本發(fā)明屬于智能監(jiān)測(cè)，具體的說是融合ai視覺識(shí)別的密閉式數(shù)據(jù)冷卻智能監(jiān)測(cè)系統(tǒng)。
背景技術(shù)：
1、在現(xiàn)代數(shù)據(jù)中心、電力機(jī)房等密閉式冷卻場(chǎng)景中，高效可靠的溫度控制是保障核心設(shè)備穩(wěn)定運(yùn)行的關(guān)鍵。然而，傳統(tǒng)的冷卻監(jiān)測(cè)技術(shù)存在明顯缺陷，導(dǎo)致冷卻效率低下、能耗高企，且難以應(yīng)對(duì)日益復(fù)雜的熱管理挑戰(zhàn)。
2、首先，傳統(tǒng)方案的數(shù)據(jù)協(xié)同性差。現(xiàn)有系統(tǒng)通常依賴離散部署的溫濕度傳感器進(jìn)行點(diǎn)式監(jiān)測(cè)，而將紅外熱成像、可見光視頻監(jiān)控與設(shè)備運(yùn)行傳感器等系統(tǒng)相互獨(dú)立，形成數(shù)據(jù)孤島。這些多源異構(gòu)數(shù)據(jù)在時(shí)間尺度、空間坐標(biāo)系和數(shù)據(jù)格式上難以對(duì)齊融合，導(dǎo)致無法建立設(shè)備運(yùn)行狀態(tài)、視覺特征與環(huán)境溫度場(chǎng)的量化關(guān)聯(lián)，難以從整體視角洞察冷卻系統(tǒng)的真實(shí)工況，更無法實(shí)現(xiàn)現(xiàn)象與根源的因果追溯。
3、其次，傳感器的布點(diǎn)盲目性高。目前的監(jiān)測(cè)網(wǎng)絡(luò)部署多依賴人工經(jīng)驗(yàn)，采用均勻布點(diǎn)或基于歷史故障點(diǎn)的局部增補(bǔ)方式。這種靜態(tài)、經(jīng)驗(yàn)化的布點(diǎn)策略無法精準(zhǔn)匹配動(dòng)態(tài)變化的設(shè)備熱負(fù)載分布與氣流組織，容易造成關(guān)鍵熱點(diǎn)區(qū)域監(jiān)測(cè)密度不足而產(chǎn)生漏報(bào)風(fēng)險(xiǎn)，同時(shí)又在非關(guān)鍵區(qū)域造成傳感器資源冗余和成本浪費(fèi)，監(jiān)測(cè)網(wǎng)絡(luò)的整體性價(jià)比和有效性難以保證。
4、最后，異常的識(shí)別與診斷精度低下。傳統(tǒng)方法多依賴固定閾值進(jìn)行報(bào)警，對(duì)早期、緩變的異常或由多設(shè)備耦合作用引發(fā)的復(fù)雜熱現(xiàn)象響應(yīng)遲鈍、誤報(bào)率高。系統(tǒng)通常僅能告警溫度超標(biāo)，卻無法精準(zhǔn)定位異常設(shè)備、識(shí)別故障類型，更難以評(píng)估局部熱點(diǎn)對(duì)上游業(yè)務(wù)的影響程度，導(dǎo)致運(yùn)維響應(yīng)滯后、調(diào)控決策粗放，無法實(shí)現(xiàn)從被動(dòng)告警到主動(dòng)預(yù)測(cè)與精準(zhǔn)處置的跨越。
5、因此，亟需一種融合ai視覺識(shí)別的密閉式數(shù)據(jù)冷卻智能監(jiān)測(cè)系統(tǒng)，以解決現(xiàn)有技術(shù)在數(shù)據(jù)協(xié)同、布點(diǎn)優(yōu)化和智能診斷方面的根本性不足。
技術(shù)實(shí)現(xiàn)思路
1、為了彌補(bǔ)現(xiàn)有技術(shù)的不足，本發(fā)明提出的融合ai視覺識(shí)別的密閉式數(shù)據(jù)冷卻智能監(jiān)測(cè)系統(tǒng)。本發(fā)明主要用于解決數(shù)據(jù)協(xié)同性差、傳感器布點(diǎn)盲目性高和異常識(shí)別精度低下的問題。
2、本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：本發(fā)明提供的融合ai視覺識(shí)別的密閉式數(shù)據(jù)冷卻智能監(jiān)測(cè)系統(tǒng)，包括：
