一种工智机多核CPU健康状态分级监测系统及方法与流程

摘要: 本申请涉及计算机,尤其涉及一种工智机多核cpu健康状态分级监测系统及方法。背景技术:1、工智机即工业控制计算机,承担运动控制、通信调度与数据处理等关键任务,其多...
一种工智机多核CPU健康状态分级监测系统及方法与流程

本申请涉及计算机,尤其涉及一种工智机多核cpu健康状态分级监测系统及方法。

背景技术:

1、工智机即工业控制计算机,承担运动控制、通信调度与数据处理等关键任务,其多核cpu的健康状态直接影响工业现场的生产可靠性。当前对工智机多核cpu的健康监测主要依赖商用监控软件或开源工具,通过采集各cpu核心的占用率并配合人工设定的固定阈值进行异常判断。

2、然而工业现场工况多变,cpu运行状态受任务负载波动、瞬时尖峰与环境干扰等因素影响,单一占用率指标配合固定阈值无法区分表征内存泄漏、计算任务堆积的趋势性劣化与表征中断风暴、瞬时抖动的波动性异常,容易造成误报或漏报,也无法对异常严重程度进行分级量化。同时各cpu核心通常被独立分析或简单平均,忽略了核间负载相关性,当总线拥塞、电源波动等引发多核同步恶化时难以与单核软件死循环等局部异常相区分,故障根源定位困难,且现有监测仅提供正常与告警的二元输出,缺乏对健康状态连续演化的分级评估,难以支撑预测性维护。

3、为提升诊断精度,近年研究尝试将lstm、孤立森林、集成学习等机器学习模型引入cpu使用率预测或异常检测。此类方案普遍依赖离线训练,模型结构复杂、实时部署开销大,且输入仍以占用率为主要特征,难以满足工智机现场工况多变、负载强耦合场景下的实时精准监测与分级预警需求。

技术实现思路

1、有鉴于此,本申请实施例提供了一种工智机多核cpu健康状态分级监测系统及方法,以解决现有技术中监测指标单一,难以满足工智机现场工况多变的问题。

2、本申请实施例的第一方面,提供了一种工智机多核cpu健康状态分级监测系统,包括:

3、数据采集模块,用于采集工智机各cpu核心的实时占用率数据;

4、双残差分解模块,用于对实时占用率数据进行指数加权移动平均平滑处理,得到平滑占用率,并根据实时占用率数据与平滑占用率之间的差异进行双残差分解,得到表征cpu运行趋势偏移的趋势残差和表征cpu瞬时波动的波动残差;

5、隶属度构建模块,用于采用动态核密度估计算法对各cpu核心的趋势残差和波动残差进行分布拟合,生成各健康等级对应的自适应阈值边界,并基于自适应阈值边界构建隶属度矩阵;

6、单核评分模块,用于根据隶属度矩阵确定各cpu核心的单核健康分;

7、综合评分模块,用于基于预设的核心优先级权重对各单核健康分进行加权融合,并基于核间相关性矩阵对加权融合结果进行相关性修正,得到综合健康分和异常类型归因结果;

8、分级预警模块,用于根据单核健康分和综合健康分映射得到健康等级和负载管控等级,并基于健康等级和负载管控等级输出预警信息。

9、本申请实施例的第二方面,提供了一种工智机多核cpu健康状态分级监测方法,包括:

10、采集工智机各cpu核心的实时占用率数据;

11、对实时占用率数据进行指数加权移动平均平滑处理,得到平滑占用率,并根据实时占用率数据与平滑占用率之间的差异进行双残差分解,得到表征cpu运行趋势偏移的趋势残差和表征cpu瞬时波动的波动残差;

12、采用动态核密度估计算法对各cpu核心的趋势残差和波动残差进行分布拟合,生成各健康等级对应的自适应阈值边界,并基于自适应阈值边界构建隶属度矩阵;

13、根据隶属度矩阵确定各cpu核心的单核健康分;

14、基于预设的核心优先级权重对各单核健康分进行加权融合,并基于核间相关性矩阵对加权融合结果进行相关性修正,得到综合健康分和异常类型归因结果;

15、根据单核健康分和综合健康分映射得到健康等级和负载管控等级,并基于健康等级和负载管控等级输出预警信息。

16、本申请实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。

17、本申请实施例的第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。

18、本申请实施例与现有技术相比存在的有益效果是:本申请通过双残差分解将cpu运行状态刻画为表征趋势偏移的趋势残差与表征瞬时波动的波动残差,并采用指数加权移动平均对残差时序进行动态平滑,能够同时识别趋势性劣化与波动性异常,克服了单一占用率固定阈值难以区分异常类型、易误报漏报的缺陷;通过动态核密度估计算法对残差数据进行分布拟合,自适应生成各健康等级的阈值边界并构建隶属度矩阵,替代了人工设定固定阈值的模式,使评估边界能够随工况变化动态调整,提升了指标边界模糊与随机波动场景下的评估准确性;依据各cpu核心承载任务的关键程度设置核心优先级权重,对单核健康分加权融合并结合核间相关性矩阵进行修正,能够自动区分系统级异常与局部核异常,增强了故障归因能力;通过将评分结果映射为健康等级与负载管控等级并输出预警信息,实现了对工智机多核cpu健康状态的精细化分级监测与预警,为现场运维、故障预判与预测性维护提供了可靠的数据支撑。

1.一种工智机多核cpu健康状态分级监测系统,其特征在于,包括:

2.根据权利要求1所述的系统,其特征在于,所述综合评分模块基于所述核间相关性矩阵计算相关性修正系数,并基于所述相关性修正系数对所述加权融合结果进行迭代修正,直至所述综合健康分收敛稳定;

3.根据权利要求1所述的系统,其特征在于,所述单核评分模块用于基于所述隶属度矩阵,根据所述趋势残差和所述波动残差,分别确定各所述cpu核心的趋势健康得分和波动健康得分,并将所述趋势健康得分与所述波动健康得分融合为所述单核健康分。

4.根据权利要求1所述的系统,其特征在于,还包括可视化交互模块,所述可视化交互模块用于响应启动操作,控制所述数据采集模块、所述双残差分解模块、所述隶属度构建模块、所述单核评分模块、所述综合评分模块和所述分级预警模块执行数据采集与健康评估;

5.一种工智机多核cpu健康状态分级监测方法,其特征在于,包括:

6.根据权利要求5所述的方法,其特征在于,基于所述核间相关性矩阵计算相关性修正系数,并基于所述相关性修正系数对所述加权融合结果进行迭代修正,直至所述综合健康分收敛稳定;

7.根据权利要求5所述的方法,其特征在于,所述根据所述隶属度矩阵确定各所述cpu核心的单核健康分,包括:

8.根据权利要求5所述的方法,其特征在于,还包括:

9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求5至8中任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如权利要求5至8中任一项所述方法的步骤。