(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111650551.9 (22)申请日 2021.12.3 0 (71)申请人 许寅冬 地址 200030 上海市徐汇区梅陇九村 61号 201室 (72)发明人 许寅冬　童旭亮　张云岑　 (74)专利代理 机构 安徽初升专利代理事务所 (普通合伙) 3423 3 专利代理师 曹雪菲 (51)Int.Cl. G05B 19/05(2006.01) G06N 20/00(2019.01) G16Y 10/75(2020.01) G16Y 20/10(2020.01) G16Y 20/30(2020.01)G16Y 40/10(2020.01) G16Y 40/20(2020.01) G16Y 40/30(2020.01) G16Y 40/40(2020.01) (54)发明名称 基于机器学习的机房故障预警方法及流 程 (57)摘要 本发明涉及机房故障预警技术领域， 具体涉 及基于机器学习的机房故障预警方法及流程， 包 括： S1、 传感器的布置； S2、 故障机器人的安装； S3、 数据的采集； S4、 模型的建立； S5、 故障排除检 测， 本发明中通过布置传感器， 对机房内部环境 进行监测， 之后对各种类型的故障进行手动处 理， 在建立模型， 利用算法将故障处理方式录入 故障机器人的程序中， 使 得故障机器人在之后出 现故障预警时， 根据大数据计算的结果选择合适 的处理方式， 从而辅助工作人员排除故障， 进而 起到对机房内部故障预警的作用。 权利要求书3页 说明书9页 CN 114563976 A 2022.05.31 CN 114563976 A 1.基于机器学习的机房故障预警方法及流 程， 其特征在于， 包括以下步骤： S1、 传感器的布置： 传感器包括温度传感器、 湿度传感器、 压力传感器以及微型风力发 电装置； S2、 故障机器人的安装： 故障机器人由外壳、 PCL控制器、 处理器、 无线模块以及报警器 组成， 主要负责接收各个传感器采集的信息以及根据信息去判断机房故障点进行报警； S3、 数据的采集； S4、 模型的建立； S5、 故障排除检测。 2.根据权利要求1所述的基于机器学习的机房故障预警方法及流程， 其特征在于： 所述 步骤S1中具体步骤为： S1.1、 温度传感器以及湿度传感器均设置有八个， 温度传感器和湿度传感器分别布置 在机房内部， 共计布置五个温度传感器和五个湿度传感器， 每个温度传感器和湿度传感去 之间的直线距离大致相同， 在机房精密空调出风口部分分别安装一个温度传感器和湿度传 感器， 在机房主排气口分别安装一个温度传感器和湿度传感器， 在机房外部分别安装一个 温度传感器和湿度传感； S1.2、 微型风力发电装置包括动力桨、 发电机、 逆变器以及蓄电池， 装置安装在机房主 排气口外侧， 动力桨位于出风口正下方， 动力桨部 分与出风口的下半部 分平齐， 既能够确保 出风口出风带动 动力桨旋转， 且避免动力桨堵住出风口。 3.根据权利要求1所述的基于机器学习的机房故障预警方法及流程， 其特征在于： 所述 步骤S2具体为： S2.1、 故障机器人安装在机房中部， 故障机器人中PLC控制器分别与机房精密空调电源 以及机房排气风扇的电源电性连接， 故障机器人中处理器通过无线模块与温度传感器、 湿 度传感器、 压力传感器以及微型风力发电装置中发电机信号连接； S2.2、 故障机器人中的报警器分别安装在机房精密空调以及机房排气口处。 4.