3、數(shù)據(jù)采集監(jiān)測(cè)模塊，用于收集目標(biāo)冷卻區(qū)域的設(shè)備位置數(shù)據(jù)和設(shè)備運(yùn)行傳感數(shù)據(jù)，并對(duì)設(shè)備區(qū)域進(jìn)行監(jiān)測(cè)得到多模態(tài)視覺數(shù)據(jù)。
4、特征布點(diǎn)制定模塊，用于對(duì)多模態(tài)視覺數(shù)據(jù)進(jìn)行提取得到視覺特征，采用時(shí)空融合關(guān)聯(lián)方法分析視覺特征與設(shè)備運(yùn)行傳感數(shù)據(jù)的關(guān)聯(lián)性得到視覺傳感關(guān)聯(lián)數(shù)據(jù)，結(jié)合設(shè)備位置數(shù)據(jù)制定傳感器放置點(diǎn)。
5、建模識(shí)別區(qū)域模塊，用于建立動(dòng)態(tài)視覺監(jiān)測(cè)模型，輸入多模態(tài)視覺數(shù)據(jù)、設(shè)備運(yùn)行傳感數(shù)據(jù)和視覺傳感關(guān)聯(lián)數(shù)據(jù)，生成設(shè)備與溫度場(chǎng)異常數(shù)據(jù)，根據(jù)視覺特征進(jìn)行熱點(diǎn)區(qū)域提取，結(jié)合數(shù)據(jù)流動(dòng)規(guī)律對(duì)目標(biāo)冷卻區(qū)域溫度的影響幅度，識(shí)別關(guān)鍵監(jiān)測(cè)區(qū)域。
6、優(yōu)化調(diào)控策略模塊，用于對(duì)關(guān)鍵監(jiān)測(cè)區(qū)域的傳感器放置點(diǎn)和多模態(tài)視覺數(shù)據(jù)進(jìn)行調(diào)整得到優(yōu)化監(jiān)測(cè)方案，結(jié)合設(shè)備與溫度場(chǎng)異常數(shù)據(jù)制定冷卻調(diào)控策略。
7、本發(fā)明提供的融合ai視覺識(shí)別的密閉式數(shù)據(jù)冷卻智能監(jiān)測(cè)系統(tǒng)，特征布點(diǎn)制定模塊得到視覺特征的步驟包括：
8、多模態(tài)視覺數(shù)據(jù)包括熱成像溫度場(chǎng)數(shù)據(jù)和設(shè)備狀態(tài)圖像數(shù)據(jù)，對(duì)熱成像溫度場(chǎng)數(shù)據(jù)進(jìn)行噪聲過濾、溫度校準(zhǔn)和剔除與冷卻區(qū)域無關(guān)的區(qū)域得到溫度場(chǎng)處理數(shù)據(jù)。
9、對(duì)設(shè)備狀態(tài)圖像數(shù)據(jù)進(jìn)行圖像增強(qiáng)與分割和畸變校正處理得到圖像處理數(shù)據(jù)。
10、對(duì)溫度場(chǎng)處理數(shù)據(jù)進(jìn)行溫度特征和時(shí)空關(guān)聯(lián)特征提取得到溫度場(chǎng)特征，對(duì)圖像處理數(shù)據(jù)從設(shè)備幾何狀態(tài)、表面紋理和動(dòng)作行為方面進(jìn)行特征提取得到設(shè)備狀態(tài)特征。
11、根據(jù)設(shè)備位置數(shù)據(jù)的三維網(wǎng)格單元為統(tǒng)一空間標(biāo)準(zhǔn)，將溫度場(chǎng)特征和設(shè)備狀態(tài)特征進(jìn)行空間綁定，進(jìn)行標(biāo)準(zhǔn)化得到視覺特征。
12、本發(fā)明提供的融合ai視覺識(shí)別的密閉式數(shù)據(jù)冷卻智能監(jiān)測(cè)系統(tǒng)，特征布點(diǎn)制定模塊得到視覺傳感關(guān)聯(lián)數(shù)據(jù)的步驟包括：
13、提取視覺特征和設(shè)備運(yùn)行傳感數(shù)據(jù)的采集時(shí)間戳，以預(yù)設(shè)時(shí)間精度為基準(zhǔn)，采用線性插值法對(duì)采樣頻率不同的數(shù)據(jù)進(jìn)行補(bǔ)全。
