CN112269416B

CN112269416B - 一种数据中心应用的监测维护机器人系统及方法

Info

Publication number: CN112269416B
Application number: CN202011095280.0A
Authority: CN
Inventors: 王林; 刘智
Original assignee: Shenzhen Zhongyun Network Co ltd
Current assignee: Shenzhen Zhongyun Network Co ltd
Priority date: 2020-10-14
Filing date: 2020-10-14
Publication date: 2022-03-15
Anticipated expiration: 2040-10-14
Also published as: CN112269416A

Abstract

本申请实施例提供了一种数据中心应用的监测维护机器人系统及方法。该监测维护机器人系统及方法中，后台中枢服务器调度可以自主移动的环境监测机器人，在数据中心机房内部进行巡视，监测提取数据中心机房内部的空间分布特征以及环境参数。后台中枢服务器根据环境监测机器人监测反馈的数据，结合环境传感器通过物联网反馈的位点环境参数，综合预测机房环境调节设备的工作状态对数据中心机房特定的目标区域的影响效果，并基于影响效果的预测以及期望的环境目标，对机房环境调节设备的工作状态展开控制。

Description

一种数据中心应用的监测维护机器人系统及方法

技术领域

本申请涉及数据中心环境监测维护技术领域，尤其涉及一种数据中心应用的监测维护机器人系统及方法。

背景技术

数据中心是聚合大量的服务器、通信设备、供电设备、环境设备、照明设备以及配套的线路所形成的标准化、专业化机房。数据中心对维护互联网的通信连接、开展联网服务、以及存储和开发大数据资源，具有根本性的意义。而数据中心的性能又与其机房环境息息相关，维护好机房内部的温度、湿度、光照度等环境参数，有利于数据中心的服务器和各类设备运转的稳定性和可靠性，避免发生停电、宕机等事件发生给数据中心带来影响，并有利于设备使用寿命的延长。

数据中心都会建立必要的运营维护制度，然而，现有的数据中心运维主要都是依靠人力来实现的，自动化程度偏低，特别是不能按照数据中心机房内部的环境状况予以自适应性调整。另外，数据中心机房内部辐射强，低温、要求超净防尘，应尽量避免人员在其内部过多活动，因此也给数据中心机房的巡视监测与维护带来了较大的困难。

随着物联网的发展，可以在数据中心机房中安装各类型环境传感器，传感采集环境参数，并且通过无线物联网协议传输给后台，进而在后台实现对数据中心机房的监测、显示和分析。

环境传感器只能安装在一定的位点，并提供位点周边的环境参数，相对于整个数据中心机房特别是大型或者超大型机房来说，环境传感器提供的位点环境参数是不足的。现有技术中多是在位点环境参数基础上通过平均、插值或者取极限值来表征整个数据中心机房的环境状况。但是，由于机柜、服务器等设备在空间上造成的隔绝，以及每个空间局域中环境影响的因素都很多样和复杂，因此基于不充足的位点环境参数，即便经过上述计算，仍然难以比较精确描述数据中心机房实时的环境状况，因此无法可靠地执行对数据中心机房的监测、显示和分析。

发明内容

有鉴于此，本申请旨在解决现有的数据中心机房环境运维自动化程度低、传感器位点处的监测参数数据不充足、难以准确反映数据中心机房内部实时环境状况的问题。

本申请的目的在于提出一种数据中心应用的监测维护机器人系统及方法。该监测维护机器人系统及方法中，后台中枢服务器调度可以自主移动的环境监测机器人，在数据中心机房内部进行巡视，监测提取数据中心机房内部的空间分布特征以及环境参数。后台中枢服务器根据环境监测机器人监测反馈的数据，结合环境传感器通过物联网反馈的位点环境参数，综合预测机房环境调节设备的工作状态对数据中心机房特定的目标区域的影响效果，并基于影响效果的预测以及期望的环境目标，对机房环境调节设备的工作状态展开控制。

基于上述目的，在本申请的第一个方面，提出了一种数据中心应用的监测维护机器人系统，其特征在于，包括：环境传感器网络、后台中枢服务器、至少一台环境监测机器人以及机房环境调节设备；

