CN108490959A - 一种支持深度学习工作原理的人工智能机房巡检机器人 - Google Patents

Abstract

一种支持深度学习工作原理的人工智能机房巡检机器人。其包括巡检机器人本体、机器人控制系统、路径导航系统、充电基座；巡检机器人本体包括环境采集模块、设备状态采集模块、扩展采集模块、数据存储模块、数据处理模块、数据传输模块、移动控制模块和电源模块；机器人控制系统包括调度模块、智能分析模块、路径规划模块、告警处理模块；本发明提供的支持深度学习工作原理的人工智能机房巡检机器人具有如下有益效果：本发明可应用于各个信息系统机房，监控主机、网络、存储等物理设备，如果设备故障，自动诊断设备故障类型。

Description

一种支持深度学习工作原理的人工智能机房巡检机器人

技术领域

本发明属于机器人技术领域，特别是涉及一种支持深度学习工作原理的人工智能机房巡检机器人。

背景技术

目前，国内电力行业机房巡检依然采用人工巡检方式，即通过值班人员定时检查设备状态、机房环境状态，以及通过i6000等监控系统对信息系统进行状态监控，显然这种方式存在信息获取滞后、信息共享性差、人员易懈怠、人工记录数据可能不准确等问题。若能将深度学习构建的神经网络与系统巡检时通过传感器对设备敏感部位的信号采集的数据相结合，对系统运行状态进行监测和发现异常情况后对故障进行分析、诊断，以实现信息和资源的共享，可加快异常信息的解决效率。但目前尚缺少相应的系统。

发明内容

为了解决上述问题，本发明的目的在于提供一种支持深度学习工作原理的人工智能机房巡检机器人。

为了达到上述目的，本发明提供的支持深度学习工作原理的人工智能机房巡检机器人包括：

巡检机器人本体、机器人控制系统、路径导航系统、充电基座；其中巡检机器人本体包括环境采集模块、设备状态采集模块、扩展采集模块、数据存储模块、数据处理模块、数据传输模块、移动控制模块和电源模块；机器人控制系统包括调度模块、智能分析模块、路径规划模块、告警处理模块；

环境采集模块、设备状态采集模块、扩展采集模块均与数据存储模块连接，将采集数据存储在数据存储模块中；数据处理模块与数据存储模块、数据传输模块相连；数据传输模块与机器人控制系统中的调度模块、智能分析模块、路径规划模块和告警处理模块相连；移动控制模块与路径导航系统相连，电源模块能够插入在充电基座上进行充电。

所述的环境采集模块为机房环境信息采集装置，包括温度、湿度、洁净度和气流速度在内的传感器；设备状态采集模块为机房系统设备状态信息采集装置，包括高清摄像头、距离传感器、网络连接端口和USB连接端口；数据存储模块为采集后信息的存储装置，采用SSD硬盘、机械硬盘和磁带设备；数据处理模块为信息处理、信息计算的装置，包括操作系统、CPU、RAM、ROM；所述的数据传输模块为数据传输的接口，由蓝牙设备、无线连接设备或4G设备组成；所述的移动控制模块包括移动和定位装置，其中移动装置分为有轨移动装置和无轨移动装置两种；有轨移动装置在轨道上移动，分为上轨道和下轨道；无轨移动装置分为轮式移动、履带式移动、步行式移动三种；定位装置包括GPS定位装置、空间感应器、距离感应器；电源模块为机器人的动力提供装置，采用可充电锂电池或镍镉电池。

所述的调度模块用于机器人巡检和充电调度控制，由巡检调度装置、充电调度装置和调度控制装置组成；智能分析模块为巡检数据分析模块，由机器学习、状态分析、历史状态对比在内的多个子模块组成；路径规划模块用于规划机器人移动路径，由路径计算、碰撞检测和全覆盖检测在内的多个子模块组成；告警处理模块为发现异常时进行报警的装置，由短信通知装置、邮件通知装置和监控系统预警接口组成。

所述的路径导航系统为机器人移动路径引导装置，根据移动控制模块的不同，分为磁性轨道、铁质轨道、有色条形轨道、空间虚拟轨道在内的多种引导装置。本发明提供的支持深度学习工作原理的人工智能机房巡检机器人具有如下有益效果：

本发明可应用于各个信息系统机房，监控主机、网络、存储等物理设备，如果设备故障，自动诊断设备故障类型。

附图说明

图1为本发明提供的支持深度学习工作原理的人工智能机房巡检机器人的结构示意图。

图2为本机器人巡检流程图。

具体实施方式

下面结合附图和具体实施样例对本发明提供的支持深度学习工作原理的人工智能自动机房自动巡检机器人进行详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明提供的支持深度学习工作原理的人工智能机房巡检机器人包括：

巡检机器人本体1、机器人控制系统2、路径导航系统3、充电基座4；其中巡检机器人本体1包括环境采集模块11、设备状态采集模块12、扩展采集模块13、数据存储模块14、数据处理模块15、数据传输模块16、移动控制模块17和电源模块18；机器人控制系统2包括调度模块21、智能分析模块22、路径规划模块23、告警处理模块24；

