CN113064374A - 机房监控方法、装置、电子设备及介质 - Google Patents
机房监控方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN113064374A CN113064374A CN202110274211.4A CN202110274211A CN113064374A CN 113064374 A CN113064374 A CN 113064374A CN 202110274211 A CN202110274211 A CN 202110274211A CN 113064374 A CN113064374 A CN 113064374A
- Authority
- CN
- China
- Prior art keywords
- sound
- machine room
- detected
- equipment
- audio
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/048—Monitoring; Safety
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本公开提供了一种机房监控方法,包括:采集机房的待检测声音信号,所述待检测声音信号包括机房内的至少一个设备的运行过程声音;提取所述待检测声音信号的待检测声音特征;判断音频特征模型中是否存在至少一个与所述待检测声音特征相匹配的预设音频特征,若为是,则判定机房出现运行异常,对所述异常声音信号进行预警通知或标识;否则,将所述待检测声音特征输入所述音频特征模型进行训练。本公开还提供了一种机房监控装置、电子设备及介质。本公开提供的方法、装置、电子设备及介质,可用于人工智能领域。
Description
技术领域
本公开涉及人工智能领域,尤其涉及一种机房监控方法、装置、电子设备及介质。
背景技术
随着信息技术飞速发展,企业对于计算机设备的投入呈倍数增长,而数据中心内部对于大量的设备的监控方法往往基于线上和线下两种方式组合形成。线上方式是指采购对应厂商监控系统并进行开发和整合,需要通过配置复杂甚至冗余的监控方式对服务器的各项运行指标进行监控。此种方式初期需要投入大量的购买成本,需要受设备品牌和种类影响,每当引入新品牌设备都需要进行系统的开发和对接,在使用过程中还要投入大量精力设计数据同步机制,确保多个系统中的信息更新。
线下方式是指运维人员定期进入维护区域进行监视和判断,用于弥补系统监控的盲区。由于目前数据中心的设备数量巨大,人工巡检不仅需要投入较多人力,而且时效性比较差,容易出现巡检遗漏情况。
总之,现有的线上方式对数据中心内部的设备进行监控,采购成本高、部署复杂;而线下方式的人工巡检监控性差、人力投入大。此外,现行机房监控模式下的不同专业监控覆盖重复但存在盲区。
发明内容
针对现有技术的上述不足,本发明提供了一种机房监控方法、装置、电子设备及介质,能够基于声音识别对机房内的多个设备进行运行异常监控,实现对机房设备运行异常的有效预警。
本公开的一个方面提供了一种机房监控方法,包括:采集机房的待检测声音信号,待检测声音信号包括机房内的至少一个设备的运行过程声音;提取待检测声音信号的待检测声音特征;判断音频特征模型中是否存在至少一个与待检测声音特征相匹配的预设音频特征,若为是,则判定机房出现运行异常,对异常声音信号进行预警通知或标识;否则,将待检测声音特征输入音频特征模型进行训练。
可选地,采集机房的待检测声音信号包括:利用拾音器采集和设别待检测声音信号;对识别出的待检测声音信号进行噪声过滤;对噪声过滤后的声音信号进行机房设备定位;对定位设备的音频信息进行封装。
可选地,拾音器包括声学探头、高清摄像机或音频处理设备,声学探头包括麦克风阵列、声学雷达或声相仪,音频处理设备将待检测声音信号统一转换为数字声音信号。
可选地,对噪声过滤后的声音信号进行机房设备定位包括:通过相控声源定位方法或波束形成方法进行机房设备定位。
可选地,音频特征模型通过以下方式训练得到:预先采集机房的不同种类的多个声音样本进行音频特征模型训练,得到训练后的音频特征模型。
可选地,判断音频特征模型中是否存在至少一个与待检测声音特征相匹配的预设音频特征,包括:在音频特征模型中,当存在一个预设音频特征与待检测声音特征的相似度大于或等于预设相似度值时,判定存在的预设音频特征与待检测声音特征相匹配;当所有的预设音频特征与待检测声音特征的相似度都小于预设相似度值时,判定所有的预设音频特征与待检测声音特征不匹配。
可选地,对异常声音信号进行预警通知或标识,包括:将机房设备的定位信息转换为设备定位文本;根据设备定位文本,调取机房数据库中对应的维护文档、产品说明或维护记录;对机房设备对应的机柜指示灯进行闪烁标记;将设备定位文本、维护文档、产品说明或维护记录进行展示提醒及信息推送。
可选地,将待检测声音特征输入音频特征模型进行训练,包括:预先采集机房内的设备特征数据,制定监控要素阈值标准;对设备特征数据进行分类,为不同类型的设备特征数据设置权值,建立用于判定设备特征数据与音频特征模型是否匹配的匹配分析方法;根据匹配分析方法,丢弃待检测声音特征,或者更新音频特征模型;对匹配分析方法的运算指标进行优化。
