CN110134156A - 利用视觉识别技术的数据中心设备故障检测系统 - Google Patents

Abstract

本发明提出了一种利用视觉识别技术的数据中心设备故障检测系统，该系统包括电源、处理器模块、温度感应模块、视频检测模块、模数转换模块。该装置利用视觉识别技术的数据中心设备故障检测系统，综合视频检测以及温度感应两者的优点，实现数据中心设备故障检测智能化。

Description

利用视觉识别技术的数据中心设备故障检测系统

技术领域

本发明属于故障检测技术领域，具体涉及一种利用视觉识别技术的数据中心设备故障检测系统。

背景技术

近年来，通讯用户外机柜和通信数据中心机房大量建造使用，数据中心机房机柜内数据中心设备发热量大且集中，散热节能问题显得尤为突出和重要。

传统的通信设备温度节能控制方案都是通过检测室内外温度来控制制冷设备，在较低温度时启动热交换器或新风设备，在温度较高时启动空调进行制冷，其控制策略是利用当前检测温度与某一设定值进行大小比较，由比较结果来启停相关的制冷设备，此类控制方法无法对机房温度的变化速度和趋势作出准确判断，适用性差，同样的控制方法在不同地域、气候环境和设备配置的机房存在很大差异，如在某一机房某季节的节能效果良好，但移植到其他机房因设备的热负荷、安装排布和环境差异，往往会出现超温或节能率低、甚至不节能的情况。

因而，目前较先进的控制方案在上述方案基础上进行改进，融入了比例-积分-微分(Proportion Integration Differentiation，PID)控制或模糊控制的算法，能较准确的反映机房温度场的变化速度和趋势，并进行预见性的判断和控制，能快速的调节温度，满足温控的稳定性要求，达到有效节能的目的。但到目前为止，此类控制方案的运算参数仍然局限于机房温度。

发明内容

鉴于以上分析，本发明的主要目的在于提供一种克服上述现有技术中数据中心设备故障检测弊端的利用视觉识别技术的数据中心设备故障检测系统，综合视频检测以及温度感应两者的优点，实现数据中心设备故障检测智能化。

本发明的目的是通过以下技术方案实现的。

本发明的技术方案涉及一种利用视觉识别技术的数据中心设备故障检测系统，该系统包括电源、处理器模块、温度感应模块、视频检测模块、模数转换模块，温度感应模块用于感应数据中心设备的温度，其信号输出经过信号处理模块处理后，送至模数转换模块，再由处理器模块进行处理，而视频检测模块同时也对数据中心设备的热分布进行检测以得到校正偏差用的检测图像信号，检测图像信号也送至处理器模块进行处理，处理器模块根据温度感应模块得到的数据中心设备温度数据参照视频检测模块得到的数据中心设备温度数据进行校正。

进一步地，温度感应模块利用放大器将3.3V的基准电压转换为恒定电流，当电流流过热电阻(Rt)时就会产生电压降，再通过放大器将该弱压降信号放大，在将放大后的信号送入模数转换模块。

进一步地，视频检测模块包括视频采集处理模块，该模块包括形变机器学习模块、数据中心设备图像特征值求取模块，以及延伸图像函数建立及处理模块：

形变机器学习模块，用于在进行视频采集数据中心设备图像以获得所述检测图像信号以前，首先建立图像中心到图像边缘方向平面形变校正公式，其中由于视频检测模块镜头不完全与成像平面平行，因此会有该不平行方向上的图像形变，即产生形变图像：

其中，(x,y)表示图像的初始位置，(x_c,y_c)是校正后的位置，r表示视频检测模块距数据中心设备的形变距离，k₁和k₂为所述从中心到边缘方向上的形变系数，||R_area(x，y)||为定积分参数的模值；

在视频检测模块正对着的数据中心设备的顶端面设置3个长度为r的1/8、1/16、1/32的标尺，三个标尺的一端设置在数据中心设备的顶端面边缘上，各个标尺的另一端沿顶端面所在平面方向向外延伸，三个标尺彼此间隔120°设置，通过视频检测模块采集到的图像中长度最小的标尺在形变后的图像，即图像形变中的长度与其实际长度的比值计为初值,以基于meanshift算法的方式对其余两个标尺在图像形变中的长度与其实际长度的比值分别进行迭代，迭代的结果分别作为k₁和k₂；