14、基于設(shè)備位置數(shù)據(jù)將視覺特征的空間坐標(biāo)映射到物理空間坐標(biāo)，與設(shè)備運(yùn)行傳感數(shù)據(jù)綁定，按照物理空間區(qū)域劃分?jǐn)?shù)據(jù)子集進(jìn)行空間維度對(duì)齊。
15、對(duì)視覺特征和設(shè)備運(yùn)行傳感數(shù)據(jù)從紅外、可見光和設(shè)備運(yùn)行傳感參數(shù)進(jìn)行分類，根據(jù)冷卻系統(tǒng)運(yùn)行機(jī)理，建立特征參數(shù)匹配表。
16、針對(duì)特征參數(shù)匹配表中不同類型的匹配對(duì)，進(jìn)行線性與非線性劃分得到類型匹配對(duì)，采用對(duì)應(yīng)的數(shù)學(xué)模型計(jì)算關(guān)聯(lián)度，剔除未達(dá)到預(yù)設(shè)關(guān)聯(lián)度閾值的類型匹配對(duì)得到視覺傳感關(guān)聯(lián)數(shù)據(jù)。
17、本發(fā)明提供的融合ai視覺識(shí)別的密閉式數(shù)據(jù)冷卻智能監(jiān)測(cè)系統(tǒng)，特征布點(diǎn)制定模塊得到傳感器放置點(diǎn)的步驟包括：
18、從視覺傳感關(guān)聯(lián)數(shù)據(jù)中篩選達(dá)到預(yù)設(shè)要求的類型匹配對(duì)所對(duì)應(yīng)的區(qū)域作為關(guān)聯(lián)區(qū)域。
19、基于設(shè)備位置數(shù)據(jù)構(gòu)建目標(biāo)冷卻區(qū)域的三維空間模型，將關(guān)聯(lián)區(qū)域進(jìn)行映射，標(biāo)記禁布點(diǎn)區(qū)域和可布點(diǎn)區(qū)域形成監(jiān)測(cè)網(wǎng)格圖層。
20、根據(jù)空間距離和設(shè)備匹配規(guī)則設(shè)定初始篩選規(guī)則，對(duì)監(jiān)測(cè)網(wǎng)格圖層中的可布點(diǎn)區(qū)域進(jìn)行篩選得到多個(gè)網(wǎng)格中心坐標(biāo)，作為初步候選布點(diǎn)集。
21、從視覺傳感關(guān)聯(lián)度、溫度影響幅度、設(shè)備密度和維護(hù)便利性四個(gè)方面建立評(píng)估指標(biāo)，以達(dá)到預(yù)設(shè)監(jiān)測(cè)價(jià)值為目標(biāo)設(shè)定指標(biāo)權(quán)重構(gòu)成評(píng)估體系。
22、根據(jù)評(píng)估體系對(duì)每個(gè)初步候選布點(diǎn)計(jì)算綜合評(píng)分，從高到低進(jìn)行排序形成優(yōu)先級(jí)候選點(diǎn)序列。
23、從優(yōu)先級(jí)候選點(diǎn)序列中依次選取布點(diǎn)，基于傳感器有效監(jiān)測(cè)半徑，在三維空間模型模擬監(jiān)測(cè)覆蓋范圍，計(jì)算當(dāng)前布點(diǎn)位置方案的監(jiān)測(cè)覆蓋率，判斷是否達(dá)到預(yù)設(shè)標(biāo)準(zhǔn)，是則輸出作為傳感器布置點(diǎn)，否則對(duì)初始篩選規(guī)則進(jìn)行調(diào)整。
24、本發(fā)明提供的融合ai視覺識(shí)別的密閉式數(shù)據(jù)冷卻智能監(jiān)測(cè)系統(tǒng)，建模識(shí)別區(qū)域模塊得到動(dòng)態(tài)視覺監(jiān)測(cè)模型的步驟包括：
25、基于預(yù)設(shè)任務(wù)需求制定特征融合層、異常識(shí)別層和動(dòng)態(tài)更新層作為混合深度學(xué)習(xí)架構(gòu)，整合歷史多模態(tài)數(shù)據(jù)，進(jìn)行設(shè)備、溫度場(chǎng)和關(guān)聯(lián)數(shù)據(jù)標(biāo)注，按照預(yù)設(shè)比例劃分訓(xùn)練集和驗(yàn)證集。