所述环境传感器网络由一定数量的环境传感器组成；环境传感器分布在数据中心机房空间中的预设的位点，用于感应位点处的环境参数；通过环境传感器网络将每个环境传感器感应获得的环境参数上传给后台中枢服务器；

所述环境监测机器人接收所述后台中枢服务器下达的调度指令，根据调度指令所指示的空间坐标，自主移动到对应该空间坐标的数据中心机房空间位置处；所述环境监测机器人监测其所在空间局域处的环境参数，以及提取所在的空间局域的空间分布特征；将其所在空间局域的环境参数以及障碍物的空间分布特征上传给后台中枢服务器；

后台中枢服务器根据环境监测机器人监测反馈的环境参数以及空间分布特征，结合环境传感器通过物联网反馈的位点环境参数，综合预测机房环境调节设备的工作状态对数据中心机房特定的目标区域的影响效果，并基于影响效果的预测以及期望的环境目标，对机房环境调节设备的工作状态展开控制；向机房安装的机房环境调节设备下达指令，启动/关闭这些机房环境调节设备，以及切换机房环境调节设备的工作模式。

优选的是，所述环境监测机器人通过配装的摄像设备以及激光测距设备，拍摄其周边的空间场景，从空间场景中提取障碍物，并测量环境监测机器人所在点与周边障碍物的距离，从而提取环境监测机器人所在的空间局域的空间分布特征。

优选的是，所述后台中枢服务器根据环境监测机器人上传的障碍物的空间分布特征，以及环境传感器的位点位置，遴选与环境监测机器人所在点的空间局域没有障碍物阻隔的环境传感器，利用没有障碍物阻隔的环境传感器感应获得的环境参数以及环境监测机器人自身感应的环境参数，组成一个环境参数组；以及根据环境监测机器人上传的障碍物的空间分布特征，选定与环境监测机器人所在点的空间局域没有障碍物阻隔的机房环境调节设备，作为能够影响环境监测机器人所在空间局域的机房环境调节设备。

优选的是，对于后台中枢服务器所选定的每个机房环境调节设备，后台中枢服务器利用神经网络预测，根据上一时刻的预测环境参数组和当前时刻的环境参数组，训练神经网络；并通过训练后的神经网络基于当前时刻的环境参数组预测下一时刻环境参数组，通过比较下一时刻的预测环境参数组，确定机房环境调节设备对应的工作模式，并且，后台中枢服务器根据工作模式向对应的机房环境调节设备下达指令，从而控制每个被选定的机房环境调节设备的工作。

优选的是，每个机房环境调节设备包括多个工作模式，而对应该设备的每个所述工作模式，后台中枢服务器具有一个可预先训练的神经网络；在训练过程中，所述神经网络模型以上一时刻的实际环境参数组作为输入，并输出当前时刻的预测环境参数组，将当前时刻的预测环境参数组与当前时刻的实际环境参数组进行匹配，根据匹配结果调整神经网络模型，然后进行下一轮的训练，直至当前时刻的预测环境参数组与当前时刻的实际环境参数组匹配成功，则完成训练阶段；进而，在实际控制阶段，后台中枢服务器将匹配成功的神经网络模型用于根据当前时刻的环境参数组预测下一时刻环境参数组，通过比较各个工作模式的神经网络产生的下一时刻的预测环境参数组，将空间局域最优的预测环境参数组所对应的工作模式作为当前时刻到下一时刻之间的机房环境调节设备的工作模式，并在后续的控制过程中，重复上述过程。

本发明进而提出了一种数据中心应用的监测维护方法，其特征在于，包括：环境传感器网络、后台中枢服务器、至少一台环境监测机器人以及机房环境调节设备；

通过分布在数据中心机房空间中的预设的位点的环境传感器，感应位点处的环境参数，并通过环境传感器网络将每个环境传感器感应获得的环境参数上传给后台中枢服务器；

根据所述后台中枢服务器下达的调度指令，使所述环境监测机器人自主移动到对应该空间坐标的数据中心机房空间位置处；通过所述环境监测机器人监测其所在空间局域处的环境参数，以及提取所在的空间局域的空间分布特征；将其所在空间局域的环境参数以及障碍物的空间分布特征上传给后台中枢服务器；