环境采集模块11、设备状态采集模块12、扩展采集模块13均与数据存储模块14连接，将采集数据存储在数据存储模块14中；数据处理模块15与数据存储模块14、数据传输模块16相连；数据传输模块16与机器人控制系统2中的调度模块21、智能分析模块22、路径规划模块23和告警处理模块24相连；移动控制模块17与路径导航系统3相连，电源模块18能够插入在充电基座4上进行充电。

所述的环境采集模块11为机房环境信息采集装置，包括温度、湿度、洁净度和气流速度在内的传感器。

所述的设备状态采集模块12为机房系统设备状态信息采集装置，包括高清摄像头、距离传感器、网络连接端口和USB连接端口。

所述的扩展采集模块13为扩展的信息采集装置，能够根据不同的需求进行不同的扩展。所连接的扩展装置需支持本机器人的数据格式。

所述的数据存储模块14为采集后信息的存储装置，由可存储设备组成。可根据需求采用SSD硬盘、机械硬盘和磁带设备。

所述的数据处理模块15为信息处理、信息计算的装置，包括：操作系统、CPU、RAM、ROM。

所述的数据传输模块16为数据传输的接口，由蓝牙设备、无线连接设备或4G设备组成，可根据现场环境进行调整配置。

所述的移动控制模块17包括移动和定位装置，其中移动装置分为有轨移动装置和无轨移动装置两种。有轨移动装置在轨道上移动，可分为上轨道和下轨道；无轨移动装置分为轮式移动、履带式移动、步行式移动三种，可根据现场环境进行选配；定位装置包括GPS定位装置、空间感应器、距离感应器。

所述的电源模块18为机器人的动力提供装置，采用可充电锂电池或镍镉电池。

所述的调度模块21用于机器人巡检和充电调度控制，由巡检调度装置、充电调度装置和调度控制装置组成。可根据不同的配置及现场机器人和充电基座4的数量进行灵活调度。

所述的智能分析模块22为巡检数据分析模块，由机器学习、状态分析、历史状态对比在内的多个子模块组成。

所述的路径规划模块23用于规划机器人移动路径，由路径计算、碰撞检测和全覆盖检测在内的多个子模块组成。

告警处理模块24为发现异常时进行报警的装置，由短信通知装置、邮件通知装置和监控系统预警接口组成。

路径导航系统3为机器人移动路径引导装置，根据移动控制模块17的不同，可分为磁性轨道、铁质轨道、有色条形轨道、空间虚拟轨道在内的多种引导装置，并可根据具体情况进行调配。

充电基座4为机器人充电的电源基座，可支持无线充电。

所述的各模块作用如下：

环境采集模块11：用于对机房环境状态进行检测，通过温度、湿度、洁净度、气流速度在内的多种传感器定点完成机器人周边环境数据的采集工作。

设备状态采集模块12：用于完成对设备运行状态的检测。利用其上的高清摄像头进行设备外形及指示灯颜色状态判断；通过距离传感器加上USB或者网络连接端口可以和设备直接进行连接，从而能直接读出设备状态。

扩展采集模块13：为其他状态采集预留的扩展模块。可根据现场需求进行扩展。

数据存储模块14：将环境采集模块11、设备状态采集模块12和扩展采集模块13采集的环境数据、设备运行状态数据进行存储。

数据处理模块15：对已存储的数据进行处理，将数据进行汇总，编辑成数据序列，通过数据传输模块16传输给机器人控制系统2。

数据传输模块16：用于巡检机器人本体1和机器人控制系统2之间的数据传输。

移动控制模块17：用于巡检机器人本体1的移动和定位。移动分为有轨移动、无轨移动两种方式。有轨移动在固定轨道上移动，移动路线固定，灵活性较差；无轨移动可以根据不同情况随时规划移动路径，灵活性较高。同时可以通过GPS定位、空间感应器、距离感应器等进行定位，保证按照指定的路径移动。

电源模块18：提供机器人正常运转的电能，可与充电基座4配合进行充电。

调度模块21：提供机器人之间的任务调度。可以根据现场的机器人数量、机器人剩余电量、充电基座数量、任务数量、任务长度进行调度，分配状态最合适的机器人执行任务。

智能分析模块22：该模块用于统计巡检机器人本体1采集的各类数据。基于深度学习机制，对巡检机器人本体1输入数据进行无监督的特征学习，将学习到的特征作为现有分类模型的输入。特征学习包括2阶段，首先是模型的训练阶段，模型的训练包括特征学习模型和分类模型的训练，其中数据预处理对输入的数据进行标准化和归一化处理，并完成数据类型的转换。特征学习模型的训练以经过预处理的无标签数据作为输入，对特征学习模型进行无监督的训练。训练好的特征学习模型，可以直接用于学习数据的特征，将样本在原空间的标识变换到一个新的特征空间。分类模型的训练和测试应用有标签的训练集和测试集进行有监督的训练和测试。分类模型采用神经网络的异常检测分类算法。第二阶段为异常检测阶段，将巡检机器人采集的数据进行预处理，然后应用第一阶段训练得到的特征学习模型，学习待分类数据的特征，最后将学习到的数据特征作为分类模型的输入，对数据进行分类。将深度学习神经网络反馈的数据进行信息处理后，将结果反馈到巡检机器人的训练模型，识别异常信息并进行告警提示。

