基于BMC智能管理的服务器硬件故障快速检测方法与流程

摘要: 本发明涉及基于bmc智能管理的服务器硬件故障快速检测方法,属于故障快速检测。背景技术:1、目前,基于bmc的服务器硬件故障检测方法主要依赖单一传感器阈值判断,例...
基于BMC智能管理的服务器硬件故障快速检测方法与流程

本发明涉及基于bmc智能管理的服务器硬件故障快速检测方法,属于故障快速检测。

背景技术:

1、目前,基于bmc的服务器硬件故障检测方法主要依赖单一传感器阈值判断,例如通过监测风扇的tach转速信号,当转速低于预设的固定阈值(如每分钟五十转)时才判定为风扇故障。

2、这种方法无法识别风扇的早期性能退化(如轴承磨损、积灰导致的转速下降但未完全停转),也缺乏对多种故障类型(如转子堵转、电机断路、电子驱动失效)的区分能力。

3、此外,现有技术中bmc通常采用开环控制策略,在风扇性能下降时不能自动调节pwm输出以补偿散热能力,导致服务器存在因散热不足而温度过高、降频甚至宕机的风险,且无法提供故障趋势预测和剩余寿命预估,难以实现预测性维护,因此,亟需对基于bmc智能管理的服务器硬件故障快速检测方法进行改进,以解决上述存在的问题。

技术实现思路

1、本发明的目的在于提供基于bmc智能管理的服务器硬件故障快速检测方法,利用bmc对风扇同时采集pwm占空比、实际转速、实际电流及进风口温度,通过建立动态健康基线和多参数融合判定,快速检测风扇的早期性能退化故障,并在故障发生前进行趋势预测和自适应补偿,以解决现有技术中风扇故障检测滞后、无法预警退化、不能自动维持散热能力的问题。

2、为实现上述目的,本发明提供如下技术方案:

3、第一方面,基于bmc智能管理的服务器硬件故障快速检测方法,包括以下步骤:

4、步骤1:获取第一控制周期的风扇运行数据;所述风扇运行数据包括当前pwm占空比d、实际转速r、实际电流c以及进风口温度t;

5、步骤2:根据获取的第一控制周期的风扇运行数据,建立动态健康基线:

6、步骤21:在新风扇投入使用后的初始学习期l内(l=24h),以采集频率采集各个pwm档位下的转速值和电流值,并同步记录进风口温度;

7、步骤22:计算每个pwm档位下的转速平均值和电流平均值以及各自的标准差、;

8、步骤23:拟合得到转速预测曲线和电流预测曲线,其中为拟合系数,d为pwm占空比(以百分数数值带入),t为温度;

9、两条曲线以pwm占空比d和温度t为输入,输出对应的预期转速值和预期电流值;

10、步骤3:根据所述风扇运行数据和预先建立的动态健康基线中获取预期转速值和预期电流值,并计算转速偏差率和电流偏差率;

11、其中,转速偏差率的计算公式为:;电流偏差率的计算公式为:;

12、式中,、为同一pwm占空比d下的健康转速均值和电流均值;

13、步骤4:将转速偏差率和电流偏差率与预设的多个级别的阈值进行比较,判定风扇的故障类型;

14、其中,故障类型的综合判定规则包括:

15、若实际转速(=50rpm),且实际电流c>,则判定为转子堵转故障;

16、若50rpm且c<,则判定为电机断路或线缆脱落故障;

17、若>且>,其中=0.30,=0.25,则判定为性能严重退化故障;

18、若<≤0.30且<≤0.25,其中=0.15,=0.15则判定为早期性能退化故障;

19、若>0.40且<-0.30,则判定为电子驱动故障;

20、上述内容中,为停转转速阈值,、为严重退化的偏差率阈值,、为早期退化的偏差率阈值;

21、步骤5:根据故障类型执行快速响应动作,快速响应动作包括记录系统事件日志、生成告警、自动调节pwm输出以补偿性能下降、或切换至冗余风扇;

22、自动调节pwm补偿具体为:

23、当判定为早期性能退化或性能严重退化时,bmc按照以下方式计算新的pwm占空比并输出,新的pwm占空比的计算公式为:

24、;

25、式中,为发生退化前的原始pwm占空比,为补偿系数,取值范围,为当前转速偏差率;若计算出的>100%,则取=100%,以使实际转速恢复至目标转速;

26、其中,动态健康基线记录不同pwm占空比及对应环境温度下的转速均值和电流均值;转速偏差率,电流偏差率;符号含义为:d为当前pwm占空比(0-100%),t为进风口环境温度(摄氏度),r为实时采集的实际转速(rpm),c为实时采集的实际电流(安培或毫安),为根据d和t从基线预测的预期转速,为根据d和t从基线预测的预期电流,为在pwm占空比为d时健康状态下的转速均值,为在pwm占空比为d时健康状态下的电流均值;

27、步骤6:趋势预测:当判定为早期性能退化后,每间隔分钟计算一次过去一小时(即6个时间点)内转速偏差率的线性回归斜率,线性回归斜率的计算公式为:;

28、其中,n=6,为第i个采样时间点,为时间平均值,为的平均值;

29、若>(=0.005每小时),则按下列公式预估剩余寿命(单位:小时):;

30、式中,=0.30为严重退化阈值,为当前时刻的转速偏差率;

31、通过bmc管理界面显示健康百分比和预估剩余寿命。

32、第二方面,所述bmc通过ipmi或redfish标准接口将故障类型、健康百分比h和剩余寿命预测值上报至上层管理平台,并在服务器机箱面板上点亮对应的故障指示灯,其中故障类型编码为:01表示转子堵转,02表示电机断路,03表示性能严重退化,04表示早期性能退化,05表示电子驱动故障。

33、第三方面,所述方法还适用于服务器电源供应器或硬盘背板管理控制器的故障快速检测,具体方式为:

34、对于电源供应器,建立电流与电压或功率的动态基线,定义偏差率、;

35、对于硬盘背板控制器,建立电流与转速或数据传输速率的基线,采用相同的偏差率计算公式和融合判定逻辑。

36、第四方面,一种电子设备,包括处理器和存储器,所述处理器与所述存储器相连,所述存储器用于存储计算机程序,所述处理器用于执行所述存储器中存储的计算机程序,以使得所述电子设备执行如第一方面所述的方法。

37、第五方面,一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如第一方面所述的方法。

38、与现有技术相比,本发明的有益效果是:

39、本发明通过同时采集风扇的pwm占空比、实际转速、实际电流及进风口温度,建立动态健康基线并计算转速偏差率与电流偏差率,实现了对早期性能退化故障的秒级快速检测(解决检测滞后问题);通过线性回归分析转速偏差率的变化斜率并预估剩余寿命,可在故障发生前数天至数周发出预警(解决无法预警退化问题);通过自动调节pwm占空比补偿性能下降,使实际转速恢复至目标转速,维持散热能力(解决不能自动维持散热问题);同时通过多参数融合判定规则,可精确区分转子堵转、电机断路、性能退化、电子驱动等五种故障类型,显著提升了服务器硬件故障检测的及时性、预测性和智能化水平。