本公开的另一个方面提供了一种机房监控装置,包括:声音采集模块,用于采集机房的待检测声音信号,待检测声音信号包括机房内的至少一个设备的运行过程声音;分析匹配模块,用于提取待检测声音信号的待检测声音特征,判断音频特征模型中是否存在至少一个与待检测声音特征相匹配的预设音频特征,得到匹配结果;故障处理模块,用于在匹配结果为匹配成功时,判定机房出现运行异常,对异常声音信号进行预警通知或标识;模型训练模块,用于在匹配结果为匹配失败时,将待检测声音特征输入音频特征模型进行训练。
本公开的另一方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当上述一个或多个程序被上述一个或多个处理器执行时,使得一个或多个处理器实现如上所述的方法。
本公开的另一方面提供了一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
与现有技术相比,本发明提供的机房监控方法、装置、电子设备及介质,至少具有以下有益效果:
(1)本发明从声音分析角度建立与机房设备运行状态相关模型,通过数据处理和分析对设备运行状态进行评估,实现数据中心机房管理自动化;
(2)弥补现有监控系统中对运行状态评估的空缺。传统数据中心监控方案中对于设备运行声音的监控一直是不足的,通过本发明能够将这一空缺实现补齐,基于声音的分析可以直接发现物理设备在运行过程中的各种异常,便于数据中心及早发现问题和隐患;
(3)最大化简化机房现场管理,真正实现无人化。通过使用本发明,能够将数据中心机房现场运维真正实现无人化管理,所有需要人员进入现场进行的观察和收集都通过自动化方式实现收集、分析和处理,现场人员的经验得到了数字化转换,数据中心真正做到人员无需进入机房即可掌握设备运行情况。
(4)准确定位运行状态异常设备的位置。与其他在线监控的方式不同,本发明基于声音的监控是一种物联网技术,可以准确对数据中心机房内部的设备进行定位和标识,方便进入维修的人员快速找到需要关注的对象。
(5)降低数据中心设备监控成本。本发明能够将机房需要关注的运行情况进行发现和定位,机房维护人员从以前的“无论是否出现问题都要巡检”转化为现在的“系统提示问题以后再进入确认”,按照近两年巡检结果分析,可以实现80%以上的时间节省,同时运维人员的经验通过发明也实现了转换,这样在机房维护人员的数量和经验要求上都有了明显减少,降低人力成本。除此以外,由于本发明是针对设备运行声音进行的分析,不再受厂商设备监控系统限制,无需采购对应软件,也可以实现采购成本的降低。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的机房监控方法和装置的应用场景;
图2示意性示出了根据本公开实施例的机房监控方法的流程图;
图3示意性示出了根据本公开实施例的机房监控方法的操作流程图;
图4示意性示出了根据本公开实施例的声音采集过程的流程图;
图5示意性示出了根据本公开实施例的机房运行异常过程的流程图;
图6示意性示出了根据本公开实施例的模型训练过程的流程图;
图7示意性示出了根据本公开实施例的机房监控装置的框图;
图8A示意性示出了根据本公开实施例的声音采集模块的框图;
图8B示意性示出了根据本公开实施例的分析匹配模块的框图;
图8C示意性示出了根据本公开实施例的故障处理模块的框图;
图8D示意性示出了根据本公开实施例的模型训练模块的框图;以及
图9示意性示出了根据本公开实施例的电子设备的框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开的实施例提供了一种机房监控方法。该方法包括采集机房的待检测声音信号,待检测声音信号包括机房内的至少一个设备的运行过程声音;提取待检测声音信号的待检测声音特征;判断音频特征模型中是否存在至少一个与待检测声音特征相匹配的预设音频特征,若为是,则判定机房出现运行异常,对异常声音信号进行预警通知或标识;否则,将待检测声音特征输入音频特征模型进行训练。
图1示意性示出了根据本公开实施例的机房监控方法和装置的应用场景。需要注意的是,图1所示仅为可以应用本公开实施例的应用场景的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据本公开实施例的应用场景可以包括:设备101、102、103,声音采集器104和机房监控终端105。
其中,声音采集器104是可以采集设备101、102、103运行过程中的多种声音的设备。在其他实施例中,声音采集器104还可以采集设备101、102、103运行过程中的多种图像等。例如,声音采集器104是带有声音采集功能的摄像头。
设备101、102、103均位于机房内部,声音采集器104例如可以通过采集分别设置于设备101、102、103上的麦克风1、2、3,以采集设备101、102、103运行过程中的多种声音。
机房监控终端105接收声音采集器104采集的多路声音信号,执行本公开实施例的机房监控方法,对多路声音信号进行处理。
