人工智能辅助的计算机硬件维护与故障预测系统设计

张鑫茂

doi:10.16009/j.issn.1009-5624.2026.04.012

信息记录材料 ›› 2026, Vol. 27 ›› Issue (4) : 37 -39. DOI: 10.16009/j.issn.1009-5624.2026.04.012

人工智能辅助的计算机硬件维护与故障预测系统设计

张鑫茂

作者信息 +

Author information +

文章历史 +

PDF

摘要

为解决计算机硬件维护效率低下以及故障预测准确性不足的问题，本文提出一种基于深度学习的智能硬件维护系统。该系统通过构建多层次数据采集模块，实时采集CPU、内存、硬盘等关键部件的运行状态参数;采用长短期记忆(LSTM)网络与卷积神经网络(CNN)相结合的混合模型，实现故障特征提取与预测分析。实验结果显示，系统故障预测准确率达到94.7%，误报率低于3.2%，较传统方法预测时间窗口提前68 h，显著降低了维护成本并提升了系统可靠性。