一种服务器风扇健康状态判别系统及判别方法与流程

1.本发明涉及服务器技术领域，尤其涉及一种服务器风扇健康状态判别系统及判别方法。


背景技术：

2.随着信息技术的发展，服务器的应用越来越广泛，在政府、金融等行业中，对服务器的需求越来越高。服务器的主要散热形式是风冷，因此风扇的健康状态往往会影响服务器的性能，严重的话甚至会导致服务器宕机。
3.目前只能对服务器风扇的电流和转速进行监控，无法对风扇的健康状态进行预测，例如风扇内部电机轴存在偏差、不平衡时，无法预测和及时发现。
4.图1为现有技术的监测服务器风扇的系统拓扑示意图。图1中，各个风扇(fan)的电流被bmc(baseboard management controller，基板管理控制器)的adc(模数转换器)采集，电流异常会被检测，主板上有振动传感器收集风扇的振动信息。bmc分析电流的异常值，例如堵转时电流增大，风扇损坏，振动规律不符合正常状态，然后进行报警。
5.现有技术方案仅能对堵转造成的电流异常做出实时判断，风扇支架与主板分离，板载振动传感器不能有效收集风扇的振荡状态；并且只能对风扇的电流和转速进行监控，无法对风扇的健康状态进行预测，如风扇内部电机轴存在偏差、不平衡时，无法预测和及时发现。


技术实现要素：

6.有鉴于此，本发明的目的在于提出一种服务器风扇健康状态判别系统及判别方法，用以解决现有的监测服务器风扇的系统无法对风扇的健康状态进行判别的问题。
7.基于上述目的，本发明提供了一种服务器风扇健康状态判别系统，包括：
8.声音采集模块，配置用于采集服务器风扇转动产生的声音并将声音转换为声音信号，且输出声音信号；
9.信号处理模块，配置用于接收声音信号，并将声音信号处理为电压时序信号，且将电压时序信号发送至bmc；以及
10.云端服务器，配置用于接收bmc发送的电压时序信号，并生成电压时序信号的功率谱密度图，并对功率谱密度图进行分析，以将功率谱密度图分为多个区域，并基于多个区域判别服务器风扇的当前及未来健康状态。
11.在一些实施例中，云端服务器包括特征提取模块，配置用于对电压时序信号进行功率谱估计以得到功率谱密度，且生成功率谱密度图，并对功率谱密度图划分频率区间，且分析不同的健康状态所对应的功率谱密度范围，以将功率谱密度图分为多个区域。
12.在一些实施例中，云端服务器还包括预测模块，配置用于将服务器风扇对应的当前功率谱密度与多个区域分别进行比对，以判别服务器风扇的当前健康状态。
13.在一些实施例中，预测模块还配置用于分析服务器风扇在最近时间段的功率谱密
度变化趋势，以预测服务器风扇的未来时间段的健康状态。
14.在一些实施例中，bmc配置用于接收当前健康状态和预测的健康状态，且将其显示在界面，并响应于当前健康状态或预测的健康状态为不良健康状态，发出报警信息。
15.在一些实施例中，声音采集模块至少包括mems麦克风。
16.本发明的另一方面，还提供了一种服务器风扇健康状态判别方法，包括以下步骤：
17.通过声音采集模块采集服务器风扇转动产生的声音并将声音转换为声音信号，且将声音信号发送至信号处理模块；
18.通过信号处理模块将接收到的声音信号处理为电压时序信号，且将电压时序信号发送至bmc；
19.通过云端服务器接收bmc发送的电压时序信号，并生成电压时序信号的功率谱密度图，并对功率谱密度图进行分析，以将功率谱密度图分为多个区域，并基于多个区域判别服务器风扇的当前及未来健康状态。
20.在一些实施例中，通过云端服务器接收bmc发送的电压时序信号，并生成电压时序信号的功率谱密度图，并对功率谱密度图进行分析，以将功率谱密度图分为多个区域包括：
21.通过云端服务器中的特征提取模块对电压时序信号进行功率谱估计以得到功率谱密度，且生成功率谱密度图，并对功率谱密度图划分频率区间，且分析不同的健康状态所对应的功率谱密度范围，以将功率谱密度图分为多个区域。
22.在一些实施例中，基于多个区域判别服务器风扇的当前及未来健康状态包括：
23.通过云端服务器的预测模块将服务器风扇对应的当前功率谱密度与多个区域分别进行比对，以判别服务器风扇的当前健康状态。
24.在一些实施例中，基于多个区域判别服务器风扇的当前及未来健康状态还包括：