通过后台中枢服务器，根据环境监测机器人监测反馈的环境参数以及空间分布特征，结合环境传感器反馈的位点环境参数，综合预测机房环境调节设备的工作状态对数据中心机房特定的目标区域的影响效果，并基于影响效果的预测以及期望的环境目标，对机房环境调节设备的工作状态展开控制；向机房安装的机房环境调节设备下达指令，启动/关闭这些机房环境调节设备，以及切换机房环境调节设备的工作模式。

优选的是，通过所述环境监测机器人配装的摄像设备以及激光测距设备，拍摄其周边的空间场景，从空间场景中提取障碍物，并测量环境监测机器人所在点与周边障碍物的距离，从而提取环境监测机器人所在的空间局域的空间分布特征。

优选的是，根据环境监测机器人上传的障碍物的空间分布特征，以及环境传感器的位点位置，遴选与环境监测机器人所在点的空间局域没有障碍物阻隔的环境传感器，利用没有障碍物阻隔的环境传感器感应获得的环境参数以及环境监测机器人自身感应的环境参数，组成一个环境参数组；以及根据环境监测机器人上传的障碍物的空间分布特征，选定与环境监测机器人所在点的空间局域没有障碍物阻隔的机房环境调节设备，作为能够影响环境监测机器人所在空间局域的机房环境调节设备。

优选的是，对于后台中枢服务器所选定的每个机房环境调节设备，利用神经网络预测，根据上一时刻的预测环境参数组和当前时刻的环境参数组，训练神经网络；并通过训练后的神经网络基于当前时刻的环境参数组预测下一时刻环境参数组，通过比较下一时刻的预测环境参数组，确定机房环境调节设备对应的工作模式，并且，根据工作模式向对应的机房环境调节设备下达指令，从而控制每个被选定的机房环境调节设备的工作。

优选的是，每个机房环境调节设备包括多个工作模式，而对应该设备的每个所述工作模式，具有一个可预先训练的神经网络；在训练过程中，所述神经网络模型以上一时刻的实际环境参数组作为输入，并输出当前时刻的预测环境参数组，将当前时刻的预测环境参数组与当前时刻的实际环境参数组进行匹配，根据匹配结果调整神经网络模型，然后进行下一轮的训练，直至当前时刻的预测环境参数组与当前时刻的实际环境参数组匹配成功，则完成训练阶段；进而，在实际控制阶段，将匹配成功的神经网络模型用于根据当前时刻的环境参数组预测下一时刻环境参数组，通过比较各个工作模式的神经网络产生的下一时刻的预测环境参数组，将空间局域最优的预测环境参数组所对应的工作模式作为当前时刻到下一时刻之间的机房环境调节设备的工作模式，并在后续的控制过程中，重复上述过程。

从而，本申请通过调度自主移动的环境监测机器人，可以针对难以获得以及表征其环境状况的机房空间局域，获得其环境参数，准确反映数据中心机房内部各个空间局域的环境状况。进而，环境监测机器人还可以提取数据中心机房内部空间的空间分布特征，通过空间分布特征确定对该空间环境具有直接影响的环境调节设备，并利用人工智能预测，判断对空间环境最优的工作模式，从而克服了数据中心机房中因为空间阻隔和环境影响因素多样带来的影响，提升了数据中心机房环境调节的智能化、精确化水平。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请实施例的监测维护机器人系统总体结构框图；

图2是本申请实施例的环境监测机器人所在空间分布示意图；

图3是本申请实施例的环境监测机器人的结构框架；

图4是本申请实施例的后台中枢服务器的结构框架。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

本申请提供了一种数据中心应用的监测维护机器人系统。如图1所示，该监测维护机器人系统包括：环境传感器网络、后台中枢服务器、至少一台环境监测机器人以及机房环境调节设备。