数据中心设备图像特征值求取模块，用于对图像进行压缩转换，生成彩色图像I，对应的黑白图像即单色图像为I’,单色图像灰度值g由彩色空间线性表示为：

g＝α_rI_r+α_gI_g+α_bI_b

其中α_r≥0，α_g≥0，α_b≥0，α_r+α_g+α_b＝1

式中α_r，α_g，α_b为可选参数，I_r，I_g，I_b是图像I的颜色通道值；

构建如下函数V：

式中，x，y为像素点，g_x，g_y分别为x和y两点的单色灰度值，δ_x，y为图像I转化为色彩模型空间时的x，y像素点的欧式度量，利用GAUSS滑动平均对上述函数V进行单色图像降维处理，得到不同的单色图像：

建立函数L(x，y，σ，ρ)＝ρ·I′(x，y)·G(x，y，σ)

式中，x，y为单色图像坐标值，σ为尺度因子，ρ为缩放因子，单色图像为I′(x，y)；

延伸图像函数建立及处理模块，用于对形变图像向数据中心设备外部延伸的延伸区域建立延伸图像函数f_c(L(x，y，σ，ρ))，其中L(x，y，σ，ρ)被标准化为[O，1]，延伸图像函数为：

其中，λ为延伸斜率，利用哈里斯矩阵计算每个像素点的自相关矩阵：

其中x，y为像素点坐标，N为图像大小，则延伸图像函数的特征响应函数为：

R(x，y，c)＝detA(x，y，f_c)-k(traceA(x，y，f_c))²

其中，k为常数因子且其为k₁和k₂的算术平均值；

利用定积分累加得到：

进一步地，处理器模块根据温度感应模块得到的温度数据以视频检测模块得到的以检测图像信号代表的数据中心设备温度数据进行校正，根据校正结果进行温度控制，该处理器模块包括热量设置模块和温度模型建立模块：

热量设置模块，用于在数据中心设备的起始温度与环境温度T₁相同时，设数据中心设备在t时刻的温度为T(t)，热量为Q(t)，则有：

Q(t)＝Q₁(t)+Q₂(t)

式中，Q₁(t)——数据中心设备自身产生的热量；

Q₂(t)——传输的热量；

式中，C为数据中心设备的热容量，s为视频检测模块获得的检测图像信号经过校正后与温度为起始温度时检测图像信号的色差比值；

则数据中心设备的热量表示为：

温度模型建立模块，用于对公式进行拉普拉斯变换，得到：

建立数据中心设备的温度模型为：

令K＝aR，T＝CR，则有：

其中，K为放大系数，T为时间常数，τ为迟滞时间。

本发明的技术方案具有以下优点：

本发明通过创造性地提出视频检测和温度感应复合的温控方式，综合利用两者的优点，并且具体提出了温度感应模块的电路结构以及视频检测中图像处理的具体方式，基于对热成像的机器视觉信息进行了校正，给出了更加可靠和准确的温度控制的模型，经过MATLAB仿真试验以及现场的实际控制，经过验证，实现了良好的自动温度控制效果。

附图说明

附图1为本发明利用视觉识别技术的数据中心设备故障检测系统的结构原理图；

附图2为本发明温度感应模块的电路图。

具体实施方式

参见图1，为本发明利用视觉识别技术的数据中心设备故障检测系统的结构原理图，该系统包括电源、处理器模块、温度感应模块、视频检测模块、模数转换模块，温度感应模块用于感应数据中心设备的温度，其信号输出经过信号处理模块处理后，送至模数转换模块，再由处理器模块进行处理，而视频检测模块同时也对数据中心设备的热分布进行检测以得到校正偏差用的检测图像信号，检测图像信号也送至处理器模块进行处理，处理器模块根据温度感应模块得到的数据中心设备温度数据参照视频检测模块得到的数据中心设备温度数据进行校正。

优选地，如图2所示的温度感应模块的电路图，温度感应模块利用放大器将3.3V的基准电压转换为恒定电流，当电流流过热电阻Rt时就会产生电压降，再通过放大器将该弱压降信号放大，在将放大后的信号送入模数转换模块。

优选地，视频检测模块包括视频采集处理模块，该模块包括形变机器学习模块、数据中心设备图像特征值求取模块，以及延伸图像函数建立及处理模块：

形变机器学习模块，用于在进行视频采集数据中心设备图像以获得所述检测图像信号以前，首先建立图像中心到图像边缘方向平面形变校正公式，其中由于视频检测模块镜头不完全与成像平面平行，因此会有该不平行方向上的图像形变，即产生形变图像：