机房监控终端105可以是为机房提供各种服务的服务器,例如对设备101、102、103运行过程提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的设备101、102、103的运行过程的待检测声音信号进行分析等处理,并将处理结果反馈给设备101、102、103。
设备101、102、103,声音采集器104及机房监控终端105的通信可以通过无线通讯模块和/或有线通讯模块实现,例如,蓝牙模块,WiFi模块,GSM(全球移动通信系统)模块等。
机房内设备101、102、103在运行时的声音主要是由内部的机械部件运行状态决定的,例如机器在硬件重启、内部过热时会自动提高内部风扇的转速,导致声音突然变高,在内部发生机械故障时(机械部件磨损),机房外部能够听到刺耳的摩擦声音,在线下监控的模式下,经验丰富的维护人员往往能够通过声音就可以辨别设备运行的状态是否正常,能够在机房内快速定位设备的位置,而这种场景并不能通过传统的系统和网络监控(线上监控)实现,本公开就是将这种经验进行足够的量化处理,建立机房内部声音变化和设备故障的关系模型,通过匹配对应数据进行准确判断,用以提升机房监控的准确性和简洁性,这样运维人员可以真正做到在不进入机房的情况下定位数据中心内部运行的异常,针对性启动确认和维护工作。
需要说明的是,本公开实施例所提供的机房监控方法一般可以由机房监控终端105执行。相应地,本公开实施例所提供的机房监控装置一般可以设置于机房监控终端105中。本公开实施例所提供的机房监控方法也可以由不同于机房监控终端105且能够与设备101、102、103和/或机房监控终端105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的机房监控装置也可以设置于不同于机房监控终端105且能够与设备101、102、103和/或机房监控终端105通信的服务器或服务器集群中。
应该理解,图1中的设备、声音采集器和机房监控终端的数目仅仅是示意性的。根据实现需要,可以具有任意数目的设备、声音采集器和机房监控终端。
图2示意性示出了根据本公开实施例的机房监控方法的流程图。图3示意性示出了根据本公开实施例的机房监控方法的操作流程图。
结合图3,对图2所示的机房监控方法做详细说明,该方法可以包括操作S201~S203。
在操作S201,采集机房的待检测声音信号,待检测声音信号包括机房内的至少一个设备的运行过程声音;
在操作S202,提取待检测声音信号的待检测声音特征;
在操作S203,判断音频特征模型中是否存在至少一个与待检测声音特征相匹配的预设音频特征,若为是,则判定机房出现运行异常,对异常声音信号进行预警通知或标识;否则,将待检测声音特征输入音频特征模型进行训练。
待检测声音特征包括但不限于:音调特征、响度特征、音色特征、待检测声音信号包含的关键词等。特征提取技术包括主成分分析法、二维模式特征提取法等,该特征提取技术是现有技术,本发明不再详述。
参阅图3,在音频特征模型中,如果存在一个与待检测声音特征相匹配的预设音频特征,则判定机房出现运行异常,此时可以对异常声音信号进行预警通知或标识;否则,如果不存在与待检测声音特征相匹配的预设音频特征,则需要将待检测声音特征继续输入音频特征模型中进行训练,此时可以根据训练结果,进一步判断待检测声音特征是否表征机房出现运行异常。
根据本公开的实施例,音频特征模型通过以下方式训练得到:预先采集机房的不同种类的多个声音样本进行音频特征模型训练,得到训练后的音频特征模型。由此,音频特征模型中包含了不同类型的预设音频特征,每一种预设音频特征表征一种音频类型。该音频类型可以根据实际机房中包含设备的运行维护过程中出现的典型类型声音相对应,具体本发明不做限制。
根据本公开的实施例,判断音频特征模型中是否存在至少一个与待检测声音特征相匹配的预设音频特征,包括:在音频特征模型中,当存在一个预设音频特征与待检测声音特征的相似度大于或等于预设相似度值时,判定存在的预设音频特征与待检测声音特征相匹配;当所有的预设音频特征与待检测声音特征的相似度都小于预设相似度值时,判定所有的预设音频特征与待检测声音特征不匹配。
本公开的实施例通过提取机房内的多个设备的待检测声音信号,提取待检测声音信号的待检测声音特征,将所提取的待检测声音特征与音频特征模型库作匹配,分析得出机房内的各个设备是否存在运行异常,克服了现有机房监控设备的不足,将机房设备监控从现有系统、网络监控中独立出来的同时建立和完善了机房现场运行监控机制,以设备运行声音特点为基础进行数据抓取和分析,实施发现数据中心设备运行的风险和故障,准确定位故障设备的位置,帮助运维人员能够知道什么时候需要进入机房,进入机房去哪里去找到需要关注的设备,帮助减少定位时间,提高设备巡检效率。
下面参考图4~图6,结合具体实施例对图2所示的方法做进一步说明。
图4示意性示出了根据本公开实施例的声音采集过程的流程图。
如图4所示,操作S201可以包括子操作S401~S404。
在操作S401,利用拾音器采集和设别待检测声音信号。
拾音器可以包括声学探头、高清摄像机或音频处理设备。其中,声学探头包括麦克风阵列、声学雷达或声相仪,音频处理设备将待检测声音信号统一转换为数字声音信号。音频处理设备还可以整合于声学探头中,使声学探头兼具音频处理设备的功能。