数据中心是聚合大量的服务器、通信设备、供电设备、环境设备、照明设备以及配套的线路所形成的标准化、专业化机房。数据中心的性能又与其机房环境息息相关，一般来说与数据中心性能关联密切的环境参数包括温度、空气湿度、空气风量(反映空气的流通度)、光照度、空气颗粒物浓度。为了维护好机房内部的温度、湿度、风量、光照度、颗粒物浓度等环境参数，需要采用空调、通风扇、照明灯、净化器等设备，对数据中心机房的内部环境执行调节，使各项环境参数维持在合适的数值，从而有利于数据中心的服务器和各类设备运转的稳定性和可靠性，避免发生短路、停电、宕机等事件发生给数据中心带来影响，并有利于设备使用寿命的延长。

所述环境传感器网络由一定数量的环境传感器组成，环境传感器分布在数据中心机房空间中的预设的位点，用于感应位点处的环境参数。环境传感器的类型可以包括温度传感器、湿度传感器、风速传感器、光照度传感器、空气颗粒浓度传感器等。并且，环境传感器可以基于LORA、ZIGBEE等无线物联网通信协议，彼此进行通信，从而自组织网络，形成环境传感器网络；例如，部分环境传感器可以将自身感应获得的环境参数直接发送给后台中枢服务器，其余的环境传感器则可以将自身的环境参数发送给其它的环境传感器进行中转，通过一级或者多级中转最终传输给后台中枢服务器；也可以设立专门进行环境参数中转的网络节点；最终，通过环境传感器网络将每个环境传感器感应获得的环境参数上传给后台中枢服务器。环境参数除了表征温度、空气湿度、空气风量(反映空气的流通度)、光照度、空气颗粒物浓度的数值以外，还包括位点的位置信息，从而，后台中枢服务器可以根据所述环境参数获知数据中心机房空间中各个位点位置处的环境状况。

进而，所述后台中枢服务器可以基于机房空间中各个位点的环境参数，向机房安装的机房环境调节设备下达指令，启动/关闭这些机房环境调节设备，以及切换机房环境调节设备的工作模式。如前文所述，所述机房环境调节设备可以是空调、通风扇、照明灯、净化器等设备。当任意一个或者多个位点处的环境参数偏离所允许的正常范围，则后台中枢服务器可以向能够影响所述位点处环境状况的机房环境调节设备下达指令，从而通过这些机房环境调节设备调节所述位点的环境参数回归正常范围。

然而，一方面，相对于整个数据中心机房特别是大型或者超大型机房来说，具有环境传感器的位点及其有效感应范围只覆盖了机房的很少一部分空间区域，因此所提供的位点环境参数是不足的，不足以反映整个机房空间的环境状况。对于位点有效感应范围之外的机房空间区域，现有技术中多是在这些空间区域邻近位点的环境参数基础上，通过平均、插值或者取极限值来表征其环境状况。但是，由于机柜、服务器等设备在空间上造成的隔绝，以及每个空间局域中环境影响的因素都很多样和复杂，因此基于不充足的位点环境参数，即便经过上述计算，仍然难以比较精确描述数据中心机房实时的环境状况，因此无法可靠地执行对数据中心机房的监测、显示和分析。另一方面，当某个位点的环境参数偏离正常范围，通常就会选择该位点距离最近或者在预定距离之内的机房环境调节设备，默认这些机房环境调节设备能够影响所述位点处环境状况，然而，同样是由于机柜、服务器等设备在空间上造成的隔绝，以及每个空间局域中环境影响的因素的多样和复杂，这些机房环境调节设备能否真正影响或者多大程度上影响位点的环境参数，实际上是难以准确判定的。因此，以上两个方面的因素造成后台中枢服务器通过机房环境调节设备对机房环境参数的调节往往不能取得预期效果。

为了克服上述问题，本申请的监测维护机器人系统包括一定数量的可自主移动的环境监测机器人。环境监测机器人接收所述后台中枢服务器下达的调度指令，根据调度指令所指示的空间坐标，自主移动到对应该空间坐标的数据中心机房空间位置处，从而实现在数据中心机房内部进行巡视。