其中，(x,y)表示图像的初始位置，(x_c,y_c)是校正后的位置，r表示视频检测模块距数据中心设备的形变距离，k₁和k₂为所述从中心到边缘方向上的形变系数，||R_area(x，y)||为定积分参数的模值；

在视频检测模块正对着的数据中心设备的顶端面设置3个长度为r的1/8、1/16、1/32的标尺，三个标尺的一端设置在数据中心设备的顶端面边缘上，各个标尺的另一端沿顶端面所在平面方向向外延伸，三个标尺彼此间隔120°设置，通过视频检测模块采集到的图像中长度最小的标尺在形变后的图像，即图像形变中的长度与其实际长度的比值计为初值,以基于meanshift算法的方式对其余两个标尺在图像形变中的长度与其实际长度的比值分别进行迭代，迭代的结果分别作为k₁和k₂；

数据中心设备图像特征值求取模块，用于对图像进行压缩转换，生成彩色图像I，对应的黑白图像即单色图像为I’,单色图像灰度值g由彩色空间线性表示为：

g＝α_rI_r+α_gI_g+α_bI_b

其中α_r≥0，α_g≥0，α_b≥0，α_r+α_g+α_b＝1

式中α_r，α_g，α_b为可选参数，I_r，I_g，I_b是图像I的颜色通道值；

构建如下函数V：

式中，x，y为像素点，g_x，g_y分别为x和y两点的单色灰度值，δ_x，y为图像I转化为色彩模型空间时的x，y像素点的欧式度量，利用GAUSS滑动平均对上述函数V进行单色图像降维处理，得到不同的单色图像：

建立函数L(x，y，σ，ρ)＝ρ·I′(x，y)tG(x，y，σ)

式中，x，y为单色图像坐标值，σ为尺度因子，ρ为缩放因子，单色图像为I′(x，y)；

延伸图像函数建立及处理模块，用于对形变图像向数据中心设备外部延伸的延伸区域建立延伸图像函数f_c(L(x，y，σ，ρ))，其中L(x，y，σ，ρ)被标准化为[O，1]，延伸图像函数为：

其中，λ为延伸斜率，利用哈里斯矩阵计算每个像素点的自相关矩阵：

其中x，y为像素点坐标，N为图像大小，则延伸图像函数的特征响应函数为：

R(x，y，c)＝detA(x，y，f_c)-k(traceA(x，y，f_c))²

其中，k为常数因子且其为k₁和k₂的算术平均值；

利用定积分累加得到：

优选地，处理器模块根据温度感应模块得到的温度数据以视频检测模块得到的以检测图像信号代表的数据中心设备温度数据进行校正，根据校正结果进行温度控制，该处理器模块包括热量设置模块和温度模型建立模块：

热量设置模块，用于在数据中心设备的起始温度与环境温度T₁相同时，设数据中心设备在t时刻的温度为T(t)，热量为Q(t)，则有：

Q(t)＝Q₁(t)+Q₂(t)

式中，Q₁(t)——数据中心设备自身产生的热量；

Q₂(t)——传输的热量；

式中，C为数据中心设备的热容量，s为视频检测模块获得的检测图像信号经过校正后与温度为起始温度时检测图像信号的色差比值；

则数据中心设备的热量表示为：

温度模型建立模块，用于对公式进行拉普拉斯变换，得到：

建立数据中心设备的温度模型为：

令K＝aR，T＝CR，则有：

其中，K为放大系数，T为时间常数，τ为迟滞时间。

建立模型后，处理器根据该模型实现数据中心设备的温度自动控制。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种利用视觉识别技术的数据中心设备故障检测系统，其特征在于，该系统包括电源、处理器模块、温度感应模块、视频检测模块、模数转换模块，温度感应模块用于感应数据中心设备的温度，其信号输出经过信号处理模块处理后，送至模数转换模块，再由处理器模块进行处理，而视频检测模块同时也对数据中心设备的热分布进行检测以得到校正偏差用的检测图像信号，检测图像信号也送至处理器模块进行处理，处理器模块根据温度感应模块得到的数据中心设备温度数据参照视频检测模块得到的数据中心设备温度数据进行校正。

