買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中國民航大學(xué)申請的專利一種固態(tài)硬盤狀態(tài)預(yù)測模型構(gòu)建方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120179484B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510671857.4，技術(shù)領(lǐng)域涉及：G06F11/22；該發(fā)明授權(quán)一種固態(tài)硬盤狀態(tài)預(yù)測模型構(gòu)建方法是由李國;景紫君;丁建立;李靜設(shè)計研發(fā)完成，并于2025-05-23向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種固態(tài)硬盤狀態(tài)預(yù)測模型構(gòu)建方法在說明書摘要公布了：本發(fā)明涉及固態(tài)硬盤預(yù)測技術(shù)領(lǐng)域，特別是涉及一種固態(tài)硬盤狀態(tài)預(yù)測模型構(gòu)建方法，該方法利用真實的樣本數(shù)據(jù)和模擬的故障樣本數(shù)據(jù)進(jìn)行訓(xùn)練，樣本數(shù)據(jù)包括固態(tài)硬盤的日志數(shù)據(jù)、圖像數(shù)據(jù)和基本信息，這些基本信息與時間序列數(shù)據(jù)結(jié)合，可以為模型提供更多的上下文信息，從而能夠提升固態(tài)硬盤的故障預(yù)測的準(zhǔn)確度和可靠性。

本發(fā)明授權(quán)一種固態(tài)硬盤狀態(tài)預(yù)測模型構(gòu)建方法在權(quán)利要求書中公布了：1.一種固態(tài)硬盤狀態(tài)預(yù)測模型構(gòu)建方法，其特征在于，所述方法包括如下步驟： S100，獲取初始特征數(shù)據(jù)集；其中，每個初始特征數(shù)據(jù)集包括對應(yīng)的固態(tài)硬盤在設(shè)定時間段內(nèi)的狀態(tài)標(biāo)簽和特征數(shù)據(jù)，所述特征數(shù)據(jù)包括時間序列數(shù)據(jù)、圖像數(shù)據(jù)和基本信息；所述時間序列數(shù)據(jù)為SMART日志數(shù)據(jù)中的關(guān)鍵參數(shù)的數(shù)值形成的時間序列，所述圖像數(shù)據(jù)為基于時間序列數(shù)據(jù)得到的圖像數(shù)據(jù)，所述基本信息用于表征固態(tài)硬盤的物理特性，所述狀態(tài)標(biāo)簽包括表征固態(tài)硬盤處于正常狀態(tài)的第一標(biāo)簽和表征固態(tài)硬盤處于故障狀態(tài)的第二標(biāo)簽； S200，將初始特征數(shù)據(jù)集中狀態(tài)標(biāo)簽為第一標(biāo)簽的特征數(shù)據(jù)作為待處理的數(shù)據(jù)，并基于所述待處理的數(shù)據(jù)生成對應(yīng)的對抗樣本數(shù)據(jù)； S300，將生成的對抗樣本數(shù)據(jù)加入到所述初始特征數(shù)據(jù)集中，作為樣本數(shù)據(jù)集，并將樣本數(shù)據(jù)集劃分為訓(xùn)練集和測試集； S300，以樣本數(shù)據(jù)集中的特征數(shù)據(jù)為輸入信息，狀態(tài)標(biāo)簽為標(biāo)簽信息，利用所述訓(xùn)練集對初始的固態(tài)硬盤狀態(tài)預(yù)測模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的固態(tài)硬盤狀態(tài)預(yù)測模型，以及利用所述測試集對訓(xùn)練后的固態(tài)硬盤狀態(tài)預(yù)測模型進(jìn)行測試； 在S200中，對抗樣本數(shù)據(jù)基于經(jīng)訓(xùn)練后的對抗樣本生成模型生成，其中，輸入到經(jīng)訓(xùn)練后的對抗樣本生成模型中的數(shù)據(jù)包括待處理數(shù)據(jù)中的圖像數(shù)據(jù)和文本融合數(shù)據(jù)，文本融合數(shù)據(jù)為將待處理的數(shù)據(jù)中的時間序列數(shù)據(jù)和文本數(shù)據(jù)拼接在一起得到的數(shù)據(jù)；所述文本數(shù)據(jù)為文本化后的基本信息； 其中，對抗樣本生成模型包括第一特征編碼模塊、第二特征編碼模塊、特征合并模塊、生成器和判別器，其中，第一特征編碼模塊用于將接收的文本融合數(shù)據(jù)中的文本數(shù)據(jù)轉(zhuǎn)換為數(shù)值形式特征，得到文本融合數(shù)據(jù)特征矩陣，并輸入給所述特征合并模塊；第二特征編碼模塊用于將接收的圖像數(shù)據(jù)轉(zhuǎn)換為數(shù)值形式特征，得到圖像數(shù)據(jù)特征矩陣，并輸入給所述特征合并模塊；所述特征合并模塊用于將接收到的文本融合數(shù)據(jù)特征矩陣和圖像數(shù)據(jù)特征矩陣進(jìn)行相乘，得到合并矩陣，并輸入給生成器；所述生成器用于對接收到的合并矩陣添加隨機噪聲，并基于添加了隨機噪聲的合并矩陣生成對抗樣本數(shù)據(jù)，并輸入給所述判別器；所述判別器用于對接收到的對抗樣本數(shù)據(jù)的真實性進(jìn)行判別，得到對應(yīng)的判別值。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人中國民航大學(xué)，其通訊地址為：300300 天津市東麗區(qū)津北公路2898號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。