CN109144798A - 具有机器学习功能的智能管理系统 - Google Patents

Abstract

本发明公开了一种具有机器学习功能的智能管理系统，包括：STM32单片机，STM32单片机通过各接口实时监测模块各模块状态信息并完成各模块间的数据通信；图形处理器，与STM32单片机通过通用异步接口相连，用于接收STM32单片机的信息，并通过智能管理系统完成智能学习和智能管理；以及智能平台管理总线，智能平台管理总线为I2C接口并包括两组总线，用于各模块之间的数据交流。该系统在检测系统各个模块运行状态的同时，还具有学习功能，可不断完善专家库的数据，更高效解决系统故障，提升系统稳定性。

Description

具有机器学习功能的智能管理系统

技术领域

本发明涉及智能平台管理技术领域，特别涉及一种具有机器学习功能的智能管理系统。

背景技术

现有技术中，IPMI，即智能型平台管理接口，为一种开放标准的硬件管理接口规范，定义了嵌入式管理子系统进行通信的特定方法。用户可以利用IPMI监视服务器的物理健康特征，如温度、电压、风扇工作状态、电源状态等。IPMI可在不同的属性值下运作，即使服务器本身的运作不正常，或是由于任何原因而无法提供服务，IPMI仍可正常运作。

机器学习是一个有关对学习过程中的计算方法的研究，以及如何应用基于计算机学习来解决实际问题的学科领域。机器学习赋予机器学习的能力，以此让它完成直接编程无法完成的功能的方法。在实践应用中，机器学习是通过利用数据，训练出模型，然后使用模型预测的方法来实现的。

GPU(Graphics Processing Unit，图像处理器)，是一种专门在个人电脑、工作站和一些移动设备上图像运算工作的微处理器。GPU具有超多线程和强大的并行计算能力，在图像处理领域得到了越来越多的关注，其作用是将计算机所需要的显示信息进行转换驱动，并向显示器提供行扫描信号，控制显示器的正确显示，是连接显示器和个人电脑主板的重要元件，也是“人机对话”的重要设备之一。通过优化GPU，可以完成庞大的并行计算任务，不仅仅可以用来处理图像，还能处理庞大的并行代码，非常适合应用于机器学习领域。

QWorks为一款上位机软件，提供了硬件板卡的python语言绑定，用户可以在python命令行中通过脚本命令或编程对硬件进行控制，而且可以与python的科学计算功能相结合，能够实现对硬件板卡的参数设置、程序加载、寄存器和存储数据读写等功能。

数据库是一个长期存储在计算机内的、有组织的、有共享的、统一管理的数据集合。数据库是数据管理的新方法和技术，其能更合适的组织数据、更方便的维护数据、更严密的控制数据和更有效的利用数据。

现有的智能管理系统，存在以下描述的缺陷：监测的信息量较少，不具备深度分析和学习条件；不具备监测信息的对比分析能力和故障的有效预警；故障发生时无专家库支持，无法自动定位故障发生的位置和原因，未提出解决设备或系统故障的方法；管理系统不具备学习功能。

与IPMI有关的专利中，对于智能管理系统都局限于监测方面的方法改进上，而对该如何更加高效地分析和处理故障方面，均未提出实质性的解决办法。用户对于设备或系统的硬件结构不了解，很难定位故障发生的位置和原因。

在公告号为106066821的VPX设备的智能机箱管理系统的专利中，针对VPX设备提出IPMI对设备的健康状态实时诊断、智能管理，该专利存在的缺陷：监测的信息量较少，仅对系统的温度、电压、电流及风扇转速等信息进行监测；虽有提及能解决故障诊断困难、定位困难、维修困难的难题，但并未给出解决方法，而且不具备深度分析和学习条件。

在公告号为105610595的一种故障数据获取系统和远程设备控制系统及其对应方法的专利中提供了一套故障数据获取系统，该专利着重于故障数据的获取和传输，并未涉及到如何高效地解决设备出现的故障。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的目的在于提出一种具有机器学习功能的智能管理系统，具有可不断完善专家库的数据，更高效解决系统故障，提升系统稳定性的优点。

为达到上述目的，本发明一方面实施例提出了一种具有机器学习功能的智能管理系统，包括：STM32单片机，所述STM32通过各接口实时监测模块各模块状态信息并完成各模块间的数据通信；图形处理器，与所述STM32单片机通过通用异步接口与所述STM32单片机相连，用于接收所述STM32单片机的信息，并通过智能管理系统完成智能学习和智能管理；以及智能平台管理总线，所述智能平台管理总线为I2C接口并包括两组总线，用于所述各模块之间的数据交流。