25.通过预测模块分析服务器风扇在最近时间段的功率谱密度变化趋势，以预测服务器风扇的未来时间段的健康状态。
26.本发明至少具有以下有益技术效果：
27.本发明的服务器风扇健康状态判别系统，通过采集服务器中的声音，发送到云端服务器进行声音特质提取和分析，得到风扇健康状态的参照图，从而对服务器风扇的当前和未来健康状态进行判别，实现了对服务器风扇的实时监测和故障预测，有助于维护服务器的正常使用。
附图说明
28.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。
29.图1为现有技术的监测服务器风扇的系统拓扑示意图；
30.图2为根据本发明实施例提供的服务器风扇健康状态判别系统的示意图；
31.图3为根据本发明实施例提供的服务器风扇健康状态判别系统的拓扑示意图；
32.图4为根据本发明实施例提供的电压时序信号的功率谱密度图；
33.图5为根据本发明实施例提供的服务器风扇健康状态判别方法的示意图；
34.图6为根据本发明实施例提供的实现服务器风扇健康状态判别方法的计算机可读存储介质的示意图；
35.图7为根据本发明实施例提供的执行服务器风扇健康状态判别方法的计算机设备的硬件结构示意图。
具体实施方式
36.为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明实施例进一步详细说明。
37.需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称的非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备固有的其他步骤或单元。
38.基于上述目的，本发明实施例的第一个方面，提出了一种服务器风扇健康状态判别系统的实施例。图2示出的是本发明提供的服务器风扇健康状态判别系统的实施例的示意图。如图2所示，本发明实施例的服务器风扇健康状态判别系统包括：
39.声音采集模块10，配置用于采集服务器风扇转动产生的声音并将声音转换为声音信号，且输出声音信号；
40.信号处理模块20，配置用于接收声音信号，并将声音信号处理为电压时序信号，且将电压时序信号发送至bmc；以及
41.云端服务器30，配置用于接收bmc发送的电压时序信号，并生成电压时序信号的功率谱密度图，并对功率谱密度图进行分析，以将功率谱密度图分为多个区域，并基于多个区域判别服务器风扇的当前及未来健康状态。
42.图3示出了根据本发明实施例提供的服务器风扇健康状态判别系统的拓扑示意图。如图3所示，信号处理模块20包括信号调理模块和adc(模数转换器)。声音信号经过信号调理链路，经过放大、滤波调理成adc能够采集到的电压波动范围，然后bmc读取adc的数据，并将数据通过以太网发送到云端服务器。
43.bmc(baseboard management controller)表示基板管理控制器，其通过监控系统的电源、温度等来保证系统处于正常运行的状态，在服务器系统中主要起管理和维护的作用，它是一个独立的系统，不依赖于系统上的其它硬件(比如中央处理器、内存等)，也不依赖于bios(基本输入输出系统)、os(操作系统)等，但是bmc可以与bios和os交互，可以起到更好的平台管理作用，由于bmc本身是一个带外处理器的小系统，所以也可以单独处理某些工作。
44.本发明实施例的服务器风扇健康状态判别系统，通过采集服务器中的声音，发送到云端服务器进行声音特质提取和分析，得到风扇健康状态的参照图，从而对服务器风扇的当前和未来健康状态进行判别，实现了对服务器风扇的实时监测和故障预测，有助于维护服务器的正常使用。
45.在一些实施例中，云端服务器30包括特征提取模块，配置用于对电压时序信号进行功率谱估计以得到功率谱密度，且生成功率谱密度图，并对功率谱密度图划分频率区间，
且分析不同的健康状态所对应的功率谱密度范围，以将功率谱密度图分为多个区域。
46.在一些实施例中，云端服务器30还包括预测模块，配置用于将服务器风扇对应的当前功率谱密度与多个区域分别进行比对，以判别服务器风扇的当前健康状态。
47.在一些实施例中，预测模块还配置用于分析服务器风扇在最近时间段的功率谱密度变化趋势，以预测服务器风扇的未来时间段的健康状态。
