一种用于机柜的监测控制系统及其控制方法与流程

1.本发明涉及监测控制技术领域，特别涉及一种用于机柜的监测控制系统及其控制方法。


背景技术：

2.机柜是用于容纳电气或电子设备的独立式或自支撑的机壳。机柜一般配置门、可拆或不可拆的侧板和背板。
3.机柜是电气设备中不可或缺的组成部分，是电气控制设备的载体。一般由冷轧钢板或合金制作而成。可以提供对存放设备的防水、防尘、防电磁干扰等防护作用。机柜一般分为服务器机柜、网络机柜、控制台机柜等。
4.影响电子类元件的危险性因素主要是粉尘、温度和湿度，为此，通常会在机柜内部设置恒温恒湿系统，恒温恒湿系统是把环境的温湿度及洁净度控制在一定的波动范围内，以满足工业需求、科学研究等特殊场合对环境的要求。
5.在主机机房环境中，温度、湿度、烟雾等参数的监测对于设备的稳定运行至关重要。过高的温度、湿度或烟雾可能导致硬件故障，影响业务连续性。此外，机房通常需要定期的巡检和设备维护，这需要耗费大量的人力和时间。因此，需要一个智能化的系统来实时监测机柜环境参数，并根据情况进行自动化的控制和维护。
6.但是，现有的机柜检测控制系统，在系统的冷热源配置、空气热湿处理、温度控制等方面并不能达到很高的控制精度，容易导致系统稳定性降低。


技术实现要素：

7.本发明提供一种用于机柜的监测控制系统及其控制方法，实现对所述系统对机柜进行监测和精确的控制。
8.根据本公开的一方面，提供了一种用于机柜的监测控制系统，所述系统包括：处理器，传感器组件，温度调节模块，湿度调节模块；其中，所述处理器用于控制所述传感器组件；所述传感器组件包括温度传感器、湿度传感器；所述温度传感器用于采集机柜的温度数据；所述湿度传感器用于采集机柜的湿度数据；所述处理器还用于对所述传感器组件采集的数据进行处理得到控制信号，所述控制信号用于控制所述温度调节模块所述湿度调节模块；其中，所述处理器采用pid算法确定所述控制信号。
9.在一种可能的实现方式中，所述处理器采用pid算法确定所述控制信号，包括：设置所述pid算法的初始参数；设置温度的目标值和初始误差，湿度的目标值和初始误差；设置温度的累计误差的累计误差的初始值和上次误差的初始值；获取温度实际值及湿度实际值；
计算温度的误差和累计误差，计算湿度的误差和累计误差；计算温度的变化率，计算湿度的变化率；根据所述初始参数，温度的误差和累计误差及温度的变化率确定pid算法的温度输出信号；根据所述初始参数，湿度的误差和累计误差及湿度的变化率确定pid算法的湿度输出信号；根据所述温度输出信号或湿度输出信号确定所述控制信号；所述控制信号用于控制加热器、制冷器、除湿器或加湿器的开启或关闭。
10.在一种可能的实现方式中，所述系统还包括：视频采集模块，音频采集模块，显示模块，音频输出模块，通信模块，所述处理器还用于控制所述视频采集模块，所述音频采集模块，所述显示模块，所述音频输出模块，所述通信模块；所述视频采集模块用于采集机房的视频数据；所述音频采集模块用于采集机房的音频数据；所述显示模块用于显示所述传感器组件采集的数据；所述音频输出模块用于输出音频信号；所述通信模块用于所述系统与远程控制中心的通信。
11.在一种可能的实现方式中，所述传感器组件还包括：门禁传感器，烟雾传感器；所述门禁传感器用于在感测到有人或物体的移动时，向所述处理器发送信号，所述处理器通过所述通信模块向远程控制中心发送门禁感测信息；所述烟雾传感器用于感测机柜周围是否有烟雾，当感测到有烟雾时，向所述处理器发送信号，所述处理器根据烟雾传感器发送来的信号通过所述通信模块向远程控制中心发送烟雾感测信息。
12.在一种可能的实现方式中，所述视频采集模块包括摄像头，所述音频采集模块包括麦克风，所述音频输出模块包括蜂鸣器和/或扬声器，所述系统还包括led灯，所述蜂鸣器和/或扬声器用于播放告警声，所述led灯用于：在所述系统检测到异常的数据时，闪烁亮红灯。
13.在一种可能的实现方式中，所述系统包括电源开关及风扇。
14.根据本公开的一方面，提供了一种用于机柜的监测控制方法，所述方法应用于所述系统，所述方法包括：采集机柜的环境信息，所述环境信息包括温度实际值、湿度实际值；根据所述环境信息及pid算法确定控制信号，包括：设置所述pid算法的初始参数；设置温度的目标值和初始误差，湿度的目标值和初始误差；设置温度的累计误差的累计误差的初始值和上次误差的初始值；获取温度实际值及湿度实际值；计算温度的误差和累计误差，计算湿度的误差和累计误差；计算温度的变化率，计算湿度的变化率；根据所述初始参数，温度的误差和累计误差及温度的变化率确定pid算法的温度输出信号；