本发明实施例的具有机器学习功能的智能管理系统，通过STM32单片机对各模块状态进行深度监控，并通过建立专家库，对监控信息进行深入分析和应用，且通过基于主控单元GPU的强大运算能力和实时处理能力进行机器学习，以达到在检测系统各个模块运行状态的同时，还具有学习功能的目的，可不断完善专家库的数据，更高效解决系统故障，提升系统稳定性。

另外，根据本发明上述实施例的具有机器学习功能的智能管理系统还可以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，还包括：显控单元，所述显控单元为外接显控设备，用于所述智能管理系统的人机交互。

进一步地，在本发明的一个实施例中，所述STM32单片机还用于：与所述图形处理器进行数据通信、获取现场可编程门阵列信息、读写Flash数据、控制状态指示灯、控制电源开关、智能平台管理总线通信、判断主/从状态、监测所述系统各部分温度状态、监测上述系统各部分电流状态、监测所述系统各路电压状态、监控风扇工作状态、芯片程序的下载及调试。

进一步地，在本发明的一个实施例中，所述STM32单片机进一步用于获取所述各模块信息，并进行各模块的询问和应答信息解析，筛选有效信息，以将所述有效信息发送至图形处理器。

进一步地，在本发明的一个实施例中，所述图形处理器还包括通用异步接口、PCIE接口、USB接口、以太网接口和HDMI接口。

进一步地，在本发明的一个实施例中，所述图形处理器通过所述PCIE接口与所述现场可编程门阵列连接，进行数据交换，以控制所述现场可编程门阵列。

进一步地，在本发明的一个实施例中，所述图形处理器通过所述USB接口与外部设备连接，以用于信息的输入输出和系统控制。

进一步地，在本发明的一个实施例中，所述图形处理器通过所述以太网口与局域网和/或互联网连接，以上传所述各模块状态信息。

进一步地，在本发明的一个实施例中，所述图形处理器搭载Ubuntu操作系统，并安装基于QWorks软件的智能管理系统，以完成所述智能学习和智能管理。

进一步地，在本发明的一个实施例中，所述智能平台管理总线通过连接PCA9510AD驱动芯片连接至每一级模块，以保证负载过多情况下总线通信稳定，且和Ready信号相连，通过两个信号控制总线连接和判断总线状态，以保证系统总线稳定运行。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明的具有机器学习功能的智能管理系统的结构示意图；

图2为根据本发明一个实施例的具有机器学习功能的智能管理系统的结构示意图；

图3为根据本发明的具有机器学习功能的智能管理系统的STM32功能示意图；

图4为根据本发明的具有机器学习功能的智能管理系统的图形处理器连接示意图；

图5为根据本发明的具有机器学习功能的智能管理系统的系统主界面示意图；

图6为根据本发明的具有机器学习功能的智能管理系统的专家库界面示意图；

图7为根据本发明的具有机器学习功能的智能管理系统的异常状态界面示意图；和

图8为根据本发明的具有机器学习功能的智能管理系统的智能平台管理总线连接电路示意图。

具体实施方式

下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参照附图描述根据本发明实施例提出的具有机器学习功能的智能管理系统。

图1是本发明一个实施例的具有机器学习功能的智能管理系统的结构示意图。

如图1所示，该具有机器学习功能的智能管理系统10包括：STM32单片机100，图形处理器200和智能平台管理总线300。

其中，STM32单片机100通过各接口实时监测模块各模块状态信息并完成各模块间的数据通信。图形处理器200与STM32单片机100通过通用异步接口相连，用于接收STM32单片机100的信息，并通过智能管理系统完成智能学习和智能管理；以及智能平台管理总线300为I2C接口并包括两组总线，用于各模块之间的数据交流。该具有机器学习功能的智能管理系统10可不断完善专家库的数据，更高效解决系统故障，提升系统稳定性。

具体而言，STM32单片机100还用于：与图形处理器200进行数据通信、获取现场可编程门阵列信息、读写Flash数据、控制状态指示灯、控制电源开关、智能平台管理总线通信、判断主/从状态、监测系统各部分温度状态、监测上述系统各部分电流状态、监测系统各路电压状态、监控风扇工作状态、芯片程序的下载及调试。

进一步地，STM32单片机100进一步用于获取各模块信息，并进行各模块的询问和应答信息解析，筛选有效信息，以将有效信息发送至图形处理器200。

在本发明的一个实施例中，结合图2和图3所示，本发明的STM32单片机的功能主要包括：与数据通信、获取FPGA(Field－Programmable Gate Array，现场可编程门阵列)信息、读写Flash、控制状态指示灯、控制电源开关、IPMB通信、判断主/从状态、监测系统各部分温度、监测系统各部分电流、监测系统各路电压、监控风扇工作状态、芯片程序的下载及调试。