路径规划模块23：根据现场实体的或者虚拟的轨道，规划本次任务最适合的行进路线。

告警处理模块24：分析出异常情况后，通过短信、邮件、监控系统等多种途径通知用户。

路径导航系统3：根据现场机柜部署，制定的实体的或者虚拟的行进轨道，以便机器人按照规划的路径前进。

充电基座4：提供给机器人充电的基座，根据机器人电源模块的不同，而采用不同的充电方式。有插座方式和无线充电方式。

本发明提供的支持深度学习工作原理的人工智能机房巡检机器人完成的功能包括行走、收集机房内告警、收集机房内环境数据、数据传输；本巡检机器人巡检流程：机器人完成充电，按照巡检路线、周期执行巡检，定期收集温度、湿度、洁净度、气流速度等机房环境数据，用于分析机房的环境情况，如巡检周期结束，则进入待命状态，如机器人电力处于预警范围，则调度模块分配充电任务，机器人移动到充电基座4进行充电。

本发明提供的支持深度学习工作原理的人工智能机房巡检机器人，结合目前成熟的图像识别技术、传感器技术、无线通信技术等，对数据中心机房进行定时巡检，识别、存储各种生产设备的位置、运行状态并且做出初步处理，定时收集温度、湿度、洁净度、气流速度、噪音等机房环境数据，用于分析机房的环境情况分布，以及统计机柜使用率等指标，形成设备、机房整体运行状态综合评价，为数据中心运维提供及时有效的数据，实现机房的无人化和智能化管理。

Claims (4)

1.一种支持深度学习工作原理的人工智能机房巡检机器人，其特征在于：所述的支持深度学习工作原理的人工智能机房巡检机器人包括：

巡检机器人本体(1)、机器人控制系统(2)、路径导航系统(3)、充电基座(4)；其中巡检机器人本体(1)包括环境采集模块(11)、设备状态采集模块(12)、扩展采集模块(13)、数据存储模块(14)、数据处理模块(15)、数据传输模块(16)、移动控制模块(17)和电源模块(18)；机器人控制系统(2)包括调度模块(21)、智能分析模块(22)、路径规划模块(23)、告警处理模块(24)；

环境采集模块(11)、设备状态采集模块(12)、扩展采集模块(13)均与数据存储模块(14)连接，将采集数据存储在数据存储模块(14)中；数据处理模块(15)与数据存储模块(14)、数据传输模块(16)相连；数据传输模块(16)与机器人控制系统(2)中的调度模块(21)、智能分析模块(22)、路径规划模块(23)和告警处理模块(24)相连；移动控制模块(17)与路径导航系统(3)相连，电源模块(18)能够插入在充电基座(4)上进行充电。

2.根据权利要求1所述的支持深度学习工作原理的人工智能机房巡检机器人，其特征在于：所述的环境采集模块(11)为机房环境信息采集装置，包括温度、湿度、洁净度和气流速度在内的传感器；设备状态采集模块(12)为机房系统设备状态信息采集装置，包括高清摄像头、距离传感器、网络连接端口和USB连接端口；数据存储模块(14)为采集后信息的存储装置，采用SSD硬盘、机械硬盘和磁带设备；数据处理模块(15)为信息处理、信息计算的装置，包括操作系统、CPU、RAM、ROM；所述的数据传输模块(16)为数据传输的接口，由蓝牙设备、无线连接设备或4G设备组成；所述的移动控制模块(17)包括移动和定位装置，其中移动装置分为有轨移动装置和无轨移动装置两种；有轨移动装置在轨道上移动，分为上轨道和下轨道；无轨移动装置分为轮式移动、履带式移动、步行式移动三种；定位装置包括GPS定位装置、空间感应器、距离感应器；电源模块(18)为机器人的动力提供装置，采用可充电锂电池或镍镉电池。

3.根据权利要求1所述的支持深度学习工作原理的人工智能机房巡检机器人，其特征在于：所述的调度模块(21)用于机器人巡检和充电调度控制，由巡检调度装置、充电调度装置和调度控制装置组成；智能分析模块(22)为巡检数据分析模块，由机器学习、状态分析、历史状态对比在内的多个子模块组成；路径规划模块(23)用于规划机器人移动路径，由路径计算、碰撞检测和全覆盖检测在内的多个子模块组成；告警处理模块(24)为发现异常时进行报警的装置，由短信通知装置、邮件通知装置和监控系统预警接口组成。

4.根据权利要求1所述的支持深度学习工作原理的人工智能机房巡检机器人，其特征在于：所述的路径导航系统(3)为机器人移动路径引导装置，根据移动控制模块(17)的不同，分为磁性轨道、铁质轨道、有色条形轨道、空间虚拟轨道在内的多种引导装置。