利用拾音器识别出的待检测声音信号可实现毫秒级的响应。
在操作S402,对识别出的待检测声音信号进行噪声过滤。
经过噪声过滤后,减少环境噪声或人群活动声音的干扰,进而减少后续对待检测声音特征提取时的干扰。
在操作S403,对噪声过滤后的声音信号进行机房设备定位。
由于机房内存在多个设备,本步骤通过相控声源定位方法或波束形成方法进行机房设备定位,从而定位出机房内待检测声音信号的具体设备来源。
相控声源定位方法是一种基于到达时间差的定位方法,该方法首先估计声源抵达麦克风传感器阵元的各个相对时间差,再利用时间差算出各个阵元的相对距离差,最后通过几何关系计算出声源的位置。
波束形成方法是将麦克风阵列所收到的声音信号进行滤波并求和从而形成波束,然后通过搜索声源可能的位置来改变该波束,最后通过修改权值使麦克风阵列的信号输出功率达到最大,该最大值所对应的方向就是声源位置方向。
在操作S404,对定位设备的音频信息进行封装。
封装包括采集、打包和运输,在定位出机房设备后,按照预设封装标准进行图像和音频的封装,全部交由后续待检测声音特征的提取所用。
图5示意性示出了根据本公开实施例的机房运行异常过程的流程图。
如图5所示,操作S203中,判定机房出现运行异常,对异常声音信号进行预警通知或标识的方法,可以包括子操作S501~S504。
在操作S501,将机房设备的定位信息转换为设备定位文本。
具体来说,将操作S403中的机房设备的定位信息,基于机房的实际设备配置情况,转换为与机房设备配置相适应的设备定位文本,以供运维人员方便辨识。该设备定位文本可以包括图像或文字,具体根据机房的设备配置情况进行实时调整,本发明不作具体限制。
在操作S502,根据设备定位文本,调取机房数据库中对应的维护文档、产品说明或维护记录。
根据设备定位文本,在机房数据库中查询和匹配与之相对应的维护文档、产品说明或维护记录,该维护记录可以包括预设时间范围内的设备维护记录,从而调取机房数据库中对应的维护文档、产品说明或维护记录。
在操作S503,对机房设备对应的机柜指示灯进行闪烁标记。
具体来说,基于操作S403中定位的机房设备,将对应机柜上的指示灯进行闪烁标记,方便现场人员辨识。
在操作S504,将设备定位文本、维护文档、产品说明或维护记录进行展示提醒及信息推送。
将操作S501形成的设备定位文本,以及操作S502调取的维护文档、产品说明或维护记录归纳整理后,进行展示提醒。展示提醒可以设置于机房后台管理服务器中,便于机房维护人员了解和掌握机房运行情况,并根据维护文档或维护记录安排有效的维护措施。同时,本步骤将该设备定位文本、维护文档、产品说明或维护记录还进行信息推送,该信息推送可以通过邮件、短信或监控应用(APP)中推送到对应岗位人员。
需要说明的是,操作S503的操作顺序可以独立于操作S501、S502和S504,也即,操作S503可以和操作S501并行执行,或者操作S501可以和操作S502或S504中任一操作并行执行。为了提高预警效率,优选地,操作S503和操作S501并行执行,使现场人员快速获取闪烁标记提醒,以提高应急水平。
图6示意性示出了根据本公开实施例的模型训练过程的流程图。
如图6所示,操作S203中,将待检测声音特征输入音频特征模型进行训练的方法,可以包括子操作S601~S604。
在操作S601,预先采集机房内的设备特征数据,制定监控要素阈值标准。
根据机房的监控区域以及监控设备特点,预先采集机房内的设备特征数据,制定监控要素阈值标准。
在操作S602,对设备特征数据进行分类,为不同类型的设备特征数据设置权值,建立用于判定设备特征数据与音频特征模型是否匹配的匹配分析方法。
需要说明的是,操作S601和S602可以在建立音频特征模型之前执行,也可以在待检测声音特征输入音频特征模型进行训练时执行。
在操作S603,根据匹配分析方法,丢弃待检测声音特征,或者更新音频特征模型。
由于不存在与待检测声音特征相匹配的预设音频特征,将待检测声音特征继续输入音频特征模型中进行训练,此时可以根据训练结果,采取丢弃待检测声音特征,或者更新音频特征模型的措施,以进一步判断待检测声音特征是否表征机房出现运行异常,此环节需要人工参与和判断。
在丢弃待检测声音特征时,也即经过人工参与和判断后,该待检测声音特征无法表征机房出现运行异常。
在更新音频特征模型时,也即该待检测声音特征可以表征机房出现运行异常,此时更新后的音频特征模型可以囊括操作S203中不与更新前的预设音频特征相匹配的待检测声音特征。
在操作S604,对匹配分析方法的运算指标进行优化。
运算指标可以包括运算时间、准确度等。本步骤对匹配分析方法在运行期间的运算时间、准确度等关键指标进行统计分析,以进行算法优化。
图7示意性示出了根据本公开实施例的机房监控装置的框图。
如图7所示,机房监控装置700可以包括声音采集模块710、分析匹配模块720、故障处理模块730和模型训练模块740。
声音采集模块710,用于采集机房的待检测声音信号,待检测声音信号包括机房内的至少一个设备的运行过程声音;
分析匹配模块720,用于提取待检测声音信号的待检测声音特征,判断音频特征模型中是否存在至少一个与待检测声音特征相匹配的预设音频特征,得到匹配结果;