26、針對(duì)預(yù)設(shè)異常識(shí)別需求，設(shè)計(jì)組合損失函數(shù)，根據(jù)訓(xùn)練集對(duì)特征融合層進(jìn)行訓(xùn)練，采用網(wǎng)格搜索對(duì)超參數(shù)進(jìn)行尋優(yōu)，根據(jù)驗(yàn)證集選擇超參數(shù)組合構(gòu)建動(dòng)態(tài)視覺監(jiān)測(cè)模型。
27、本發(fā)明提供的融合ai視覺識(shí)別的密閉式數(shù)據(jù)冷卻智能監(jiān)測(cè)系統(tǒng)，建模識(shí)別區(qū)域模塊得到設(shè)備與溫度場(chǎng)異常數(shù)據(jù)的步驟包括：
28、對(duì)多模態(tài)視覺數(shù)據(jù)進(jìn)行特征轉(zhuǎn)換得到溫度矩陣和圖像張量，對(duì)設(shè)備運(yùn)行傳感數(shù)據(jù)和視覺傳感關(guān)聯(lián)數(shù)據(jù)進(jìn)行預(yù)處理得到多模融合數(shù)據(jù)。
29、將溫度矩陣、圖像張量和多模融合數(shù)據(jù)輸入動(dòng)態(tài)視覺監(jiān)測(cè)模型的特征融合層，輸出得到融合特征向量。
30、將融合特征向量輸入異常識(shí)別層，與動(dòng)態(tài)監(jiān)測(cè)模型的故障異常庫進(jìn)行特征匹配，輸出故障類型，結(jié)合設(shè)備位置定位異常設(shè)備的實(shí)際坐標(biāo)。
31、將融合特征向量與預(yù)設(shè)溫度場(chǎng)基線進(jìn)行對(duì)比計(jì)算溫度偏差值，根據(jù)預(yù)設(shè)異常閾值篩選熱點(diǎn)與溫度梯度異常區(qū)域。
32、結(jié)合視覺特征，輸出熱點(diǎn)與溫度梯度異常區(qū)域的面積、最高溫度和溫度變化速率，并基于視覺傳感關(guān)聯(lián)數(shù)據(jù)判斷異常誘因得到設(shè)備與溫度場(chǎng)異常數(shù)據(jù)。
33、本發(fā)明提供的融合ai視覺識(shí)別的密閉式數(shù)據(jù)冷卻智能監(jiān)測(cè)系統(tǒng)，建模識(shí)別區(qū)域模塊得到熱點(diǎn)區(qū)域的步驟包括：
34、基于冷卻系統(tǒng)運(yùn)行基線，設(shè)定熱點(diǎn)判定閾值和熱點(diǎn)等級(jí)閾值，對(duì)設(shè)備與溫度場(chǎng)異常數(shù)據(jù)進(jìn)行二值化處理，將高于熱點(diǎn)判定閾值的像素標(biāo)記為異常像素，形成熱點(diǎn)區(qū)域掩碼。
35、采用膨脹-腐蝕算法消除熱點(diǎn)區(qū)域掩碼中的孤立噪點(diǎn)，填補(bǔ)孔洞得到區(qū)域輪廓。
36、通過連通域分析算法將相鄰的異常像素聚類為獨(dú)立熱點(diǎn)區(qū)域，結(jié)合區(qū)域輪廓形成熱點(diǎn)區(qū)域。
37、本發(fā)明提供的融合ai視覺識(shí)別的密閉式數(shù)據(jù)冷卻智能監(jiān)測(cè)系統(tǒng)，建模識(shí)別區(qū)域模塊得到關(guān)鍵監(jiān)測(cè)區(qū)域的步驟包括：
38、記錄每個(gè)熱點(diǎn)區(qū)域?qū)?yīng)的數(shù)據(jù)流量、數(shù)據(jù)傳輸延遲和節(jié)點(diǎn)負(fù)載率作為數(shù)據(jù)流動(dòng)特征，分析與溫度變化的關(guān)聯(lián)規(guī)律。
39、根據(jù)數(shù)據(jù)中心業(yè)務(wù)類型制定數(shù)據(jù)特征對(duì)應(yīng)權(quán)重系數(shù)，針對(duì)每個(gè)熱點(diǎn)區(qū)域和對(duì)應(yīng)的數(shù)據(jù)流動(dòng)特征，結(jié)合關(guān)聯(lián)規(guī)律計(jì)算影響幅度系數(shù)。