根据所述初始参数，湿度的误差和累计误差及湿度的变化率确定pid算法的湿度输出信号；根据所述温度输出信号或湿度输出信号确定所述控制信号；所述控制信号用于控制加热器、制冷器、除湿器或加湿器的开启或关闭。
15.本公开提供一种用于机柜的监测控制方法，所述方法应用于所述系统，所述方法包括：获取训练数据和测试数据；所述训练数据和测试数据是与机柜的环境相关的数据；对所述训练数据和所述测试数据进行预处理；构建长短时记忆网络模型lstm；使用训练数据对lstm模型进行训练，通过优化损失函数来更新模型参数。
16.在一种可能的实现方式中，所述对所述训练数据和所述测试数据进行预处理，包括：将数据标准化；序列划分：将时间序列划分成输入序列和目标序列，输入序列是用于预测的历史数据，目标序列是希望预测的未来数据；滞后特征：使用过去时间步的数据作为输入特征；其中，过去时间步是指在当前时间点之前的某个时间点；批量生成：将输入特征分批送入模型进行训练。
17.在一种可能的实现方式中，所述构建长短时记忆网络模型lstm，包括：使用深度学习框架构建lstm模型，包括：定义lstm层、损失函数、优化器。
18.在一种可能的实现方式中，使用训练数据对lstm模型进行训练，通过优化损失函数来更新模型参数，包括：初始化模型参数： 在训练开始之前，随机初始化模型的权重和偏置；前向传播：对于每个训练样本，将输入数据送入lstm模型进行前向传播，得到模型的预测值；计算损失： 将模型的所述预测值与实际值进行比较，计算损失函数的值；反向传播： 通过计算损失函数对模型参数的梯度，进行反向传播，得到每个参数对损失的影响；参数更新： 使用梯度下降法，根据计算得到的梯度信息，更新模型参数，使损失函数减小；重复迭代： 重复进行上述步骤，逐步减小损失函数；训练结束： 训练终止的条件包括达到训练步数的设定值，或者损失函数收敛到一定的阈值。
19.与现有技术相比，本发明的有益效果是：本公开实施例的一种用于机柜的监测控制系统中，当用pid算法控制温度和湿度时，先通过传感器获取当前的温度和湿度数据，然后计算出当前的误差，并使用pid控制算法计算出控制器的输出值。根据pid控制算法的输出值，可以控制加热器、制冷器、加湿器或
者除湿器等设备，以实现温度和湿度的精确控制。
20.传统的运维方式可能需要大量的人员投入，进行温湿度的手动监测、烟雾检测、门禁控制等操作。而多模态数据机柜维护控制系统可以自动化地进行监测和控制，减少了人工操作，从而减轻了运维人员的负担。同时，系统能够远程监控和控制，减少了运维人员在机房现场的时间，降低了运维成本。
21.自动化与精确控制效果：该系统通过多种传感器获取温度、湿度、烟雾等数据，利用pid控制算法等技术进行实时的环境监测和控制。相比于人工维护，系统可以更加精确地控制环境参数，预防潜在问题的发生。例如，可以根据温湿度数据自动启停风扇、加热器、制冷器等设备，以保持机房环境在合适的范围内。
22.即时报警与远程管理：该系统能够实时监测各种参数，并在出现异常情况时及时发出报警。例如，当温度过高或烟雾检测到异常时，系统可以通过短信、邮件等方式通知相关人员，使得问题得以及时处理，避免了可能的硬件损坏或故障。另外，系统还支持远程管理功能，运维人员可以通过手机或电脑远程监控和控制机柜，不必亲临现场。
23.总之，多模态数据机柜的维护控制系统在主机机房维护领域具有重要应用价值。它通过智能化的监测、控制和管理，有效减轻了运维人员的负担，降低了运维成本，实现了精确的环境控制和即时的报警功能，提升了机房设备的稳定性和可靠性。
附图说明
24.图1示出本公开一实施例的一种用于机柜的监测控制系统的框图。
具体实施方式
25.以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
26.在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
27.另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