根据权利要求1所述的基于机器学习的机房故障预警方法及流程， 其特征在于： 所述 步骤S3具体为： S3.1、 非故障数据采集： 对机房内部温度、 湿度以及压力数据进行采集， 采集过程中， 应 确保有工作人员在机房内确保机器的正常运行， 从而确保采集的数据是机房正常运行的环 境数据， 数据采集时间为期半个月 ， 每次采集时间2天， 采集时间间隔1天， 最后对采集的数 据取平均值范围； S3.2、 故障数据的采集： 机房内部环境异常具体为： 温度异常、 湿度异常以及压力异常， 温度异常： 表现为机房精密空调故障， 此时， 机房精密空调出风口位置温度传感器与其 他温度传感器数据相差过大， 导致机房内部温度过高， 容易造成机房内部线路老化， 从而造 成损坏； 湿度异常： 表现为机房出风口排气扇损坏， 当机房内排气扇不工作时， 机房内部空气不 流通， 导致机房内外温差不同， 从而产生湿空气， 而排气扇出现故障后， 内外空气不流通， 导 致机房内时空气无法排出， 从而造成内部湿度增 加， 造成机房内部线路短路； 压力异常： 表现为机房内部压力异常， 压力异常主要有三种情况， 机房出风口堵塞， 此 时由于出风口堵塞， 导致内部空气无法流通， 进而造成压力过大； 其次， 当机房空调异常工权　利　要　求　书 1/3 页 2 CN 114563976 A 2作时， 导致机房空调热风排放不正差， 造成机房内部温度升高， 机房换气的速度 跟不上温度 提高的速度， 从而因为温度过高引起的压力增大 的情况； 又或者同时出现出风口堵塞以及 机房空调异常， 造成的机房内部压力急剧增加， 与此同时， 排气扇异常时， 由于机房内部压 力过大， 机房仍旧可以通过 出风口将压力排出； S3.3、 故障异常数据的整合： 温度异常： 基于温度传感器数据异常的情况下分为： 空调出温度传感器的数据大于其 它位置的温度传感器的数据； 湿度异常： 基于湿度传感器数据异常的情况下分为： 微型发电装置不发电、 微型发电装 置发电量远小于正常值以及湿度传感器监测数据远小于正常值范围； 压力异常： 基于压力传感器数据异常的情况下分为： 机房空调处温度传感器数据远大 于其他位置的温度传感器的数据、 微型发电装置发电量小于正常值、 微型发电装置不发电； S3.4、 故障情况处 理： 温度异常： 空调出温度传感器的数据大于其它位置的温度传感器的数据时， 机房空调 异常附近的报警器发出警报并且自动切断该 范围内的空调电源； 湿度异常： 微型发电装置不发电时， 切断机房内空调电源， 减少内外温差， 并且出风口 处报警器发出警报； 微型发电装置发电量远小于正常值以及湿度传感器监测数据远小于正 常值范围时， 根据机房外部温度传感器数据于机房内部温度传感器数据的差异调整机房空 调的温度， 从而 避免因为室内外温差 造成潮湿空气的增多， 并且出风口处报警器发出警报； 压力异常： 机房空调处温度传感器数据远大于其他位置的温度传感器的数据时， 切断 该区域内的空调电源以及启动范围内的报警器， 并且同步开启所以排气扇； 微型发电装置 发电量小于正常值时， 该范围内的报警器发出警报并且调低空调温度， 避免因为温度升高 造成压强增大； 微型发电装置不发电时， 该范围内的报警器发出警报并且关闭机房内部空 调， 避免因为温度升高造成压强增大。 5.根据权利要求1所述的基于机器学习的机房故障预警方法及流程， 其特征在于： 所述 步骤S4具体为： 根据步骤S3中整合的机房内部环境异常的情况进行编号， 之后将处理方式 编程录入故障机器人处理器中， 并且运用算法建立模型， 之后将模型录入故障机器人处理 器中， 算法为： G(x)＝sign( ‑1+g1(x)+g2(x)) g1(x)＝g2(x)＝+1(TRUE) G(x)＝+1(TRUE) Otherwise: G(x)＝‑1(FALSE) G＝AND(g1， g2)。 6.根据权利要求1所述的基于机器学习的机房故障预警方法及流程， 其特征在于， 所述 步骤S5具体为： S5.1、 根据步骤S3中涉及到的机房环境异常的可能性依次进行实验， 之后观察故障机 器人是否能够按照设定程序进行处 理并且报警； S5.2、 记录实验过程中， 故障机器人是否能够根据不同类型的故障精确地寻找故障点 并且控制器开启故障点附近的报警器， 以及针对故障点范围内进 行机房空调以及排气扇的权　利　要　求　书 2/3 页 3 CN 114563976 A 3