【技术实现步骤摘要】
基于机器学习的机房故障预警方法及流程
[0001]本专利技术涉及机房故障预警
，具体涉及基于机器学习的机房故障预警方法及流程。
技术介绍
[0002]机房：旧时手工、丝棉织业的工作场所和生产单位的统称；现在指电脑学习室；在IT业，机房普遍指的是电信、网通、移动、双线、电力以及政府或者企业等，存放服务器的，为用户以及员工提供IT服务的地方；
[0003]机房内部由于设备线路过多，因此对于机房内部环境要求比较严格，机房内部环境若是出现问题，极其容易造成机房内部设备损坏以及短路的情况，而针对机房内部环境监控，大多数通过人工监控，然而人工监控效率低，且出错率高，因此本专利技术提出基于机器学习的机房故障预警方法及流程。
技术实现思路
[0004]针对现有技术所存在的上述缺点，本专利技术的第一目的在于提供基于机器学习的机房故障预警方法及流程，解决上述
技术介绍
中的问题。
[0005]为实现上述目的，本专利技术提供了如下技术方案：
[0006]基于机器学习的机房故障预警方法及流程，包括以下步骤：...
【技术保护点】
【技术特征摘要】
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
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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。