28.图1示出本公开一实施例的一种用于机柜的监测控制系统的框图，如图1所示，所述系统可以包括：处理器，传感器组件，温度调节模块，湿度调节模块；其中，所述处理器用于控制所述传感器组件；所述传感器组件可以包括温度传感器、湿度传感器；所述温度传感器可以用于采集机柜的温度数据；所述湿度传感器可以用于采集机柜的湿度数据；所述处理器还可以用于对所述传感器组件采集的数据进行处理得到控制信号，所述控制信号用于控制所述温度调节模块所述湿度调节模块；
其中，所述处理器采用pid算法确定所述控制信号。
29.其中，所述处理器可以是控制芯片。
30.通过传感器组件可以实现对机柜的温度和湿度的状态进行实时监测，通过所述处理器采用pid算法确定所述控制信号，进而实现对机柜的环境状态的精确控制，提高机柜内的设备的运行效率，使得机柜内的设备运行更加的稳定。
31.在一种可能的实现方式中，所述处理器采用pid算法确定所述控制信号，包括：设置所述pid算法的初始参数；例如，当对温度进行调节控制时，pid算法的参数设置为：kp_temp=1.0，ki_temp=0.1，kd_temp=0.2，当对湿度进行调节控制时，pid算法的参数设置为：kp_humid=1.0，ki_humid=0.1，kd_humid=0.2。
32.设置温度的目标值和初始误差，湿度的目标值和初始误差；例如设定温度的目标值为setpoint_temp=25.0，温度的初始误差为error_temp=0.0；设定湿度的目标值为setpoint_humid=50.0，湿度的初始误差为error_humid=0.0。
33.设置温度的累计误差的初始值和上次误差的初始值；例如，设置温度的累计误差的初始值为integral_temp=0.0，设置温度的上次误差的初始值为last_error_temp=0.0，设置湿度的累计误差的初始值为integral_humid=0.0，设置湿度的上次误差为last_error_humid=0.0。
34.获取温度实际值及湿度实际值；例如温度的实际值为actual_temp,湿度的实际值为actual_humid。
35.计算温度的误差和累计误差，计算湿度的误差和累计误差；例如，通过式（2）计算温度的误差，通过式（3）计算温度的累计误差。
36.error_temp=setpoint_temp-actual_temp（2）integral_temp=integral_temp+error_temp（3）例如，通过式（4）计算湿度的误差，通过式（5）计算湿度的累计误差。
37.error_humid=setpoint_humid-actual_humid（4）integral_humid=integral_humid+error_humid（5）计算温度的变化率，计算湿度的变化率；例如，通过式（6）计算温度的变化率和通过式（7）湿度的变化率 rate_of_change_temp=error_temp-last_error_temp（6） rate_of_change_humid=error_humid-last_error_humid（7）计算温度和湿度的pid算法输出，例如，通过式（8）计算温度的pid算法输出，通过式（9）计算湿度的pid算法输出。
38.output_temp=kp_temperror_temp+ki_tempintegral_temp+kd_temprate_of_change_temp（8）output_humid=kp_humiderror_humid+ki_humidintegral_humid+kd_humidrate_of_change_humid（9）根据所述初始参数，温度的误差和累计误差及温度的变化率确定pid算法的温度输出信号；根据所述初始参数，湿度的误差和累计误差及湿度的变化率确定pid算法的湿度输出信号；
根据所述温度输出信号或湿度输出信号确定所述控制信号；例如，如果所述output_temp大于零，则所述控制信号是打开加热器的控制信号，否则所述控制信号是关闭加热器的控制信号。
39.如果所述output_temp小于零，则所述控制信号是打开制冷器的控制信号，否则所述控制信号是关闭制冷器的控制信号。
40.如果所述output_humid大于零，则所述控制信号是打开加湿器的控制信号，否则所述控制信号是关闭加湿器的控制信号。
41.如果所述output_humid 小于零，则所述控制信号是打开除湿器的控制信号，否则所述控制信号是关闭除湿器的控制信号。