故障处理模块730,用于在匹配结果为匹配成功时,判定机房出现运行异常,对异常声音信号进行预警通知或标识;
模型训练模块740,用于在匹配结果为匹配失败时,将待检测声音特征输入音频特征模型进行训练。
图8A示意性示出了根据本公开实施例的声音采集模块的框图。
如图8A所示,声音采集模块710可以包括声音识别单元7101、噪声过滤单元7102、声音定位单元7103和信息封装单元7104。
声音识别单元7101,用于利用拾音器采集和设别待检测声音信号;
噪声过滤单元7102,用于对识别出的待检测声音信号进行噪声过滤;
声音定位单元7103,用于对噪声过滤后的声音信号进行机房设备定位;
信息封装单元7104,用于对定位设备的音频信息进行封装。
根据本公开的实施例,声音定位单元7103通过相控声源定位方法或波束形成方法进行机房设备定位。
图8B示意性示出了根据本公开实施例的分析匹配模块的框图。
如图8B所示,分析匹配模块720可以包括特征提取单元7201、模型匹配单元7202和信息分发单元7203。
特征提取单元7201,用于提取所述待检测声音信号的待检测声音特征;
模型匹配单元7202,用于判断音频特征模型中是否存在至少一个与所述待检测声音特征相匹配的预设音频特征,得到匹配结果;
信息分发单元7203,用于在所述匹配结果为匹配成功时,将所述待检测声音信号分发至故障处理模块,或者,在所述匹配结果为匹配成功时,将所述待检测声音特征分发至模型训练模块。
图8C示意性示出了根据本公开实施例的故障处理模块的框图。
如图8C所示,故障处理模块730可以包括故障定位单元7301、诊断建议单元7302、机房标识单元7303和信息通知单元7304。
故障定位单元7301,用于接收所述待检测声音信号以及定位的机房设备,将所述机房设备的定位信息转换为设备定位文本;
诊断建议单元7302,用于根据所述设备定位文本,调取机房数据库中对应的维护文档、产品说明或维护记录;
机房标识单元7303,用于对所述机房设备对应的机柜指示灯进行闪烁标记;
信息通知单元7304,用于将设备定位文本、维护文档、产品说明或维护记录进行展示提醒及信息推送。
图8D示意性示出了根据本公开实施例的模型训练模块的框图。
如图8D所示,模型训练模块740可以包括特征采集单元7401、匹配建立单元7402、信息分析单元7403和算法优化单元7404。
特征采集单元7401,用于预先采集机房内的设备特征数据,制定监控要素阈值标准;
匹配建立单元7402,用于对所述设备特征数据进行分类,为不同类型的设备特征数据设置权值,建立用于判定设备特征数据与音频特征模型是否匹配的匹配分析方法;
信息分析单元7403,用于根据所述匹配分析方法,丢弃所述待检测声音特征,或者更新所述音频特征模型;
算法优化单元7404,用于对所述匹配分析方法的运算指标进行优化。
需要说明的是,本公开的实施例中机房监控装置部分与本公开的实施例中机房监控方法部分是相对应的,机房监控装置部分的描述具体参考机房监控方法部分,在此不再赘述。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,声音采集模块710、分析匹配模块720、故障处理模块730、模型训练模块740、声音识别单元7101、噪声过滤单元7102、声音定位单元7103、信息封装单元7104、特征提取单元7201、模型匹配单元7202、信息分发单元7203、故障定位单元7301、诊断建议单元7302、机房标识单元7303、信息通知单元7304、特征采集单元7401、匹配建立单元7402、信息分析单元7403和算法优化单元7404中的任意多个可以合并在一个模块/单元/子单元中实现,或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者,这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合,并在一个模块/单元/子单元中实现。根据本公开的实施例,声音采集模块710、分析匹配模块720、故障处理模块730、模型训练模块740、声音识别单元7101、噪声过滤单元7102、声音定位单元7103、信息封装单元7104、特征提取单元7201、模型匹配单元7202、信息分发单元7203、故障定位单元7301、诊断建议单元7302、机房标识单元7303、信息通知单元7304、特征采集单元7401、匹配建立单元7402、信息分析单元7403和算法优化单元7404中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,声音采集模块710、分析匹配模块720、故障处理模块730、模型训练模块740、声音识别单元7101、噪声过滤单元7102、声音定位单元7103、信息封装单元7104、特征提取单元7201、模型匹配单元7202、信息分发单元7203、故障定位单元7301、诊断建议单元7302、机房标识单元7303、信息通知单元7304、特征采集单元7401、匹配建立单元7402、信息分析单元7403和算法优化单元7404中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图9示意性示出了根据本公开实施例的电子设备的框图。图9示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图9所示,电子设备900包括处理器910、计算机可读存储介质920。该电子设备900可以执行根据本公开实施例的方法。