具体而言，STM32单片机的作用是负责监测板卡的状态信息和数据的传输。STM32单片机通过各接口实时监测模块各区域工作温度、电源电压、电流、FPGA加载完成、FPGA型号和状态寄存器、FPGA内部温度、系统时钟和复位等信息。主控单元的STM32单片机通过IPMB总线进行各模块的询问和应答信息解析，获取板卡的ID和DNA信息、板卡工作的时间，板卡插入和拔出时间，IPMB总线的连接状态，并将有效信息发送至GPU。

在本发明的一个实施例中，图形处理器还包括通用异步接口、PCIE接口、USB接口、以太网接口和HDMI接口。

在本发明的一个实施例中，图形处理器通过PCIE接口与现场可编程门阵列连接，进行数据交换，以控制现场可编程门阵列。

在本发明的一个实施例中，图形处理器通过USB接口与外部设备连接，以用于信息的输入输出和系统控制。

在本发明的一个实施例中，图形处理器通过以太网口与局域网和/或互联网连接，以上传各模块状态信息。

具体而言，结合图4，在本发明的一个实施例中，GPU主要连接包括：UART接口、PCIE接口、USB接口、以太网接口、HDMI接口等。GPU通过UART接口与STM32相连，进行数据的通信和命令的发送与接收。GPU通过PCIE接口与FPGA相连，进行数据交换。GPU通过USB接口连接鼠标和键盘等外部设备，用于信息的输入和系统控制等操作。GPU通过以太网接口连接至局域网或互联网，用于设备或系统状态的上传。GPU通过HDMI接口连接显示设备，更加直观的显示设备或系统的信息状态，便于用户操作和获取信息。

在具体示例中，该具有机器学习功能的智能管理系统的核心为一片NVIDIA的集成高性能CDM575M处理器，其为4核心ARM Cotex A15处理器，主频为2.2GHz，内嵌192核的GPU处理单元，支持每秒3000亿次浮点运算，软件支持多个BSP和软件包，包括CUDA、OPENGL ES4.4以及由TEGRA加速的OPENCV。

进一步地，GPU搭载Ubuntu操作系统，并安装基于QWorks软件的智能管理系统。智能管理系统具有机器学习功能，自动完成异常信息提取、可能结果分析、异常警告和动作控制，不断优化专家库中各项性能指标的控制范围和异常前所有操作的分析，并给出不合理操作可能带来的损坏和风险。

如图5所示，本发明的系统界面包括：板卡信息、系统工作状态、系统各指标的走势图、Flash信息、IPMB总线状态、FPGA寄存器信息、异常状态、专家库等部分。

如图6所示，本发明的专家库为故障信息的数据库，通过硬件设计原理分析、关联性分析和使用经验建立专家库，并对专家库中的各项异常指标可能的结果和原因进行描述，用于后续使用中对故障进行定位和自动对比分析。

如图7所示，本发明的异常状态界面包括：故障的发生时间、故障的现象、可能导致故障发生的原因、故障发生前的系统状态、备注信息等内容。在使用过程中，系统对故障现象进行智能分析，并与专家库中数据进行比对，并结合其他异常指标进行关联性分析，给出故障的可能原因和最大可能性原因，用户通过该界面的显示信息定位故障的具体位置。若系统在专家库中未检索到对应的故障信息，可在故障解决后，完善到专家库中，以便后续故障自动分析和可能原因分析。

进一步地，通过智能管理系统除具有强大的专家库之外，还可查看系统各项指标，主要包括以下四个方面：板卡信息，板卡信息包括ID、DNA、固化日期和版本号。ID为板卡的型号，DNA为板卡编号。走势图，走势图记录了系统自开始工作，每个时间点的各项指标的数值，并建立电流-温度图，温度-风扇转速图等关系图。通过各项数据曲线的变化了解系统的运行状态。IPMB总线状态，IPMB总线状态包括各条线路的连接/断开时间和连接状态，了解IPMB总线状态和板卡插入和拔出的时间。FPGA状态，包括核电压、核温度、FPGA型号、FPGADNA、加载状态、时钟状态和复位状态等部分，通过这些状态信息可以判断FPGA的工作情况。

具体而言，该具有机器学习功能的智能管理系统建立基础专家库的。专家库的完备程度直接影响管理系统在故障处理方面的能力。基础专家库的建立需要丰富的经验，对硬件设计原理和关联性进行全面分析，并总结可能出现的问题以及问题出现的可能原因。虽然智能管理系统具有机器学习功能，并不断完善专家库，但基础专家库对用户体验效果有巨大的影响。