42.所述控制信号用于控制加热器、制冷器、除湿器或加湿器的开启或关闭。
43.例如，根据所述控制器来控制加热器、制冷器、加湿器或者除湿器等设备，以实现温度和湿度的精确控制。
44.例如，pid控制算法是一种经典的控制算法，其名称源自比例（proportional）、积分（integral）和微分（derivative）三个英文单词的首字母。它的基本思想是通过不断地对控制对象的误差进行测量和调整，实现对控制对象的精确控制。pid控制算法根据误差、误差累积和误差变化率计算控制器输出，并通过输出来控制系统，控制效果较好。
45.pid控制算法的公式如下式（1）：（1）其中，u(t)是控制器的输出值，e(t)是控制误差，即期望值与实际值之间的差值，，和是分别对应比例、积分和微分控制器的参数，分别用于调节控制器的响应速度、稳定性和抗干扰能力。
46.当用pid算法控制温度和湿度时，先通过传感器获取当前的温度和湿度数据，然后计算出当前的误差，并使用pid控制算法计算出控制器的输出值。根据pid控制算法的输出值，可以控制加热器、制冷器、加湿器或者除湿器等设备，以实现温度和湿度的精确控制。
47.在一种可能的实现方式中，所述传感器组件还包括：门禁传感器，烟雾传感器；所述门禁传感器用于在感测到有人或物体的移动时，向所述处理器发送信号，所述处理器通过所述通信模块向远程控制中心发送门禁感测信息；所述烟雾传感器用于感测机柜周围是否有烟雾，当感测到有烟雾时，向所述处理器发送信号，所述处理器根据烟雾传感器发送来的信号通过所述通信模块向远程控制中心发送烟雾感测信息。
48.在一种可能的实现方式中，所述系统还包括：视频采集模块，音频采集模块，显示模块，音频输出模块，通信模块，所述处理器还用于控制所述视频采集模块，所述音频采集模块，所述显示模块，所述音频输出模块，所述通信模块；所述视频采集模块用于采集机房的视频数据；例如，当所述门禁传感器检测到有人或物体的移动时，开启摄像头进行视频录制，用于留存监控视频数据。
49.所述音频采集模块用于采集机房的音频数据；所述显示模块用于显示所述传感器组件采集的数据；
所述音频输出模块用于输出音频信号；所述通信模块用于所述系统与远程控制中心的通信。
50.用户可以通过云端管理平台来监测和控制机柜，例如远程开关电源、修改控制逻辑等。
51.在一种可能的实现方式中，所述视频采集模块包括摄像头，所述音频采集模块包括麦克风，所述音频输出模块包括蜂鸣器和/或扬声器，所述系统还包括led灯，所述蜂鸣器和/或扬声器用于播放告警声，所述led灯用于：在所述系统检测到异常的数据时，闪烁亮红灯。
52.例如，可以根据摄像头采集的视频数据控制摄像头移动，如角度的转动等。
53.例如，当温度或湿度异常时，通过所述蜂鸣器报警，以及通过所述led灯的闪烁提示现场的工作人员进行检查。
54.在一种可能的实现方式中，所述系统包括电源开关及风扇。
55.在一种可能的实现方式中，可以通过远程控制中心控制所述监测系统的电源的开关。
56.在一种可能的实现方式中，所述处理器可以实现数字信号处理、图像处理、语音识别等。
57.开发控制软件：根据架构设计，开发一套控制软件，支持多种数据输入和输出。用户可以通过这个软件来监测机柜的状态，例如温度、湿度、门禁状态等，并可以进行控制操作，例如开关电源、启动风扇等。
58.集成云端管理功能：将机柜维护控制系统集成到云端管理平台中，支持远程监测和控制。用户可以通过云端管理平台来监测和控制机柜，例如远程开关电源、修改控制逻辑等。
59.测试和调试：在安装和集成完毕后，进行系统测试和调试。测试包括功能测试、性能测试、稳定性测试等，确保系统可以正常工作并且满足用户需求。
60.部署和维护：在测试和调试完毕后，将系统部署到实际使用环境中，并定期进行维护和升级。维护包括硬件故障处理、软件升级、数据备份等，确保系统稳定可靠地运行。
61.设计多模态数据的输入和输出的控制系统时，需要考虑以下几个方面：数据输入：系统需要支持多种数据输入，例如传感器数据、视频数据、音频数据等。传感器数据可以通过模拟输入或数字输入方式进行输入，视频数据和音频数据可以通过摄像头和麦克风进行输入。
62.数据处理：系统需要支持多种数据处理方法，例如数字信号处理、图像处理、语音识别等。数据处理可以在本地进行，也可以在云端进行。