40、基于影響幅度系數(shù)劃分影響等級(jí)，結(jié)合熱點(diǎn)等級(jí)閾值制定評(píng)分規(guī)則，計(jì)算區(qū)域優(yōu)先級(jí)得分，根據(jù)預(yù)設(shè)得分區(qū)間劃分得到關(guān)鍵監(jiān)測(cè)區(qū)域。
41、本發(fā)明提供的融合ai視覺識(shí)別的密閉式數(shù)據(jù)冷卻智能監(jiān)測(cè)系統(tǒng)，優(yōu)化調(diào)控策略模塊得到優(yōu)化監(jiān)測(cè)方案的步驟包括：
42、根據(jù)當(dāng)前傳感器布置點(diǎn)對(duì)關(guān)鍵監(jiān)測(cè)區(qū)域進(jìn)行覆蓋缺口識(shí)別、密度與類型匹配度分析得到放置點(diǎn)診斷數(shù)據(jù)。
43、根據(jù)當(dāng)前多模態(tài)視覺數(shù)據(jù)對(duì)關(guān)鍵監(jiān)測(cè)區(qū)域進(jìn)行視覺覆蓋盲區(qū)識(shí)別、參數(shù)適配性分析和數(shù)據(jù)協(xié)同性診斷得到視覺診斷數(shù)據(jù)。
44、針對(duì)放置點(diǎn)診斷數(shù)據(jù)從傳感器位置、傳感器密度和傳感器類型三個(gè)維度優(yōu)化當(dāng)前傳感器布置點(diǎn)得到傳感調(diào)整方案。
45、針對(duì)視覺診斷數(shù)據(jù)從設(shè)備部署、采集參數(shù)和數(shù)據(jù)處理進(jìn)行調(diào)整，捕捉關(guān)鍵監(jiān)測(cè)區(qū)域的異常特征得到視覺調(diào)整方案。
46、將傳感調(diào)整方案和視覺調(diào)整方案進(jìn)行整合得到優(yōu)化監(jiān)測(cè)方案。
47、本發(fā)明提供的融合ai視覺識(shí)別的密閉式數(shù)據(jù)冷卻智能監(jiān)測(cè)系統(tǒng)，優(yōu)化調(diào)控策略模塊得到冷卻調(diào)控策略的步驟包括：
48、根據(jù)關(guān)鍵監(jiān)測(cè)區(qū)域的優(yōu)先級(jí)和異常嚴(yán)重程度對(duì)設(shè)備與溫度場(chǎng)異常數(shù)據(jù)劃分異常等級(jí)。
49、結(jié)合視覺傳感關(guān)聯(lián)數(shù)據(jù)和數(shù)據(jù)流動(dòng)規(guī)律，分析每個(gè)異常等級(jí)的根本原因，輸出異常誘因清單。
50、根據(jù)異常等級(jí)和異常誘因清單匹配對(duì)應(yīng)的調(diào)控手段得到冷卻調(diào)控策略。
51、本發(fā)明的有益效果如下：
52、1.本發(fā)明通過時(shí)空融合關(guān)聯(lián)方法，將分散的多模態(tài)數(shù)據(jù)轉(zhuǎn)化為空間-時(shí)間-特征一體化的關(guān)聯(lián)數(shù)據(jù)集，明確了視覺特征與傳感參數(shù)的量化關(guān)聯(lián)關(guān)系，為異常誘因分析提供了數(shù)據(jù)支撐。通過三維空間模型模擬監(jiān)測(cè)覆蓋范圍，動(dòng)態(tài)調(diào)整布點(diǎn)位置與密度，將傳感器資源集中部署在最能反映系統(tǒng)健康狀態(tài)、最易發(fā)生異常的關(guān)鍵位置，顯著提升了監(jiān)測(cè)系統(tǒng)的性價(jià)比和有效性。能夠在設(shè)備性能劣化或局部溫度剛出現(xiàn)異常趨勢(shì)時(shí)即發(fā)出預(yù)警，并明確指出異常設(shè)備的位置和類型，為維護(hù)人員提供了寶貴的處置時(shí)間窗口和清晰的行動(dòng)指南。提升了運(yùn)維自動(dòng)化與智能化水平。