48.上述实施例中，特征提取模块先将采集到的数据进行功率谱估计，功率谱相对于傅里叶变换更适合于随机信号。图4示出了电压时序信号的功率谱密度图。如图4所示，对功率谱进行频段的分割，分析各类故障对应的功率谱密度，如划分a、b、c三个频率区间。预测模块可以观察不同风扇当前实际的健康状态(轴偏差，不平衡，正常)在三个区间的功率密度情况，并将其分配到a、b、c区间三种不同的状况。风扇轴偏差产生摩擦，高频分量增多，c区域占主导；风扇正常状况以b为主；风扇不平衡的情况，会有低频振荡，a区域会增大。
49.在一些实施例中，bmc配置用于接收当前健康状态和预测的健康状态，且将其显示在界面，并响应于当前健康状态或预测的健康状态为不良健康状态，发出报警信息。
50.在一些实施例中，声音采集模块10至少包括mems麦克风。
51.本实施例中，声音采集模块10采用mems麦克风，相对于传统麦克风，采集带宽更大，板载更稳定，具有改进的噪声消除性能与良好的rf(radiofrequency，电磁频率)及emi(electromagnetic interference，电磁干扰)抑制能。相对于振动传感器，更能检测整体的风扇声音状况。mems(微型机电系统)麦克风是基于mems技术制造的麦克风，简单的说就是一个电容器集成在微硅晶片上，可以采用表贴工艺进行制造，能够承受很高的回流焊温度，容易与cmos(complementary metal oxide semiconductor，互补金属氧化物半导体)工艺及其它音频电路相集成。
52.本发明实施例的第二个方面，还提供了一种服务器风扇健康状态判别方法。图5示出的是本发明提供的服务器风扇健康状态判别方法的实施例的示意图。如图5所示，一种服务器风扇健康状态判别方法包括以下步骤：
53.步骤s10、通过声音采集模块采集服务器风扇转动产生的声音并将声音转换为声音信号，且将声音信号发送至信号处理模块；
54.步骤s20、通过信号处理模块将接收到的声音信号处理为电压时序信号，且将电压时序信号发送至bmc；
55.步骤s30、通过云端服务器接收bmc发送的电压时序信号，并生成电压时序信号的功率谱密度图，并对功率谱密度图进行分析，以将功率谱密度图分为多个区域，并基于多个区域判别服务器风扇的当前及未来健康状态。
56.图3示出了根据本发明实施例提供的服务器风扇健康状态判别系统的拓扑示意图。如图3所示，信号处理模块20包括信号调理模块和adc(模数转换器)。声音信号经过信号调理链路，经过放大、滤波调理成adc能够采集到的电压波动范围，然后bmc读取adc的数据，并将数据通过以太网发送到云端服务器。
57.bmc(baseboard management controller)表示基板管理控制器，其通过监控系统的电源、温度等来保证系统处于正常运行的状态，在服务器系统中主要起管理和维护的作用，它是一个独立的系统，不依赖于系统上的其它硬件(比如中央处理器、内存等)，也不依赖于bios(基本输入输出系统)、os(操作系统)等，但是bmc可以与bios和os交互，可以起到
更好的平台管理作用，由于bmc本身是一个带外处理器的小系统，所以也可以单独处理某些工作。
58.本发明实施例的服务器风扇健康状态判别方法，通过采集服务器中的声音，发送到云端服务器进行声音特质提取和分析，得到风扇健康状态的参照图，从而对服务器风扇的当前和未来健康状态进行判别，实现了对服务器风扇的实时监测和故障预测，有助于维护服务器的正常使用。
59.在一些实施例中，通过云端服务器接收bmc发送的电压时序信号，并生成电压时序信号的功率谱密度图，并对功率谱密度图进行分析，以将功率谱密度图分为多个区域包括：通过云端服务器中的特征提取模块对电压时序信号进行功率谱估计以得到功率谱密度，且生成功率谱密度图，并对功率谱密度图划分频率区间，且分析不同的健康状态所对应的功率谱密度范围，以将功率谱密度图分为多个区域。
60.在一些实施例中，基于多个区域判别服务器风扇的当前及未来健康状态包括：通过云端服务器的预测模块将服务器风扇对应的当前功率谱密度与多个区域分别进行比对，以判别服务器风扇的当前健康状态。