63.数据输出：系统需要支持多种数据输出方式，例如显示器、扬声器、led灯等。输出设备可以直接连接到控制系统，也可以通过网络连接进行远程输出。
64.控制逻辑：系统需要设计一套控制逻辑，根据输入数据进行判断和控制输出。例如，根据传感器数据控制温度和湿度，根据视频数据控制摄像头移动等。
65.本公开一种用于机柜的监测控制方法，所述方法用于所述监测控制系统，所述方法包括：采集机柜的环境信息，所述环境信息包括温度实际值、湿度实际值；
根据所述环境信息及pid算法确定控制信号，包括：设置所述pid算法的初始参数；设置温度的目标值和初始误差，湿度的目标值和初始误差；设置温度的累计误差的累计误差的初始值和上次误差的初始值；获取温度实际值及湿度实际值；计算温度的误差和累计误差，计算湿度的误差和累计误差；计算温度的变化率，计算湿度的变化率；根据所述初始参数，温度的误差和累计误差及温度的变化率确定pid算法的温度输出信号；根据所述初始参数，湿度的误差和累计误差及湿度的变化率确定pid算法的湿度输出信号；根据所述温度输出信号或湿度输出信号确定所述控制信号；所述控制信号用于控制加热器、制冷器、除湿器或加湿器的开启或关闭。
66.根据pid控制算法的输出值，可以控制加热器、制冷器、加湿器或者除湿器等设备，以实现温度和湿度的精确控制。
67.本公开提供一种用于机柜的监测控制方法，所述方法应用于所述系统，所述方法包括：获取训练数据和测试数据；所述训练数据和测试数据是与机柜的环境相关的数据；对所述训练数据和所述测试数据进行预处理；构建长短时记忆网络模型lstm；使用训练数据对lstm模型进行训练，通过优化损失函数来更新模型参数。
68.在一种可能的实现方式中，所述对所述训练数据和所述测试数据进行预处理，包括：将数据标准化；序列划分：将时间序列划分成输入序列和目标序列，输入序列是用于预测的历史数据，目标序列是希望预测的未来数据；滞后特征：使用过去时间步的数据作为输入特征；其中，过去时间步是指在当前时间点之前的某个时间点；批量生成：将输入特征分批送入模型进行训练。
69.在一种可能的实现方式中，所述构建长短时记忆网络模型lstm，包括：使用深度学习框架构建lstm模型，包括：定义lstm层、损失函数、优化器。
70.在一种可能的实现方式中，使用训练数据对lstm模型进行训练，通过优化损失函数来更新模型参数，包括：初始化模型参数： 在训练开始之前，随机初始化模型的权重和偏置；前向传播：对于每个训练样本，将输入数据送入lstm模型进行前向传播，得到模型的预测值；计算损失： 将模型的所述预测值与实际值进行比较，计算损失函数的值；
反向传播： 通过计算损失函数对模型参数的梯度，进行反向传播，得到每个参数对损失的影响；参数更新： 使用梯度下降法，根据计算得到的梯度信息，更新模型参数，使损失函数减小；重复迭代： 重复进行上述步骤，逐步减小损失函数；训练结束： 训练终止的条件包括达到训练步数的设定值，或者损失函数收敛到一定的阈值。
71.本系统的调控重点在于：智能预测与优化：本系统的智能预测功能指的是：利用历史数据和机器学习算法，预测未来可能发生的环境变化和设备故障，从而提前采取措施。此外，优化算法可以自动调整控制参数以实现更好的性能。
72.本系统在采用了机器学习模型以加强智能预测与优化方面，系统使用时间序列分析，用于预测未来环境变化和设备故障。根据历史数据训练模型，，使其能够准确地预测未来的情况。
73.多模态数据机柜的智能预测与优化系统中，使用时间序列预测模型
‑‑
长短时记忆网络（lstm），来对环境参数的变化进行预测。lstm是一种适用于序列数据的循环神经网络（rnn）变体，它在处理时间序列数据方面表现出色，能够捕捉长期依赖关系，因此适合用于预测未来的环境参数变化。
74.实施长短时记忆网络（lstm）模型:步骤：数据准备： 准备训练数据和测试数据，对数据进行预处理和特征工程。
75.数据来源： 数据来源可以是时间序列数据，例如温度、湿度、气压等环境参数的观测数据。
76.数据格式： 数据格式为二维数组，其中行表示时间步，列表示不同的特征或变量。对于单变量时间序列，创建一个列为时间步的一维数组。对于多变量时间序列，每个特征为单独的列。
