘故障诊断模型进行训练；将训练后的服务器磁盘故障诊断模型作为目标磁盘故障诊断模型，根据目标磁盘故障诊断模型对待检测磁盘进行检测。本申请技术采用深度学习算法构建的故障诊断模型，能够学习到复杂的磁盘故障特征模式，提高了故障诊断的准确性和可靠性。

本发明授权一种磁盘故障检测方法、装置、设备及介质在权利要求书中公布了：1.一种磁盘故障检测方法，其特征在于，所述方法应用于服务器，所述方法包括： 多维度采集待检测磁盘的运行状态数据； 对所述待检测磁盘的运行状态数据进行预处理，得到待检测磁盘状态的归一化数据； 根据深度学习算法创建服务器磁盘故障诊断模型，所述服务器磁盘故障诊断模型包括多维度数据输入层、多层特征提取层和故障诊断结果输出层； 根据前向传播算法、误差反向传播算法以及所述待检测磁盘状态的归一化数据对所述服务器磁盘故障诊断模型进行训练； 将训练后的服务器磁盘故障诊断模型作为目标磁盘故障诊断模型，根据所述目标磁盘故障诊断模型对所述待检测磁盘进行检测； 根据模型预测的准确率、模型预测精确率和召回率的调和平均数对所述目标磁盘故障诊断模型进行优化； 所述根据模型预测的准确率、模型预测精确率和召回率的调和平均数对所述目标磁盘故障诊断模型进行优化，包括： 获取实际为磁盘故障且被正确预测为磁盘故障的数量TP，实际为磁盘正常且被正确预测为磁盘正常的数量TN，实际为磁盘正常但被错误预测为磁盘故障的数量FP，实际为磁盘故障但被错误预测为磁盘正常的数量FN； 通过公式：，计算目标磁盘故障诊断模型预测的准确率Accuracy； 通过公式：，计算目标磁盘故障诊断模型预测的召回率Recall； 通过公式：，计算目标磁盘故障诊断模型预测为磁盘故障样本的精确率Precision； 通过公式：，计算目标磁盘故障诊断模型预测精确率和召回率的调和平均数F1； 根据目标磁盘故障诊断模型预测的准确率、模型预测精确率和召回率的调和平均数对所述目标磁盘故障诊断模型进行优化； 所述方法，还包括： 根据在线学习机制采集磁盘更新的运行状态数据； 按照间隔第二阈值时间根据磁盘更新的运行状态数据，采用增量学习的方式对目标磁盘故障诊断模型重新进行训练； 使用目标磁盘故障诊断模型参数作为初始模型； 采用滑动窗口技术从磁盘更新的运行状态数据筛选出最具代表性的磁盘更新运行状态数据； 加载目标磁盘故障诊断模型及其权重； 根据最具代表性的磁盘更新运行状态数据对目标磁盘故障诊断模型微调训练，通过独立的验证集评估目标磁盘故障诊断模型性能，检查目标磁盘故障诊断模型是否存在过拟合或欠拟合的情况； 调节目标磁盘故障诊断模型的参数，参数包括学习率、正则化系数； 所述根据前向传播算法、误差反向传播算法以及所述待检测磁盘状态的归一化数据对所述服务器磁盘故障诊断模型进行训练，包括： 将所述待检测磁盘状态的归一化数据划分为训练集和测试集； 通过所述训练集对服务器磁盘故障诊断模型进行训练； 通过所述测试集对服务器磁盘故障诊断模型的准确率进行校验； 所述通过所述训练集对服务器磁盘故障诊断模型进行训练，包括： 对所述服务器磁盘故障诊断模型的权重和偏置值参数进行初始化； 根据所述前向传播算法将所述训练集输入至所述服务器磁盘故障诊断模型的多维度数据输入层； 通过所述服务器磁盘故障诊断模型的特征提取层对所述训练集进行特征提取； 通过所述服务器磁盘故障诊断模型对特征提取后的训练集进行故障诊断； 通过所述服务器磁盘故障诊断模型的故障诊断结果输出层输出故障诊断结果； 获取损失函数，并通过所述损失函数比对所述服务器磁盘故障诊断模型的输出故障诊断结果与真实磁盘故障类型结果之间的差异性，得到损失函数的损失值； 通过误差反向传播算法以及链式求导法则从后往前逐层计算所述损失函数关于所述服务器磁盘故障诊断模型的权重和偏置值参数的导数； 根据所述服务器磁盘故障诊断模型的权重和偏置值参数的导数以及梯度下降法更新所述服务器磁盘故障诊断模型的权重和偏置值参数； 对所述服务器磁盘故障诊断模型的权重和偏置值参数进行优化，减少所述损失函数的损失值； 经过多轮的前向传播和误差反向传播，模型训练到预设的终止条件后，得到具有较高诊断准确率的服务器磁盘故障诊断模型； 通过测试集对服务器磁盘故障诊断模型的准确率进行校验，包括： 通过测试集数据对所述服务器磁盘故障诊断模型的准确率进行校验，当所述服务器磁盘故障诊断模型的准确率达到第一阈值时，则服务器磁盘故障诊断模型训练完成。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人苏州元脑智能科技有限公司，其通讯地址为：215000 江苏省苏州市吴中经济开发区综保区经一路1号8幢；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。