61.在一些实施例中，基于多个区域判别服务器风扇的当前及未来健康状态还包括：通过预测模块分析服务器风扇在最近时间段的功率谱密度变化趋势，以预测服务器风扇的未来时间段的健康状态。
62.上述实施例中，特征提取模块先将采集到的数据进行功率谱估计，功率谱相对于傅里叶变换更适合于随机信号。图4示出了电压时序信号的功率谱密度图。如图4所示，对功率谱进行频段的分割，分析各类故障对应的功率谱密度，如划分a、b、c三个频率区间。预测模块可以观察不同风扇当前实际的健康状态(轴偏差，不平衡，正常)在三个区间的功率密度情况，并将其分配到a、b、c区间三种不同的状况。风扇轴偏差产生摩擦，高频分量增多，c区域占主导；风扇正常状况以b为主；风扇不平衡的情况，会有低频振荡，a区域会增大。
63.在一些实施例中，方法还包括：通过bmc接收当前健康状态和预测的健康状态，且将其显示在界面，并响应于当前健康状态或预测的健康状态为不良健康状态，发出报警信息。
64.在一些实施例中，声音采集模块至少包括mems麦克风。
65.本实施例中，声音采集模块10采用mems麦克风，相对于传统麦克风，采集带宽更大，板载更稳定，具有改进的噪声消除性能与良好的rf(radiofrequency，电磁频率)及emi(electromagnetic interference，电磁干扰)抑制能。相对于振动传感器，更能检测整体的风扇声音状况。mems(微型机电系统)麦克风是基于mems技术制造的麦克风，简单的说就是一个电容器集成在微硅晶片上，可以采用表贴工艺进行制造，能够承受很高的回流焊温度，容易与cmos(complementary metal oxide semiconductor，互补金属氧化物半导体)工艺及其它音频电路相集成。
66.本发明实施例的第三个方面，还提供了一种计算机可读存储介质，图6示出了根据本发明实施例提供的实现服务器风扇健康状态判别方法的计算机可读存储介质的示意图。如图6所示，计算机可读存储介质3存储有计算机程序指令31。该计算机程序指令31被处理器执行时实现如下步骤：
67.通过声音采集模块采集服务器风扇转动产生的声音并将声音转换为声音信号，且
将声音信号发送至信号处理模块；
68.通过信号处理模块将接收到的声音信号处理为电压时序信号，且将电压时序信号发送至bmc；
69.通过云端服务器接收bmc发送的电压时序信号，并生成电压时序信号的功率谱密度图，并对功率谱密度图进行分析，以将功率谱密度图分为多个区域，并基于多个区域判别服务器风扇的当前及未来健康状态。
70.在一些实施例中，通过云端服务器接收bmc发送的电压时序信号，并生成电压时序信号的功率谱密度图，并对功率谱密度图进行分析，以将功率谱密度图分为多个区域包括：通过云端服务器中的特征提取模块对电压时序信号进行功率谱估计以得到功率谱密度，且生成功率谱密度图，并对功率谱密度图划分频率区间，且分析不同的健康状态所对应的功率谱密度范围，以将功率谱密度图分为多个区域。
71.在一些实施例中，基于多个区域判别服务器风扇的当前及未来健康状态包括：通过云端服务器的预测模块将服务器风扇对应的当前功率谱密度与多个区域分别进行比对，以判别服务器风扇的当前健康状态。
72.在一些实施例中，基于多个区域判别服务器风扇的当前及未来健康状态还包括：通过预测模块分析服务器风扇在最近时间段的功率谱密度变化趋势，以预测服务器风扇的未来时间段的健康状态。
73.在一些实施例中，步骤还包括：通过bmc接收当前健康状态和预测的健康状态，且将其显示在界面，并响应于当前健康状态或预测的健康状态为不良健康状态，发出报警信息。
74.在一些实施例中，声音采集模块至少包括mems麦克风。
75.应当理解，在相互不冲突的情况下，以上针对根据本发明的服务器风扇健康状态判别方法阐述的所有实施方式、特征和优势同样地适用于根据本发明的服务器风扇健康状态判别系统和存储介质。
76.本发明实施例的第四个方面，还提供了一种计算机设备，包括如图7所示的存储器402和处理器401，该存储器402中存储有计算机程序，该计算机程序被该处理器401执行时实现上述任意一项实施例的方法。