77.1.3. 预处理步骤：1.3.1归一化或标准化1.3.2 序列划分 将时间序列划分成输入序列和目标序列。输入序列是用于预测的历史数据，目标序列是希望预测的未来数据1.3.3 滞后特征 即使用过去时间步的数据作为输入特征1.3.4 批量生成 将数据分批（batch）送入模型进行训练，以提高计算效率构建模型： 使用深度学习框架（如tensorflow、pytorch）构建lstm模型，包括定义lstm层、损失函数、优化器等。
78.3.模型训练： 使用训练数据对lstm模型进行训练，通过优化损失函数来更新模型参数。
79.本系统的特点是能通过更新模型参数来使模型逐步逼近期望的输出：损失函数（loss function）：损失函数是衡量模型预测值与实际值之间差异的度量。在训练过程中，模型的目标是通过最小化损失函数来减小预测误差。对于回归问题，本
系统使用均方误差（mean squared error，mse）作为损失函数；优化算法（optimization algorithm）： 优化算法用于更新模型参数，以使损失函数逐渐减小。本系统使用的优化算法是梯度下降法（gradient descent）。梯度下降法的基本思想是沿着损失函数梯度的反方向更新模型参数，从而找到局部最小值。
80.注：梯度下降法是一种优化算法，用于更新模型参数以最小化损失函数。在机器学习和深度学习中，我们通常通过调整模型的参数来使其能够更好地拟合训练数据，以便在测试数据上具有更好的性能。梯度下降法是一种基本的迭代方法，它利用损失函数关于模型参数的梯度信息来指导参数的更新方向，使损失逐步减小。
81.模型训练步骤：初始化模型参数： 在训练开始之前，需要随机初始化模型的权重和偏置。
82.1.）前向传播： 对于每个训练样本，将输入数据送入lstm模型进行前向传播，得到模型的预测值。
83.2）计算损失： 将模型的预测值与实际值进行比较，计算损失函数的值。
84.3）反向传播： 通过计算损失函数对模型参数的梯度，进行反向传播，得到每个参数对损失的影响。这一步利用了链式法则，将误差从输出层传播回每个神经元，计算梯度。
85.4）参数更新： 使用优化算法（如梯度下降法），根据计算得到的梯度信息，更新模型参数，使损失函数减小。
86.5）重复迭代： 重复进行上述步骤，逐步减小损失函数。每次迭代称为一个训练步（training step）或一个 epoch。通常会定义训练步数，以及在每个训练步中使用的训练样本批次大小。
87.6）训练结束： 训练终止的条件可以是达到一定的训练步数，或者损失函数收敛到一定的阈值。经过足够多的训练步，模型参数将逐渐调整到使损失最小化的状态。
88.tensorflow和pytorch等深度学习框架提供了内置的优化器和自动求导功能，使训练lstm模型的过程更加简便。通过在每个训练步中执行前向传播、计算损失、反向传播和参数更新，模型将逐步学习到数据的模式和特征，以便更好地进行预测。
89.4.模型评估： 使用测试数据对训练好的模型进行评估，计算预测结果与实际结果之间的误差。
90.5.预测： 使用训练好的lstm模型对未来数据进行预测。
91.使用智能预测功能可以在多模态数据机柜维护控制系统中产生许多积极的效果：预测故障和维护需求： 智能预测功能可以分析历史数据，识别出潜在的故障模式和异常情况。这样，系统可以提前预测可能的故障，并在故障发生之前采取适当的维护措施，从而减少设备停机时间和维护成本。
92.优化资源分配： 预测模型可以预测未来的数据负载和需求，从而帮助优化资源分配和调度。系统可以根据预测结果来分配更多的资源给预计将需要更多处理能力的时间段。
93.节能和资源利用率提升： 基于智能预测，系统可以调整设备的运行模式和设置，以减少不必要的能源消耗和资源浪费。这有助于降低能源成本并提高资源利用率。
94.提前预防过载： 预测未来负载可以帮助系统在负载接近过载状态之前采取行动，防止服务器或网络设备在高负载情况下崩溃或降低性能。
95.增强用户体验： 通过预测用户行为和需求，系统可以提前做出响应，提供更快速、准确的服务，从而提升用户体验。
96.减少人工干预： 智能预测可以自动化决策过程，减少人工干预的需要。运维人员可以专注于解决更复杂的问题，提高运维效率。
97.数据驱动决策： 智能预测为决策提供了基于数据的支持，使决策更有根据，更能适应实际情况。
98.降低风险： 通过预测潜在问题，系统可以减少意外的发生，从而降低业务风险。
