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！

申请/专利权人：苏州华慷医疗科技有限公司

摘要：本发明公开了一种生成式AI设备运维管理系统及方法，涉及AI设备运维技术领域，包括AI监控设备：实时监测生成式AI设备的工作状态，采集AI设备的电气数据、训练模型的运行性能参数和状态信号；数据分布分析模块：将监控设备采集到生成式AI设备运维管理系统的若干个数据信号进行分布分析；本发明采用的模型数据驱动优化模块，实现了对系统发生异常信号进行负反馈调控的功能，采用的积分增益系数将生成式AI设备运行的电气数据和生成式AI设备运维管理系统中训练模型的性能参数和状态信号进行调整控制处理，避免系统监测异常信号出现后给系统造成的负面影响随时间积累而变大。

主权项：1.一种生成式AI设备运维管理系统，其特征在于，包括AI监控设备：实时监测生成式AI设备的工作状态，用于获取若干个数据信号，包括采集生成式AI设备的电气数据、训练模型的运行性能参数和状态信号；所述生成式AI设备的电气数据包括输入电压V、输入电流I、实际输出频率f、功耗P和运行温度T的参数信号；生成式AI设备训练模型的运行性能参数包括准确度Ac0、召回率Re0、精确度Pr0、训练速度TS0、推理速度IS0、抗干扰度Ro0和内存占用率MF0的数据；训练模型的状态信号包括输入数据错误De、传输噪声Tn、通信失败Cf、数据缺失Dm和数据重复Dd；数据分布分析模块：将AI监控设备采集到的生成式AI设备运维管理系统的若干个数据信号进行分布分析；获取若干个数据信号的步骤如下：A1、在生成式AI设备运维管理系统运行状态中，采集在t时间段内x1次不同时刻的电压的瞬时数值，并进行平均值计算，标定为电压其中，x1＝1、2、3、…、k1，k1为正整数，x1表示为在t时间段内采集AI设备的电气数据的次数编号；计算AI设备的电气数据包括的输入电压V参数标准差，并将参数标准差标记为BZV；输入电压标准差计算公式为：式中，A2、在生成式AI设备运维管理系统运行训练模型时，采集在t时间段内x2次不同时刻的准确度的性能参数的瞬时数值，并进行平均值计算，标定为准确度Ac1，其中，x2＝1、2、3、…、k2，k2为正整数，x2表示为在t时间段内采集AI设备训练模型的性能参数的次数编号；计算训练模型的准确度Ac0的性能参数标准差，并将参数标准差标记为准确度Ac0的性能参数标准差计算公式为：式中，A3、根据训练模型的状态信号，在生成式AI设备运维管理系统运行训练模型时，监测并采集在t时间段内出现x3次输入数据错误的概率值，并进行平均值计算，标定为输入数据错误率De1，其中，x3＝1、2、3、…、k3，k3为正整数，x3表示为在t时间段内采集训练模型的状态信号的次数编号；计算训练模型中状态信号出现输入数据错误De的概率值的标准差，并将参数标准差标记为BZDe；输入数据错误De的概率值的标准差计算公式为：式中，A4、根据监控设备采集的生成式AI设备的电气数据、训练模型的运行性能参数和状态信号，通过标准差计算后，采用聚类分析法结合绘制数据分布图，对数据进行分布特征和描述趋势变化分析；训练模型异常检测模块：在生成式AI设备运维管理系统中已有训练模型和算法中，通过向生成式AI设备输入若干次已知数据包并运行，将AI监控设备采集到的数据进行异常检测，找出与预期模型不符的异常数据，并传输至阈值判断区分模块；离群点检测处理模块：对数据分布分析模块中计算的数据进行离群点检测，把分布不在正常数据分布范围内的异常值，进行标记处理，并传输至阈值判断区分模块；阈值判断区分模块：设定生成式AI设备的电气数据、训练模型的运行性能参数和状态信号的阈值范围，将采集接收到的参数数据与预设的阈值进行比较、判断，把超过设定阈值范围的参数数据进行统计，判定为异常值并计算生成异常信号评估指数；生成异常信号评估指数的步骤如下：B1、将计算生成式AI设备训练模型的运行的性能参数的标准差作为信号异常系数，将准确度Ac0的性能参数，建立与时间t自变量相关的因变量公式，准确度式中，aet表示为准确度Ac0随时间t的指数变化，a为整数，b为准确度常量，并对自变量t进行微分求导生成变动系数，即计算公式为：则根据获取准确度Ac0的信号异常系数和变动系数建立数据分析模型，生成异常评估指数的公式为：式中，μ1、μ2分别为准确度Ac0的信号异常系数和变动系数的预设比例系数，且μ1、μ2均大于0；B2、将计算生成式AI设备训练模型的状态信号在t时间段内出现x次概率的标准差作为信号异常系数，基于输入数据错误De概率值的标准差，建立与时间t自变量相关的因变量公式，输入数据错误De＝fDet＝tn-1，n＞0，式中，tn表示为输入数据错误De随时间t的指数变化，n为正整数，并对自变量t进行微分求导生成变动系数，即计算公式为：fDet′＝ntn-1，t≥0，则根据获取输入数据错误De的信号异常系数BZDe和变动系数fDet′，建立数据分析模型，生成异常评估指数HDe的公式为：HDe＝ω1×BZDe+ω2×fDet′，t≥0，式中，ω1、ω2分别为输入数据错误De的信号异常系数BZDe和变动系数fDet′的预设比例系数，且ω1、ω2均大于0；B3、将计算生成式AI设备的电气参数输入电压V的标准差数据作为信号异常系数，并统计输入电压V的标准差，在t时间段内x次的电压的平均数值作为AI设备的实际运行电气参数，将理论预设AI设备运行最佳状态的电气参数标定为电压V0，建立AI设备在t时间段内实际运行电气参数与理论预设最佳状态的电气参数关系，电压V生成AI设备运行电气干扰系数γV，计算公式为：则根据获取输入电压V的信号异常系数BZV和电气干扰系数γV，建立数据分析模型，生成异常评估指数HV的公式为：HV＝λBZV+1-λγV，0＜λ＜1，式中λ、1-λ分别为输入电压V的信号异常系数BZV和电气干扰系数γV的预设比例系数；B4、将生成式AI设备训练模型的运行的性能参数和状态信号，计算生成的异常信号评估指数进行统计集合，并将集合后的异常信号评估指数，分别划分层次建立评估矩阵模型和负反馈优化模块，进一步分析、告警和优化；综合对比分析评估模块：建立评估矩阵模型，将阈值判断区分模块中统计计算出的异常信号评估指数进行分析计算，生成告警指数；建立负反馈优化模型，将阈值判断区分模块中统计计算出的异常信号评估指数进行分析计算，生成调整后的多项参数数据；模型数据驱动优化模块：接收综合对比分析评估模块计算的调整后的多项参数数据，调整和优化生成式AI设备运维管理系统中的训练模型；预测性告警调试模块：将综合对比分析评估模块中对生成式AI设备运行的数据进行告警指数的判断，分析生成式AI设备运维管理系统的状态和行为模式，结合对比预设告警指数阈值，判断AI监控设备的运行故障，实现生成式AI设备运维管理系统提前预警和调试。

全文数据：

权利要求：

百度查询： 苏州华慷医疗科技有限公司 一种生成式AI设备运维管理系统及方法