所述环境监测机器人利用自身配装的各类型传感器，可以监测其所在空间局域处的环境参数，包括温度、空气湿度、空气风量(反映空气的流通度)、光照度、空气颗粒物浓度等。从而，利用该监测维护机器人弥补了数据中心机房中环境传感器位点的不足。其中，对于由于各种因素导致难以用位点环境参数的平均、插值或者取极限值来表征其环境状况的机房空间局域，可以通过调度环境监测机器人前往巡视，来准确获知该空间局域的环境参数。

所述环境监测机器人还配装了摄像设备以及激光测距设备，从而可以拍摄其周边的空间场景，从空间场景中提取障碍物(例如数据中心机房中的机柜、设备、墙壁、家具等)，并测量环境监测机器人所在点与周边障碍物的距离，从而提取环境监测机器人所在的空间局域的空间分布特征。如图2所示，其中R为环境监测机器人所在点，从该机器人拍摄的周边空间场景中可以提取障碍物O1、O2，O3，以及测量环境监测机器人所在点R与各个障碍物的距离，从而，以环境监测机器人所在点R为原点，可以获得障碍物O1的表征坐标<(x_o1，y_o1)，(x′_o1，y′_o1)>，表示障碍物O1在空间局域的空间分布特征；同理，获得障碍物O2，O3的表征坐标<(x_o2，y_o2)，(x′_o2，y′_o2)>以及<(x_o3，y_o3)(x′_o3，y′_o3)>，。

所述环境监测机器人将其所在空间局域的环境参数以及障碍物的空间分布特征上传给后台中枢服务器。进而，后台中枢服务器根据环境监测机器人监测反馈的环境参数以及空间分布特征，结合环境传感器通过物联网反馈的位点环境参数，综合预测机房环境调节设备的工作状态对数据中心机房特定的目标区域的影响效果，并基于影响效果的预测以及期望的环境目标，对机房环境调节设备的工作状态展开控制。

具体来说，所述后台中枢服务器根据环境监测机器人上传的障碍物的空间分布特征，以及环境传感器的位点位置，遴选与环境监测机器人所在点R的空间局域没有障碍物阻隔的环境传感器，即图2的传感器S1、S2、S3(不合具有障碍物阻隔的环境传感器S4)。后台中枢服务器利用没有障碍物阻隔的环境传感器S1-S3感应获得的环境参数以及环境监测机器人自身感应的环境参数，组成一个环境参数组。

后台中枢服务器进而根据环境监测机器人上传的障碍物的空间分布特征，选定与环境监测机器人所在点R的空间局域没有障碍物阻隔的机房环境调节设备，例如图2中的I1、I2(不合具有障碍物阻隔的I3)，作为能够影响环境监测机器人所在空间局域的机房环境调节设备。

进而，对于后台中枢服务器所选定的每个机房环境调节设备，后台中枢服务器利用神经网络预测，根据上一时刻的预测环境参数组和当前时刻的环境参数组，训练神经网络；并通过训练后的神经网络基于当前时刻的环境参数组预测下一时刻环境参数组，通过比较下一时刻的预测环境参数组，确定机房环境调节设备对应的工作模式，并且，后台中枢服务器根据工作模式向对应的机房环境调节设备下达指令，从而控制每个被选定的机房环境调节设备的工作。

具体地，每个机房环境调节设备包括多个工作模式，而对应该设备的每个所述工作模式，具有一个可预先训练的神经网络；在训练过程中，所述神经网络模型以上一时刻的实际环境参数组作为输入，并输出当前时刻的预测环境参数组，将当前时刻的预测环境参数组与当前时刻的实际环境参数组进行匹配，根据匹配结果调整神经网络模型，然后进行下一轮的训练，直至当前时刻的预测环境参数组与当前时刻的实际环境参数组匹配成功，则完成训练阶段；进而，在实际控制阶段，将匹配成功的神经网络模型用于根据当前时刻的环境参数组预测下一时刻环境参数组，通过比较各个工作模式的神经网络产生的下一时刻的预测环境参数组，将空间局域最优的预测环境参数组所对应的工作模式作为当前时刻到下一时刻之间的机房环境调节设备的工作模式，并在后续的控制过程中，重复上述过程。