进一步地，该具有机器学习功能的智能管理系统对机器学习算法进行调试和优化。算法的好坏直接决定系统的工作效率，设计正确的机器学习算法是十分必要的。调试过程中会遇到各种不可预料的问题，因此结合实际的硬件模型优化算法实现系统的高效运行是一项复杂而艰巨的任务。

进一步地，在本发明的一个实施例中，还包括智能平台管理总线，即IPMB总线，智能平台管理总线为I2C接口并包括两组总线，用于各模块之间的数据交流。

具体而言，如图8所示，IPMB总线为I2C接口，具有两组总线：IPMB-A和IPMB-B，在工作中，IPMB是数据交流的主要通道。且IPMB总线经过了一个PCA9510AD的驱动芯片连接至每一级模块，避免负载过多导致总线通信不稳定。总线驱动设计使能和Ready信号，通过两个信号控制总线连接和判断总线状态，保证系统总线稳定运行。

进一步地，在本发明的一个实施例中，具有机器学习功能的智能管理系统还包括显控单元，显控单元为外接显控设备，用于智能管理系统的人机交互。

具体而言，显控单元为外接的显控设备，如显示器、鼠标和键盘等外部设备。通过外部设备，可操控上位机，查看设备或系统的状态、输入故障的描述及处理办法、下达命令等操作。

本发明实施例的具有机器学习功能的智能管理系统，通过STM32单片机对各模块状态进行深度监控，并通过建立专家库，对监控信息进行深入分析和应用，且通过基于主控单元GPU的强大运算能力和实时处理能力进行机器学习，以达到在检测系统各个模块运行状态的同时，还具有学习功能的目的，可不断完善专家库的数据，更高效解决系统故障，提升系统稳定性。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种具有机器学习功能的智能管理系统，其特征在于，包括：

STM32单片机，所述STM32单片机通过各接口实时监测模块各模块状态信息并完成各模块间的数据通信；

图形处理器，与所述STM32单片机通过通用异步接口相连，用于接收所述STM32单片机的信息，并通过智能管理系统完成智能学习和智能管理；以及

智能平台管理总线，所述智能平台管理总线为I2C接口并包括两组总线，用于所述各模块之间的数据交流。

2.根据权利要求1所述的具有机器学习功能的智能管理系统，其特征在于，还包括：

显控单元，所述显控单元为外接显控设备，用于所述智能管理系统的人机交互。

3.根据权利要求1所述的具有机器学习功能的智能管理系统，其特征在于，所述STM32单片机还用于：与所述图形处理器进行数据通信、获取现场可编程门阵列信息、读写Flash数据、控制状态指示灯、控制电源开关、智能平台管理总线通信、判断主/从状态、监测所述系统各部分温度状态、监测上述系统各部分电流状态、监测所述系统各路电压状态、监控风扇工作状态、芯片程序的下载及调试。

4.根据权利要求3所述的具有机器学习功能的智能管理系统，其特征在于，所述STM32单片机进一步用于获取所述各模块信息，并进行各模块的询问和应答信息解析，筛选有效信息，以将所述有效信息发送至图形处理器。

5.根据权利要求1所述的具有机器学习功能的智能管理系统，其特征在于，所述图形处理器还包括通用异步接口、PCIE接口、USB接口、以太网接口和HDMI接口。

6.根据权利要求5所述的具有机器学习功能的智能管理系统，其特征在于，所述图形处理器通过所述PCIE接口与所述现场可编程门阵列连接，进行数据交换，以控制所述现场可编程门阵列。

7.根据权利要求5所述的具有机器学习功能的智能管理系统，其特征在于，所述图形处理器通过所述USB接口与外部设备连接，以用于信息的输入输出和系统控制。

8.根据权利要求5所述的具有机器学习功能的智能管理系统，其特征在于，所述图形处理器通过所述以太网口与局域网和/或互联网连接，以上传所述各模块状态信息。

9.根据权利要求5-8任一项所述的具有机器学习功能的智能管理系统，其特征在于，所述图形处理器搭载Ubuntu操作系统，并安装基于QWorks软件的智能管理系统，以完成所述智能学习和智能管理。

10.根据权利要求1所述的具有机器学习功能的智能管理系统，其特征在于，所述智能平台管理总线通过连接PCA9510AD驱动芯片连接至每一级模块，以保证负载过多情况下总线通信稳定，且和Ready信号相连，通过两个信号控制总线连接和判断总线状态，以保证系统总线稳定运行。