数据中心冷源站巡检方法及装置与流程

本申请涉及巡检，尤其涉及一种数据中心冷源站巡检方法及装置。

背景技术：

1、数据中心冷源站是数据机房的主要冷源。数据中心冷源站通常需要每日进行两次巡检，人力成本较高。而运维工作受到人员心理素质、生理状态、外部环境、责任心与工作经验的影响，从而导致在机房巡检过程中出现多种隐患如漏巡、错巡等，降低巡视效率。

2、为了降低成本和提高效率，人们开始尝试使用巡检机器人代替人工巡检。目前，智能巡检机器人在对设备异常噪声巡检时往往针对单一设备的正常运行声音进行识别，当检测到所识别声音与机器人系统记录的正常运行声音不同时发出告警。

3、超大型数据中心冷源站内存在多台冷水机组及冷冻水泵，巡检机器人在进行多台设备异常噪声检测时会出现识别不了的问题，导致每次巡检任务均需再次人工确认，从而导致巡检周期变长、效率低下。

技术实现思路

1、针对现有技术中的至少一个问题，本申请提出了一种数据中心冷源站巡检方法及装置，能够实现数据中心冷源站巡检过程中多台异常设备的识别，高效且准确，进而能够提高数据中心冷源站的安全性。

2、为了解决上述技术问题，本申请提供以下技术方案：

3、第一方面，本申请提供一种数据中心冷源站巡检方法，包括：

4、接收巡检机器人在目标数据中心冷源站的巡检点处采集到的设备运行噪声；

5、根据所述设备运行噪声和预设的噪声检测模型，确定所述巡检点处的巡检结果；

6、所述预设的噪声检测模型是基于各个巡检点对应的样本集对高斯混合模型预先训练得到的，所述样本集包括：多组设备组各自的正常噪声样本、异常噪声样本、各台设备各自的正常噪声样本以及异常噪声样本，每组设备组包括：多台设备。

7、在一个实施例中，所述的数据中心冷源站巡检方法还包括：

8、获取各个巡检点对应的样本集；

9、应用所述样本集对高斯混合模型进行训练，得到所述预设的噪声检测模型。

10、在一个实施例中，所述根据所述设备运行噪声和预设的噪声检测模型，确定所述巡检点处的巡检结果，包括：

11、根据所述设备运行噪声和预设的噪声检测模型，确定所述设备运行噪声异常以及异常设备。

12、在一个实施例中，所述根据所述设备运行噪声和预设的噪声检测模型，确定所述巡检点处的巡检结果，包括：

13、根据所述设备运行噪声和预设的噪声检测模型，确定所述设备运行噪声正常。

14、在一个实施例中，所述的数据中心冷源站巡检方法，还包括：

15、接收所述巡检机器人在下一巡检点处采集到的设备运行噪声；

16、根据预设的噪声检测模型和所述下一巡检点处采集到的设备运行噪声，确定所述下一巡检点处的巡检结果。

17、在一个实施例中，所述设备组的正常噪声样本为该设备组中的各台设备正常运行时的噪声，所述设备组的异常噪声样本为该设备组中的至少一台设备异常运行并且其他设备正常运行时的噪声。

18、在一个实施例中，所述的数据中心冷源站巡检方法，还包括：

19、将所述异常设备对应的告警信息输出显示。

20、第二方面，本申请提供一种数据中心冷源站巡检装置，包括：

21、接收模块，用于接收巡检机器人在目标数据中心冷源站的巡检点处采集到的设备运行噪声；

22、确定模块，用于根据所述设备运行噪声和预设的噪声检测模型，确定所述巡检点处的巡检结果；

23、所述预设的噪声检测模型是基于各个巡检点对应的样本集对高斯混合模型预先训练得到的，所述样本集包括：多组设备组各自的正常噪声样本、异常噪声样本、各台设备各自的正常噪声样本以及异常噪声样本，每组设备组包括：多台设备。