2.根据权利要求1所述的利用视觉识别技术的数据中心设备故障检测系统，其特征在于，温度感应模块利用放大器将3.3V的基准电压转换为恒定电流，当电流流过热电阻Rt时就会产生电压降，再通过放大器将该弱压降信号放大，将放大后的信号送入模数转换模块。

3.根据权利要求1所述的利用视觉识别技术的数据中心设备故障检测系统，其特征在于，视频检测模块包括视频采集处理模块，该模块包括形变机器学习模块、数据中心设备图像特征值求取模块，以及延伸图像函数建立及处理模块：

形变机器学习模块，用于在进行视频采集数据中心设备图像以获得所述检测图像信号以前，首先建立图像中心到图像边缘方向平面形变校正公式，其中由于视频检测模块镜头不完全与成像平面平行，因此会有该不平行方向上的图像形变，即产生形变图像：

其中，(x,y)表示图像的初始位置，(x_c,y_c)是校正后的位置，r表示视频检测模块距数据中心设备的形变距离，k₁和k₂为所述从中心到边缘方向上的形变系数，||R_area(x，y)||为定积分参数的模值；

在视频检测模块正对着的数据中心设备的顶端面设置3个长度为r的1/8、1/16、1/32的标尺，三个标尺的一端设置在数据中心设备的顶端面边缘上，各个标尺的另一端沿顶端面所在平面方向向外延伸，三个标尺彼此间隔120°设置，通过视频检测模块采集到的图像中长度最小的标尺在形变后的图像，即图像形变中的长度与其实际长度的比值计为初值,以基于meanshift算法的方式对其余两个标尺在图像形变中的长度与其实际长度的比值分别进行迭代，迭代的结果分别作为k₁和k₂；

数据中心设备图像特征值求取模块，用于对图像进行压缩转换，生成彩色图像I，对应的黑白图像即单色图像为I’,单色图像灰度值g由彩色空间线性表示为：

g＝α_rI_r+α_gI_g+α_bI_b

其中α_r≥0，α_g≥0，α_b≥0，α_r+α_g+α_b＝1

式中α_r，α_g，α_b为可选参数，I_r，I_g，I_b是图像I的颜色通道值；

构建如下函数V：

式中，x，y为像素点，g_x，g_y分别为x和y两点的单色灰度值，δ_x，y为图像I转化为色彩模型空间时的x，y像素点的欧式度量，利用GAUSS滑动平均对上述函数V进行单色图像降维处理，得到不同的单色图像：

建立函数L(x，y，σ，ρ)＝ρ·I′(x，y)·G(x，y，σ)

式中，x，y为单色图像坐标值，σ为尺度因子，ρ为缩放因子，单色图像为I′(x，y)；

延伸图像函数建立及处理模块，用于对形变图像向数据中心设备外部延伸的延伸区域建立延伸图像函数f_c(L(x，y，σ，ρ))，其中L(x，y，σ，ρ)被标准化为[0，1]，延伸图像函数为：

其中，λ为延伸斜率，利用哈里斯矩阵计算每个像素点的自相关矩阵：

其中x，y为像素点坐标，N为图像大小，则延伸图像函数的特征响应函数为：

R(x，y，c)＝detA(x，y，f_c)-k(traceA(x，y，f_c))²

其中，k为常数因子且其为k₁和k₂的算术平均值；

利用定积分累加得到：

4.根据权利要求1所述的利用视觉识别技术的数据中心设备故障检测系统，其特征在于，处理器模块根据温度感应模块得到的温度数据以视频检测模块得到的以检测图像信号代表的数据中心设备温度数据进行校正，根据校正结果进行温度控制，该处理器模块包括热量设置模块和温度模型建立模块：

热量设置模块，用于在数据中心设备的起始温度与环境温度T₁相同时，设数据中心设备在t时刻的温度为T(t)，热量为Q(t)，则有：

Q(t)＝Q₁(t)+Q₂(t)

式中，Q₁(t)——数据中心设备自身产生的热量；

Q₂(t)——传输的热量；

式中，C为数据中心设备的热容量，s为视频检测模块获得的检测图像信号经过校正后与温度为起始温度时检测图像信号的色差比值；

则数据中心设备的热量表示为：

温度模型建立模块，用于对公式进行拉普拉斯变换，得到：

建立数据中心设备的温度模型为：

令K＝aR，T＝CR，则有：

其中，K为放大系数，T为时间常数，τ为迟滞时间。