图3示出了所述环境监测机器人的结构框架。所述环境监测机器人包括无线通信单元、移动控制接口、环境传感器组、摄像设备、激光测距设备以及数据处理器。所述无线通信单元用于实现环境监测机器人与后台中枢服务器二者之间的通信，环境监测机器人通过无线通信单元接收后台中枢服务器下发的调度指令，以及将环境监测机器人所在空间局域的环境参数以及障碍物的空间分布特征上传给后台中枢服务器。所述移动控制接口从无线通信单元接收调度指令，并根据调度指令所指示的空间坐标，驱动机器人的万向轮底盘，自主移动到对应该空间坐标的数据中心机房空间位置处。环境传感器组包括温度传感器、湿度传感器、风速传感器、光照度传感器、空气颗粒浓度传感器构成的传感器组，用于感应环境监测机器人所在位置处的环境参数。摄像设备安装在环境监测机器人的360度旋转云台上，拍摄其周边的空间场景的视频画面。所述数据处理器根据空间场景的视频画面，利用视觉目标识别的算法，从中提取障碍物，例如上文提到的障碍物O1、O2，O3。进而，所述激光测距设备测量环境监测机器人所在点与各个障碍物的距离，将距离参量提供给数据处理器。数据处理器利用距离参量确定障碍物的相对于自身的表征坐标，将表征坐标作为障碍物的空间分布特征。

图4是所述后台中枢服务器的结构框架。所述后台中枢服务器包括：机器人调度单元、环境参数获取单元、空间分析单元、神经网络预测单元组、环境调节设备指令单元。所述机器人调度单元用于向环境监测机器人下达所述调度指令，指示环境监测机器人下一步前往的空间位置。环境参数获取单元从所述环境传感器网络的环境传感器以及环境监测机器人获得环境参数。空间分析单元从所述环境监测机器人获得所述障碍物的空间分布特征，并且，该空间分析单元根据环境监测机器人上传的障碍物的空间分布特征，以及环境传感器的位点位置，遴选与环境监测机器人所在的空间局域没有障碍物阻隔的环境传感器，利用没有障碍物阻隔的环境传感器感应获得的环境参数以及环境监测机器人自身感应的环境参数，组成一个环境参数组；所述空间分析单元还根据环境监测机器人上传的障碍物的空间分布特征，选定与环境监测机器人所在点的空间局域没有障碍物阻隔的机房环境调节设备，作为能够影响环境监测机器人所在空间局域的机房环境调节设备。所述神经网络预测单元组包括多个神经网络单元，每个神经网络单元都对应所述机房环境调节设备的工作模式。举例来说，被空间分析单元选定的机房环境调节设备为空调器，该空调器的每种工作模式可以是其温度设置值、出风量、扫风方式的一种排列组合，例如，温度设置值可以是3个不重叠的温度区间，如10-15摄氏度、15-20摄氏度、20-25摄氏度，出风量可以有多个级别，分别为一级，二级和三级，而扫风方式可以有定向出风和扫风两种模式，则将温度区间、出风量、出风方式进行排列组合可以得到18种工作模式。每种工作模式对应一个神经网络单元，则相应的有18个神经网络单元，并且每个神经网络单元还对应有一个反馈训练单元。在对上述神经网络单元每轮训练过程中，以上一时刻的实际环境参数组为输入数据，神经网络单元输出针对当前时刻的预测环境参数组，然后，获得空间分析单元选定的环境传感器及环境监测机器人实际采集的当前时刻的环境参数组，将针对当前时刻的预测环境参数组与当前时刻的实际环境参数组进行匹配，若针对当前时刻的预测环境参数组与当前时刻的实际环境参数组不同，则根据匹配结果对神经网络单元中的各节点的修正参数进行调整；然后以当前时刻的实际环境参数组作为对神经网络单元的输入，开始下一轮的训练，直到针对当前时刻的预测环境参数组与当前时刻测得的实际环境参数组相同，表明神经网络训练完成。在训练完成全部神经网络单元后，仍以当前时刻的实际环境参数组为输入数据，输入全部神经网络单元，每个神经网络单元分别输出下一时刻的预测环境参数组。由于在本实施例中有18个神经网络单元，将当前时刻的实际环境参数组输入每个神经网络单元，则输出的下一时刻的预测环境参数组的个数为18组，将18组预测环境参数组进行比较，确定环境监测机器人所在局域最优的预测环境参数组，并将输出该最优预测环境参数组的神经网络单元所对应的工作模式作为下一阶段机房环境调节设备的工作模式，重复迭代上述控制过程。环境调节设备指令单元根据神经网络预测单元组最终确定的工作模式，向对应的机房环境调节设备下达指令，从而控制每个被选定的机房环境调节设备按照工作模式执行机房环境调节的工作。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims

1.一种数据中心应用的监测维护机器人系统，其特征在于，包括：环境传感器网络、后台中枢服务器、至少一台环境监测机器人以及机房环境调节设备；

所述环境监测机器人接收所述后台中枢服务器下达的调度指令，根据调度指令所指示的空间坐标，自主移动到对应该空间坐标的数据中心机房空间局域处；所述环境监测机器人监测其所在空间局域处的环境参数，以及提取所在的空间局域的空间分布特征；将其所在空间局域的环境参数以及障碍物的空间分布特征上传给后台中枢服务器；

后台中枢服务器根据环境监测机器人监测反馈的环境参数以及空间分布特征，结合环境传感器通过物联网反馈的位点环境参数，综合预测机房环境调节设备的工作状态对数据中心机房所述环境监测机器人所在的空间局域的影响效果，并基于影响效果的预测以及期望的环境目标，对机房环境调节设备的工作状态展开控制；向机房安装的机房环境调节设备下达指令，启动/关闭这些机房环境调节设备，以及切换机房环境调节设备的工作模式。

2.根据权利要求1所述的数据中心应用的监测维护机器人系统，其特征在于，所述环境监测机器人通过配装的摄像设备以及激光测距设备，拍摄其周边的空间场景，从空间场景中提取障碍物，并测量环境监测机器人所在点与周边障碍物的距离，从而提取环境监测机器人所在的空间局域的空间分布特征。

3.根据权利要求2所述的数据中心应用的监测维护机器人系统，其特征在于，其特征在于，所述后台中枢服务器根据环境监测机器人上传的障碍物的空间分布特征，以及环境传感器的位点位置，遴选与环境监测机器人所在点的空间局域没有障碍物阻隔的环境传感器，利用没有障碍物阻隔的环境传感器感应获得的环境参数以及环境监测机器人自身感应的环境参数，组成一个环境参数组；以及根据环境监测机器人上传的障碍物的空间分布特征，选定与环境监测机器人所在点的空间局域没有障碍物阻隔的机房环境调节设备，作为能够影响环境监测机器人所在空间局域的机房环境调节设备。

4.根据权利要求3所述的数据中心应用的监测维护机器人系统，其特征在于，对于后台中枢服务器所选定的每个机房环境调节设备，后台中枢服务器利用神经网络预测，根据上一时刻的预测环境参数组和当前时刻的环境参数组，训练神经网络；并通过训练后的神经网络基于当前时刻的环境参数组预测下一时刻环境参数组，通过比较各个工作模式的神经网络产生的下一时刻的预测环境参数组，确定机房环境调节设备对应的工作模式，并且，后台中枢服务器根据工作模式向对应的机房环境调节设备下达指令，从而控制每个被选定的机房环境调节设备的工作。

