基于多模态边缘感知的液冷系统预测性诊断方法及装置与流程

本发明涉及故障监控，特别是涉及一种基于多模态边缘感知的液冷系统预测性诊断方法及装置。

背景技术：

1、服务器液冷系统是利用液体作为热量传输媒介，为高密度运转的服务器核心部件，如cpu、gpu进行散热的一套闭环解决方案。在人工智能与云计算飞速发展的今天，液冷系统成为解决数据中心能耗激增和芯热密度危机的关键技术。然而，该系统在长期运行中面临多种故障威胁，如：管路接头、冷板o形圈等部位因老化、振动导致的微观渗漏；冷却液中的微粒沉积、微生物滋生或冷板微流道因腐蚀产物导致的局部微堵塞，导致流量不均、散热性能下降等。对上述故障异常进行准确、及时的监控和诊断，是保障服务器液冷系统正常运行的关键。

2、目前，现有的液冷系统监控，主要通过监测冷却液进出口温度、系统压力和宏观流量来判断系统是否异常。这些宏观参数在早期微故障，如微泄漏、微堵发生时变化极不敏感，只有当故障发展到一定程度、已影响散热效能时才会被发现，但此时液冷系统的功能实现已经受影响，对应的芯片热点温度已开始缓慢爬升，甚至对芯片造成不可逆的影响。

技术实现思路

1、有鉴于此，本发明提供一种基于多模态边缘感知的液冷系统预测性诊断方法及装置，主要目的在于解决现有服务器液冷系统故障识别及时性低的问题。

2、依据本发明一个方面，提供了一种基于多模态边缘感知的液冷系统预测性诊断方法，包括：

3、获取目标检测液冷系统中多个关键监控节点的实时多模态感知信号，其中，所述多模态感知信号包括实时超声信号和实时微压差传感信号；

4、对每一所述关键监控节点的实时多模态感知信号分别进行融合特征提取，得到不同关键监控节点各自的融合特征，其中，任一所述关键监控节点的实时多模态感知信号的融合特征提取的过程，包括：对所述实时超声信号进行基于时频变换的预处理，得到声谱图，对所述实时微压差传感信号进行基于时频分析的预处理，得到压力脉动谱图；对所述声谱图进行特征提取，得到超声频谱特征，对所述压力脉动谱图进行特征提取，并依据提取到的动态特征生成压力特征，依据所述超声频谱特征与所述压力特征的时域关联性和频域互信息，提取融合特征；

5、将全局关键监控节点的融合特征进行拼接，并通过预训练故障诊断模型中的多个并行故障分支，分别依据所述融合特征的拼接结果进行预测处理，得到故障识别结果。

6、依据本发明另一个方面，提供了一种基于多模态边缘感知的液冷系统预测性诊断装置，包括：

7、获取模块，用于获取目标检测液冷系统中多个关键监控节点的实时多模态感知信号，其中，所述多模态感知信号包括实时超声信号和实时微压差传感信号；

8、特征提取模块，用于对每一所述关键监控节点的实时多模态感知信号分别进行融合特征提取，得到不同关键监控节点各自的融合特征，其中，任一所述关键监控节点的实时多模态感知信号的融合特征提取的过程，包括：对所述实时超声信号进行基于时频变换的预处理，得到声谱图，对所述实时微压差传感信号进行基于时频分析的预处理，得到压力脉动谱图；对所述声谱图进行特征提取，得到超声频谱特征，对所述压力脉动谱图进行特征提取，并依据提取到的动态特征生成压力特征，依据所述超声频谱特征与所述压力特征的时域关联性和频域互信息，提取融合特征；

9、故障识别模块，用于将全局关键监控节点的融合特征进行拼接，并通过预训练故障诊断模型中的多个并行故障分支，分别依据所述融合特征的拼接结果进行预测处理，得到故障识别结果。

10、根据本发明的又一方面，提供了一种存储介质，所述存储介质中存储有至少一个可执行指令，所述可执行指令使处理器执行如上述基于多模态边缘感知的液冷系统预测性诊断方法对应的操作。

11、根据本发明的再一方面，提供了一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

12、所述存储器用于存放至少一个可执行指令，所述可执行指令使所述处理器执行上述基于多模态边缘感知的液冷系统预测性诊断方法对应的操作。

13、借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：

14、本发明提供了一种基于多模态边缘感知的液冷系统预测性诊断方法及装置，本发明实施例通过获取目标检测液冷系统中多个关键监控节点的实时多模态感知信号，其中，所述多模态感知信号包括实时超声信号和实时微压差传感信号；对每一所述关键监控节点的实时多模态感知信号分别进行融合特征提取，得到不同关键监控节点各自的融合特征，将全局关键监控节点的融合特征进行拼接，并通过预训练故障诊断模型中的多个并行故障分支，分别依据所述融合特征的拼接结果进行预测处理，得到故障识别结果，通过上述多节点并行感知与融合特征提取机制，大大减少了单一传感器误判所带来的不确定性，降低了重复计算的资源开销，同时，又确保不同物理节点之间故障特征的时空关联性得以完整保留，从而大大提高系统在复杂工况下的故障识别准确率与定位精度。

15、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

1.一种基于多模态边缘感知的液冷系统预测性诊断方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，对所述实时超声信号进行基于时频变换的预处理，得到声谱图，包括：

3.根据权利要求2所述的方法，其特征在于，任一子频段的超声频谱特征提取过程，包括：

4.根据权利要求2所述的方法，其特征在于，对所述压力脉动谱图进行特征提取，包括：

5.根据权利要求1所述的方法，其特征在于，依据所述超声频谱特征与所述压力特征的时域关联性和频域互信息，提取融合特征，包括：

6.根据权利要求1所述的方法，其特征在于，所述预训练故障诊断模型包括共享特征提取层和多个故障识别分支，其中，所述故障识别分支包括泵早期退化识别分支、密封微泄漏识别分支、冷板微堵塞识别分支、气泡侵入与气蚀识别分支和接头松动识别分支，各所述故障识别分支均包括两个串联连接的特征提取层、一个决策层和一个输出层；

7.根据权利要求6所述的方法，其特征在于，在所述泵早期退化识别分支中，所述第二特征提取层包括第一子网络和第二子网络，其中，所述第一子网络用于提取调制边带能量比和时间序列差分，并输出轴承磨损指示量；所述第二子网络用于提取第一预设频段的瞬态事件率和压力脉动相干系数并在所述压力脉动相干系数大于对应阈值的情况下，对所述瞬态事件率的滑动窗口均值进行加权放大，得到气蚀初始指示量，以将所述气蚀初始指示量作为泵早起退化评估参数与轴承磨损指示量共同作为所述输出层的预测依据，以输出泵退化识别结果；

8.一种基于多模态边缘感知的液冷系统预测性诊断装置，其特征在于，包括：

9.一种存储介质，其特征在于，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-7中任一项所述的基于多模态边缘感知的液冷系统预测性诊断方法对应的操作。

10.一种终端，其特征在于，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；