具体地,处理器910例如可以包括通用微处理器、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器910还可以包括用于缓存用途的板载存储器。处理器910可以是用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
计算机可读存储介质920,例如可以是非易失性的计算机可读存储介质,具体示例包括但不限于:磁存储装置,如磁带或硬盘(HDD);光存储装置,如光盘(CD-ROM);存储器,如随机存取存储器(RAM)或闪存;等等。
计算机可读存储介质920可以包括计算机程序921,该计算机程序921可以包括代码/计算机可执行指令,其在由处理器910执行时使得处理器910执行根据本公开实施例的方法或其任何变形。
计算机程序921可被配置为具有例如包括计算机程序模块的计算机程序代码。例如,在示例实施例中,计算机程序921中的代码可以包括一个或多个程序模块,例如包括921A、模块921B、……。应当注意,模块的划分方式和个数并不是固定的,本领域技术人员可以根据实际情况使用合适的程序模块或程序模块组合,当这些程序模块组合被处理器910执行时,使得处理器910可以执行根据本公开实施例的方法或其任何变形。
根据本公开的实施例,声音采集模块710、分析匹配模块720、故障处理模块730、模型训练模块740、声音识别单元7101、噪声过滤单元7102、声音定位单元7103、信息封装单元7104、特征提取单元7201、模型匹配单元7202、信息分发单元7203、故障定位单元7301、诊断建议单元7302、机房标识单元7303、信息通知单元7304、特征采集单元7401、匹配建立单元7402、信息分析单元7403和算法优化单元7404中的至少一个可以实现为参考图9描述的电子设备,其在被处理器910执行时,可以实现上面描述的相应操作。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
综上所述,本发明实施例通过提供一种机房监控方法、装置、电子设备及介质,通过提取机房内的多个设备的待检测声音信号,提取待检测声音信号的待检测声音特征,将所提取的待检测声音特征与音频特征模型库作匹配,分析得出机房内的各个设备是否存在运行异常,实现数据中心机房管理自动化,弥补现有监控系统中对运行状态评估的空缺,最大化简化机房现场管理,准确定位运行状态异常设备的位置,降低数据中心设备监控成本。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (11)
1.一种机房监控方法,包括:
采集机房的待检测声音信号,所述待检测声音信号包括机房内的至少一个设备的运行过程声音;
提取所述待检测声音信号的待检测声音特征;
判断音频特征模型中是否存在至少一个与所述待检测声音特征相匹配的预设音频特征,若为是,则判定机房出现运行异常,对所述异常声音信号进行预警通知或标识;否则,将所述待检测声音特征输入所述音频特征模型进行训练。
2.根据权利要求1所述的机房监控方法,其中,所述采集机房的待检测声音信号包括:
利用拾音器采集和设别待检测声音信号;
对识别出的待检测声音信号进行噪声过滤;
对噪声过滤后的声音信号进行机房设备定位;
对定位设备的音频信息进行封装。
3.根据权利要求2所述的机房监控方法,其中,所述拾音器包括声学探头、高清摄像机或音频处理设备,所述声学探头包括麦克风阵列、声学雷达或声相仪,所述音频处理设备将所述待检测声音信号统一转换为数字声音信号。
4.根据权利要求2所述的机房监控方法,其中,所述对噪声过滤后的声音信号进行机房设备定位包括:
通过相控声源定位方法或波束形成方法进行机房设备定位。
5.根据权利要求1所述的机房监控方法,其中,所述音频特征模型通过以下方式训练得到:
预先采集机房的不同种类的多个声音样本进行音频特征模型训练,得到训练后的音频特征模型。
6.根据权利要求1所述的机房监控方法,其中,所述判断音频特征模型中是否存在至少一个与所述待检测声音特征相匹配的预设音频特征,包括:
在所述音频特征模型中,当存在一个预设音频特征与所述待检测声音特征的相似度大于或等于预设相似度值时,判定存在的预设音频特征与所述待检测声音特征相匹配;
当所有的预设音频特征与所述待检测声音特征的相似度都小于预设相似度值时,判定所有的预设音频特征与所述待检测声音特征不匹配。
7.根据权利要求2所述的机房监控方法,其中,所述对所述异常声音信号进行预警通知或标识,包括:
将所述机房设备的定位信息转换为设备定位文本;
根据所述设备定位文本,调取机房数据库中对应的维护文档、产品说明或维护记录;
对所述机房设备对应的机柜指示灯进行闪烁标记;
将设备定位文本、维护文档、产品说明或维护记录进行展示提醒及信息推送。