77.如图7所示，为本发明提供的执行服务器风扇健康状态判别方法的计算机设备的一个实施例的硬件结构示意图。以如图7所示的计算机设备为例，在该计算机设备中包括一个处理器401以及一个存储器402，并还可以包括：输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接，图7中以通过总线连接为例。输入装置403可接收输入的数字或字符信息，以及产生与服务器风扇健康状态判别系统的用户设置以及功能控制有关的键信号输入。输出装置404可包括显示屏等显示设备。
78.存储器402作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本技术实施例中的服务器风扇健康状态判别方法对应的程序指令/模块。存储器402可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储服务器风扇健康状态判别方法的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还
可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器402可选包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至本地模块。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
79.处理器401通过运行存储在存储器402中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的服务器风扇健康状态判别方法。
80.最后需要说明的是，本文的计算机可读存储介质(例如，存储器)可以是易失性存储器或非易失性存储器，或者可以包括易失性存储器和非易失性存储器两者。作为例子而非限制性的，非易失性存储器可以包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦写可编程rom(eeprom)或快闪存储器。易失性存储器可以包括随机存取存储器(ram)，该ram可以充当外部高速缓存存储器。作为例子而非限制性的，ram可以以多种形式获得，比如同步ram(dram)、动态ram(dram)、同步dram(sdram)、双数据速率sdram(ddr sdram)、增强sdram(esdram)、同步链路dram(sldram)、以及直接rambus ram(drram)。所公开的方面的存储设备意在包括但不限于这些和其它合适类型的存储器。
81.本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性，已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现的功能，但是这种实现决定不应被解释为导致脱离本发明实施例公开的范围。
82.结合这里的公开所描述的各种示例性逻辑块、模块和电路可以利用被设计成用于执行这里功能的下列部件来实现或执行：通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。通用处理器可以是微处理器，但是可替换地，处理器可以是任何传统处理器、控制器、微控制器或状态机。处理器也可以被实现为计算设备的组合，例如，dsp和微处理器的组合、多个微处理器、一个或多个微处理器结合dsp和/或任何其它这种配置。
83.以上是本发明公开的示例性实施例，但是应当注意，在不背离权利要求限定的本发明实施例公开的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明实施例公开的元素可以以个体形式描述或要求，但除非明确限制为单数，也可以理解为多个。
84.应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。
85.所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上的本发
明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。