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服务器老化稳定性测试方法及装置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：CN121029561B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202511563920.9，技术领域涉及：G06F11/34；该发明授权服务器老化稳定性测试方法及装置是由崔钊童设计研发完成，并于2025-10-29向国家知识产权局提交的专利申请。

本服务器老化稳定性测试方法及装置在说明书摘要公布了：本申请公开了一种服务器老化稳定性测试方法及装置，涉及服务器稳定性测试技术领域，包括：获取服务器型号，通过服务器型号查找服务器的组成部件型号参数；通过老化预测模型，对该服务器的部件进行老化预测；根据部件的老化预测数据通过性能预测模型对该服务器的老化时部件的性能进行预测；根据预测老化性能数据生成部件的参数调整数据，以通过参数调整数据构建服务器老化稳定性测试方案；采用服务器老化稳定性测试方案对服务器进行测试，解决了相关技术中，无法有效模拟各部件老化时服务器运行的稳定性的技术问题，达到了高效测试服务器在不同时间段内老化时的运行稳定性，保障了模拟服务器各部件老化程度的准确性的技术效果。

本发明授权服务器老化稳定性测试方法及装置在权利要求书中公布了：1.一种服务器老化稳定性测试方法，其特征在于，包括以下步骤： 采集目标服务器中多个组成部件的历史老化数据，并判断所述历史老化数据是否满足预设的数量要求，且在所述历史老化数据不满足所述数量要求的情况下，对相应的组成部件进行老化仿真模拟实验，以生成实验老化数据，并通过所述实验老化数据和历史老化数据训练预先构建的老化预测模型； 基于所述目标服务器的服务器标识确定所述目标服务器对应的组成部件型号参数，并将所述组成部件型号参数输入至训练后的老化预测模型中，以输出所述目标服务器对应的部件老化参数； 基于所述部件老化参数和预先构建的性能预测模型，预测不同时间段内所述目标服务器的老化部件性能参数，且获取多个组成部件的部件参数数据，并根据所述部件参数数据和所述老化部件性能参数确定对应的组成部件的参数调整要求，且通过所述参数调整要求调整所述部件参数数据，以生成对应的部件参数调整数据； 通过所述部件参数调整数据生成所述目标服务器对应的老化稳定性测试方案，并根据所述老化稳定性测试方案对所述目标服务器执行老化稳定性测试，以得到所述目标服务器的老化稳定性结果； 其中，在通过所述实验老化数据和历史老化数据训练预先构建的老化预测模型之前，还包括： 提取老化预测训练样本集对应的数据特征，其中，所述数据特征包括数据维度类型、数据时序关联性和数据特征复杂度； 根据所述数据特征确定对应的卷积神经网络结构需求，并从预设的卷积神经网络结构库中筛选出满足所述卷积神经网络结构需求的多个候选卷积神经网络结构； 将所述老化预测训练样本集分别输入至所述多个候选卷积神经网络结构中，以对所述多个候选卷积神经网络结构进行训练和性能测试，并生成对应的初步性能测试结果； 基于所述初步性能测试结果，选取满足预设性能要求的目标候选卷积神经网络结构，以利用所述目标候选卷积神经网络结构构建所述老化预测模型； 所述根据所述数据特征确定对应的卷积神经网络结构需求，并从预设的卷积神经网络结构库中筛选出满足所述卷积神经网络结构需求的多个候选卷积神经网络结构，包括： 获取所述目标服务器中所述多个组成部件的时序数据，并根据所述时序数据计算不同组成部件之间的互信息熵值，以基于所述互信息熵值、第一预设熵值阈值和第二预设熵值阈值，将所述多个组成部件划分为对应的强关联组、弱关联组和无关联组，其中，所述第一预设熵值阈值大于第二预设熵值阈值； 对所述强关联组共用预设的特征提取主干并串联预设的时序注意力模块，对所述弱关联组采用独立分支并通过预设的跳跃连接策略进行交互，对所述无关联组配置完全独立分支，以基于所述强关联组、所述弱关联组和所述无关联组，构建所述目标候选卷积神经网络结构中的基础分支结构； 在所述基础分支结构中嵌入预设的自适应融合单元，并每隔预设周期计算所述多个组成部件之间的当前部件关联度，且通过所述自适应融合单元将所述当前部件关联度转换为对应的归一化关联权重值，并利用所述归一化关联权重值调整所述基础分支结构中所述特征提取主干、弱关联组独立分支和无关联组独立分支的交叉融合权重，以确定所述多个候选卷积神经网络结构。

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。