8.根据权利要求1所述的机房监控方法,其中,所述将所述待检测声音特征输入所述音频特征模型进行训练,包括:
预先采集机房内的设备特征数据,制定监控要素阈值标准;
对所述设备特征数据进行分类,为不同类型的设备特征数据设置权值,建立用于判定设备特征数据与音频特征模型是否匹配的匹配分析方法;
根据所述匹配分析方法,丢弃所述待检测声音特征,或者更新所述音频特征模型;
对所述匹配分析方法的运算指标进行优化。
9.一种机房监控装置,包括:
声音采集模块,用于采集机房的待检测声音信号,所述待检测声音信号包括机房内的至少一个设备的运行过程声音;
分析匹配模块,用于提取所述待检测声音信号的待检测声音特征,判断音频特征模型中是否存在至少一个与所述待检测声音特征相匹配的预设音频特征,得到匹配结果;
故障处理模块,用于在所述匹配结果为匹配成功时,判定机房出现运行异常,对所述异常声音信号进行预警通知或标识;
模型训练模块,用于在所述匹配结果为匹配失败时,将所述待检测声音特征输入所述音频特征模型进行训练。
10.一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至8中任一项所述的机房监控方法。
11.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器实现权利要求1至8中任一项所述的机房监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110274211.4A CN113064374A (zh) | 2021-03-12 | 2021-03-12 | 机房监控方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110274211.4A CN113064374A (zh) | 2021-03-12 | 2021-03-12 | 机房监控方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113064374A true CN113064374A (zh) | 2021-07-02 |
Family
ID=76560572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110274211.4A Pending CN113064374A (zh) | 2021-03-12 | 2021-03-12 | 机房监控方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113064374A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113640597A (zh) * | 2021-07-16 | 2021-11-12 | 瑞芯微电子股份有限公司 | 一种检测智慧空间设备的方法、存储设备和检测设备的方法、系统 |
CN114189506A (zh) * | 2021-12-09 | 2022-03-15 | 新奥数能科技有限公司 | 一种设备巡检方法、装置及系统 |
CN115187927A (zh) * | 2022-07-27 | 2022-10-14 | 上海志远生态园林工程有限公司 | 一种观景座椅远程监测管理方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106596123A (zh) * | 2016-11-22 | 2017-04-26 | 东软集团股份有限公司 | 设备故障诊断的方法、装置及系统 |
CN109298642A (zh) * | 2018-09-20 | 2019-02-01 | 三星电子(中国)研发中心 | 采用智能音箱进行监控的方法及装置 |
CN109357749A (zh) * | 2018-09-04 | 2019-02-19 | 南京理工大学 | 一种基于dnn算法的电力设备音频信号分析方法 |
CN112164390A (zh) * | 2020-09-16 | 2021-01-01 | 珠海格力电器股份有限公司 | 一种设备故障识别方法及系统 |
CN112420055A (zh) * | 2020-09-22 | 2021-02-26 | 甘肃同兴智能科技发展有限公司 | 基于声纹特征的变电站状态识别方法及装置 |
-
2021
- 2021-03-12 CN CN202110274211.4A patent/CN113064374A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106596123A (zh) * | 2016-11-22 | 2017-04-26 | 东软集团股份有限公司 | 设备故障诊断的方法、装置及系统 |
CN109357749A (zh) * | 2018-09-04 | 2019-02-19 | 南京理工大学 | 一种基于dnn算法的电力设备音频信号分析方法 |
