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！

龙图腾网获悉武汉理工大学申请的专利基于BMC模块边缘计算的服务器故障预测方法及系统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：CN118733317B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202410826467.5，技术领域涉及：G06F11/07；该发明授权基于BMC模块边缘计算的服务器故障预测方法及系统是由张家亮;杨洲;吴阳;郭志强;曹辉设计研发完成，并于2024-06-25向国家知识产权局提交的专利申请。

本基于BMC模块边缘计算的服务器故障预测方法及系统在说明书摘要公布了：本发明公开了一种基于BMC模块边缘计算的服务器故障预测方法及系统，所述方法包括：在目标服务器的边缘节点部署BMC模块，通过BMC模块获取目标服务器的历史运行状态数据；对目标服务器的历史运行状态数据进行格式解析和预处理，构建用于故障预测的样本集；构建基于集成学习的故障预测模型，通过样本集训练故障预测模型，并将训练后的故障预测模型部署至BMC模块；通过故障预测模型进行服务器故障预测，同时监测BMC模块的CPU占用情况，根据CPU占用率进行故障预测模型的计算资源动态调度。本发明通过带外预测方式降低了目标服务器的压力，同时可以根据CPU占用率进行故障预测模型的计算资源动态调度，提高了资源利用率。

本发明授权基于BMC模块边缘计算的服务器故障预测方法及系统在权利要求书中公布了：1.一种基于BMC模块边缘计算的服务器故障预测方法，其特征在于，所述方法包括： 在目标服务器的边缘节点部署BMC模块，通过BMC模块获取目标服务器的历史运行状态数据； 对目标服务器的历史运行状态数据进行格式解析和预处理，构建用于故障预测的样本集； 构建基于集成学习的故障预测模型，通过样本集训练故障预测模型，并将训练后的故障预测模型部署至BMC模块； 通过故障预测模型进行服务器故障预测，同时监测BMC模块的CPU占用情况，根据CPU占用率进行故障预测模型的计算资源动态调度； 所述通过BMC模块获取目标服务器的历史运行状态数据具体包括： 通过BMC模块获取目标服务器的Redfish服务的资源URL，发送GET请求到目标服务器的资源URL，得到目标服务器的历史运行状态数据； 所述目标服务器的历史运行状态数据包括电源状态、热状态、处理器使用率、内存使用情况和存储设备状态； 所述对目标服务器的历史运行状态数据进行格式解析和预处理，构建用于故障预测的样本集具体包括： 对目标服务器的历史运行状态数据进行格式解析和预处理，所述预处理包括缺失值处理、异常值检测与剔除； 获取与目标服务器的历史运行状态数据对应的故障类型； 以预处理后的历史运行状态数据为样本属性、以故障类型为样本标签，构建训练样本并进行数据扩增，得到样本集； 集成学习的弱学习器包括线性分类器、决策树模型、感知机模型和朴素贝叶斯模型，为每个弱学习器分配一个权重，将不同的弱学习器进行加权组合，形成一个强分类器作为故障预测模型； 所述通过样本集训练故障预测模型具体包括： 为样本集中的每个样本分配相同的初始权重，得到训练集； 通过训练集训练一个弱学习器，得到一个弱分类器； 将训练集中各个样本属性输入弱分类器进行预测，将预测概率的最大值作为预测置信度，将每个样本的预测误差作为分类难度； 基于预测置信度和分类难度建立权重调整公式，更新训练集中每个样本的权重； 通过更新的训练集训练下一个弱学习器，在每次迭代中，都使用前一个弱学习器的预测结果来调整训练集中每个样本的权重，并训练一个新的弱学习器，直到达到预设的迭代次数； 所述权重调整公式为： ωi是调整前的样本权重，是调整后的样本权重，α是弱学习器的权重，Ci为预测置信度，Di为分类难度，yi、分别为样本的真实值和预测值； 所述根据CPU占用率进行故障预测模型的计算资源动态调度具体包括： 根据CPU占用率计算归一化的CPU占用率偏差N： 其中，L、H分别为预设的CPU占用率阈值的下限和上限，D＝|U*100-50|，U为当前获取的CPU占用率； 根据归一化的CPU占用率偏差N计算资源分配系数RAC： RAC＝1-N2 根据资源分配系数RAC的值来动态调整故障预测模型的计算资源分配的优先级。

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武汉理工大学，其通讯地址为：430000 湖北省武汉市洪山区珞狮路122号；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”。