5.根据权利要求4所述的数据中心应用的监测维护机器人系统，其特征在于，每个机房环境调节设备包括多个工作模式，而对应该设备的每个所述工作模式，后台中枢服务器具有一个可预先训练的神经网络模型；在训练过程中，所述神经网络模型以上一时刻的实际环境参数组作为输入，并输出当前时刻的预测环境参数组，将当前时刻的预测环境参数组与当前时刻的实际环境参数组进行匹配，根据匹配结果调整神经网络模型，然后进行下一轮的训练，直至当前时刻的预测环境参数组与当前时刻的实际环境参数组匹配成功，则完成训练阶段；进而，在实际控制阶段，后台中枢服务器将匹配成功的神经网络模型用于根据当前时刻的环境参数组预测下一时刻环境参数组，通过比较各个工作模式的神经网络产生的下一时刻的预测环境参数组，将空间局域最优的预测环境参数组所对应的工作模式作为当前时刻到下一时刻之间的机房环境调节设备的工作模式，并在后续的控制过程中，重复上述过程。

6.一种数据中心应用的监测维护方法，其特征在于，包括以下步骤：

根据所述后台中枢服务器下达的调度指令，使环境监测机器人自主移动到对应空间坐标的数据中心机房空间局域处；通过所述环境监测机器人监测其所在空间局域处的环境参数，以及提取所在的空间局域的空间分布特征；将其所在空间局域的环境参数以及障碍物的空间分布特征上传给后台中枢服务器；

通过后台中枢服务器，根据环境监测机器人监测反馈的环境参数以及空间分布特征，结合环境传感器反馈的位点环境参数，综合预测机房环境调节设备的工作状态对数据中心机房所述环境监测机器人所在的空间局域的影响效果，并基于影响效果的预测以及期望的环境目标，对机房环境调节设备的工作状态展开控制；向机房安装的机房环境调节设备下达指令，启动/关闭这些机房环境调节设备，以及切换机房环境调节设备的工作模式。

7.根据权利要求6所述的数据中心应用的监测维护方法，其特征在于，通过所述环境监测机器人配装的摄像设备以及激光测距设备，拍摄其周边的空间场景，从空间场景中提取障碍物，并测量环境监测机器人所在点与周边障碍物的距离，从而提取环境监测机器人所在的空间局域的空间分布特征。

8.根据权利要求7所述的数据中心应用的监测维护方法，其特征在于，根据环境监测机器人上传的障碍物的空间分布特征，以及环境传感器的位点位置，遴选与环境监测机器人所在点的空间局域没有障碍物阻隔的环境传感器，利用没有障碍物阻隔的环境传感器感应获得的环境参数以及环境监测机器人自身感应的环境参数，组成一个环境参数组；以及根据环境监测机器人上传的障碍物的空间分布特征，选定与环境监测机器人所在点的空间局域没有障碍物阻隔的机房环境调节设备，作为能够影响环境监测机器人所在空间局域的机房环境调节设备。

9.根据权利要求8所述的数据中心应用的监测维护方法，其特征在于，对于后台中枢服务器所选定的每个机房环境调节设备，利用神经网络预测，根据上一时刻的预测环境参数组和当前时刻的环境参数组，训练神经网络；并通过训练后的神经网络基于当前时刻的环境参数组预测下一时刻环境参数组，通过比较各个工作模式的神经网络产生的下一时刻的预测环境参数组，确定机房环境调节设备对应的工作模式，并且，根据工作模式向对应的机房环境调节设备下达指令，从而控制每个被选定的机房环境调节设备的工作。

10.根据权利要求9所述的数据中心应用的监测维护方法，其特征在于，每个机房环境调节设备包括多个工作模式，而对应该设备的每个所述工作模式，具有一个可预先训练的神经网络模型；在训练过程中，所述神经网络模型以上一时刻的实际环境参数组作为输入，并输出当前时刻的预测环境参数组，将当前时刻的预测环境参数组与当前时刻的实际环境参数组进行匹配，根据匹配结果调整神经网络模型，然后进行下一轮的训练，直至当前时刻的预测环境参数组与当前时刻的实际环境参数组匹配成功，则完成训练阶段；进而，在实际控制阶段，将匹配成功的神经网络模型用于根据当前时刻的环境参数组预测下一时刻环境参数组，通过比较各个工作模式的神经网络产生的下一时刻的预测环境参数组，将空间局域最优的预测环境参数组所对应的工作模式作为当前时刻到下一时刻之间的机房环境调节设备的工作模式，并在后续的控制过程中，重复上述过程。