24、在一个实施例中，所述的数据中心冷源站巡检装置还包括：

25、获取模块，用于获取各个巡检点对应的样本集；

26、训练模块，用于应用所述样本集对高斯混合模型进行训练，得到所述预设的噪声检测模型。

27、在一个实施例中，所述确定模块包括：

28、第一确定单元，用于根据所述设备运行噪声和预设的噪声检测模型，确定所述设备运行噪声异常以及异常设备。

29、在一个实施例中，所述确定模块包括：

30、第二确定单元，用于根据所述设备运行噪声和预设的噪声检测模型，确定所述设备运行噪声正常。

31、在一个实施例中，所述的数据中心冷源站巡检装置，还包括：

32、采集模块，用于接收所述巡检机器人在下一巡检点处采集到的设备运行噪声；

33、确定巡检结果模块，用于根据预设的噪声检测模型和所述下一巡检点处采集到的设备运行噪声，确定所述下一巡检点处的巡检结果。

34、在一个实施例中，所述设备组的正常噪声样本为该设备组中的各台设备正常运行时的噪声，所述设备组的异常噪声样本为该设备组中的至少一台设备异常运行并且其他设备正常运行时的噪声。

35、在一个实施例中，所述的数据中心冷源站巡检装置还包括：

36、输出模块，用于将所述异常设备对应的告警信息输出显示。

37、第三方面，本申请提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的数据中心冷源站巡检方法。

38、第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机指令，所述指令被处理器执行时实现所述的数据中心冷源站巡检方法。

39、由上述技术方案可知，本申请提供一种数据中心冷源站巡检方法及装置。其中，该方法包括：接收巡检机器人在目标数据中心冷源站的巡检点处采集到的设备运行噪声；根据所述设备运行噪声和预设的噪声检测模型，确定所述巡检点处的巡检结果；所述预设的噪声检测模型是基于各个巡检点对应的样本集对高斯混合模型预先训练得到的，所述样本集包括：多组设备组各自的正常噪声样本、异常噪声样本、各台设备各自的正常噪声样本以及异常噪声样本，每组设备组包括：多台设备，能够实现数据中心冷源站巡检过程中多台异常设备的识别，高效且准确，进而能够提高数据中心冷源站的安全性；可以实现执行冷源站内多设备异常运行噪声的巡检，提高巡检效率。解决冷冻机组、冷冻水泵多台设备及单台设备不同运行启用率产生噪声不同造成的巡检识别率过低的问题，提高巡检机器人对复杂环境的适应能力、巡检系统的智能化程度。

技术特征：

1.一种数据中心冷源站巡检方法，其特征在于，包括：

2.根据权利要求1所述的数据中心冷源站巡检方法，其特征在于，还包括：

3.根据权利要求1所述的数据中心冷源站巡检方法，其特征在于，所述根据所述设备运行噪声和预设的噪声检测模型，确定所述巡检点处的巡检结果，包括：

4.根据权利要求1所述的数据中心冷源站巡检方法，其特征在于，所述根据所述设备运行噪声和预设的噪声检测模型，确定所述巡检点处的巡检结果，包括：

5.根据权利要求4所述的数据中心冷源站巡检方法，其特征在于，还包括：

6.根据权利要求4所述的数据中心冷源站巡检方法，其特征在于，所述设备组的正常噪声样本为该设备组中的各台设备正常运行时的噪声，所述设备组的异常噪声样本为该设备组中的至少一台设备异常运行并且其他设备正常运行时的噪声。

7.根据权利要求3所述的数据中心冷源站巡检方法，其特征在于，还包括：

8.一种数据中心冷源站巡检装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在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程序时实现权利要求1至7任一项所述的数据中心冷源站巡检方法。

10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述指令被处理器执行时实现权利要求1至7任一项所述的数据中心冷源站巡检方法。

技术总结
本申请提供了一种数据中心冷源站巡检方法及装置，可用于巡检领域或其他领域，该方法包括：接收巡检机器人在目标数据中心冷源站的巡检点处采集到的设备运行噪声；根据所述设备运行噪声和预设的噪声检测模型，确定所述巡检点处的巡检结果；所述预设的噪声检测模型是基于各个巡检点对应的样本集对高斯混合模型预先训练得到的，所述样本集包括：多组设备组各自的正常噪声样本、异常噪声样本、各台设备各自的正常噪声样本以及异常噪声样本，每组设备组包括：多台设备。本申请能够实现数据中心冷源站巡检过程中多台异常设备的识别，高效且准确，进而能够提高数据中心冷源站的安全性。

技术研发人员：尹鹏程,于航
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：
技术公布日：2024/1/15