CN109298642A (zh) * | 2018-09-20 | 2019-02-01 | 三星电子(中国)研发中心 | 采用智能音箱进行监控的方法及装置 |
CN112164390A (zh) * | 2020-09-16 | 2021-01-01 | 珠海格力电器股份有限公司 | 一种设备故障识别方法及系统 |
CN112420055A (zh) * | 2020-09-22 | 2021-02-26 | 甘肃同兴智能科技发展有限公司 | 基于声纹特征的变电站状态识别方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113640597A (zh) * | 2021-07-16 | 2021-11-12 | 瑞芯微电子股份有限公司 | 一种检测智慧空间设备的方法、存储设备和检测设备的方法、系统 |
CN114189506A (zh) * | 2021-12-09 | 2022-03-15 | 新奥数能科技有限公司 | 一种设备巡检方法、装置及系统 |
CN114189506B (zh) * | 2021-12-09 | 2024-04-16 | 新奥数能科技有限公司 | 一种设备巡检方法、装置及系统 |
CN115187927A (zh) * | 2022-07-27 | 2022-10-14 | 上海志远生态园林工程有限公司 | 一种观景座椅远程监测管理方法及系统 |
CN115187927B (zh) * | 2022-07-27 | 2024-03-26 | 上海志远生态园林工程有限公司 | 一种观景座椅远程监测管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113064374A (zh) | 机房监控方法、装置、电子设备及介质 | |
US20200233397A1 (en) | System, method and computer-accessible medium for machine condition monitoring | |
KR102340477B1 (ko) | 기계 모니터링 | |
US11593610B2 (en) | Airport noise classification method and system | |
CN108776808A (zh) | 一种用于检测钢包溶蚀缺陷的方法和装置 | |
CN109086780B (zh) | 用于检测电极片毛刺的方法和装置 | |
CN111770427A (zh) | 麦克风阵列的检测方法、装置、设备以及存储介质 | |
CN108627349B (zh) | 用于识别机动车的特殊运行状态的方法和移动设备 | |
CN110595799A (zh) | 一种无人驾驶汽车的测试方法、装置、设备及储存介质 | |
CN110910415A (zh) | 抛物检测方法、装置、服务器和计算机可读介质 | |
CN113989503A (zh) | 一种生产线巡检系统、方法、电子设备及存储介质 | |
CN112817814A (zh) | 异常监控方法、系统、存储介质及电子装置 | |
CN110411554B (zh) | 一种电机设备检测方法、装置及系统 | |
CN105004497A (zh) | 用于对电动工具的故障进行征兆识别的方法 | |
US20210334590A1 (en) | Automated image curation for machine learning deployments | |
CN117114420B (zh) | 一种基于图像识别的工贸安全事故风险管控系统和方法 | |
US20210374598A1 (en) | A System and Method for Using Knowledge Gathered by a Vehicle | |
CN114184684A (zh) | 一种刀具切削状态在线检测方法及系统 | |
CN112836724A (zh) | 物体缺陷识别模型训练方法、装置、电子设备和存储介质 | |
CN111240923A (zh) | 车载导航系统复现问题的自动测试方法、装置和存储介质 | |
CN114996080A (zh) | 数据处理方法、装置、设备及存储介质 | |
US20230092026A1 (en) | Processing device, processing method, and non-transitory storage medium | |
CN111292767B (zh) | 一种音频事件检测方法和装置以及设备 | |
CN112860527A (zh) | 应用服务器的故障监测方法及装置 | |
US11145196B2 (en) | Cognitive-based traffic incident snapshot triggering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210702 |
|
RJ01 | Rejection of invention patent application after publication |