99.智能预测功能能够帮助多模态数据机柜维护控制系统更加智能化和高效化，提供更好的数据驱动决策和资源管理，减少停机时间，降低维护成本，提升用户体验，并在面对未知情况时做出更有把握的决策。
100.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本公开所必须的。
101.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
102.在本公开所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
103.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
104.另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
105.所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储器包括：u盘、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
106.本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器（英文：read-only memory ，简称：rom）、随机存取器（英文：random access memory，简称：ram）、磁盘或光盘等。
107.以上对本公开实施例进行了详细介绍，本文中应用了具体个例对本公开的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本公开的方法及其核心思想；同时，对于本领域的一般技术人员，依据本公开的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本公开的限制。
108.这里参照根据本公开实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
109.附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
110.以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

技术特征：
1.一种用于机柜的监测控制系统，其特征在于，所述系统包括：处理器，传感器组件，温度调节模块，湿度调节模块；其中，所述处理器用于控制所述传感器组件；所述传感器组件包括温度传感器、湿度传感器；所述温度传感器用于采集机柜的温度数据；所述湿度传感器用于采集机柜的湿度数据；所述处理器还用于对所述传感器组件采集的数据进行处理得到控制信号，所述控制信号用于控制所述温度调节模块所述湿度调节模块；其中，所述处理器采用pid算法确定所述控制信号。2.根据权利要求1所述的一种用于机柜的监测控制系统，其特征在于，所述处理器采用pid算法确定所述控制信号，包括：设置所述pid算法的初始参数；设置温度的目标值和初始误差，湿度的目标值和初始误差；设置温度的累计误差的累计误差的初始值和上次误差的初始值；获取温度实际值及湿度实际值；计算温度的误差和累计误差，计算湿度的误差和累计误差；计算温度的变化率，计算湿度的变化率；根据所述初始参数，温度的误差和累计误差及温度的变化率确定pid算法的温度输出信号；根据所述初始参数，湿度的误差和累计误差及湿度的变化率确定pid算法的湿度输出信号；根据所述温度输出信号或湿度输出信号确定所述控制信号；所述控制信号用于控制加热器、制冷器、除湿器或加湿器的开启或关闭。3.根据权利要求1所述的一种用于机柜的监测控制系统，其特征在于，所述系统还包括：视频采集模块，音频采集模块，显示模块，音频输出模块，通信模块，所述处理器还用于控制所述视频采集模块，所述音频采集模块，所述显示模块，所述音频输出模块，所述通信模块；所述视频采集模块用于采集机房的视频数据；所述音频采集模块用于采集机房的音频数据；所述显示模块用于显示所述传感器组件采集的数据；所述音频输出模块用于输出音频信号；所述通信模块用于所述系统与远程控制中心的通信。4.根据权利要求3所述的一种用于机柜的监测控制系统，其特征在于，所述传感器组件还包括：门禁传感器，烟雾传感器；所述门禁传感器用于在感测到有人或物体的移动时，向所述处理器发送信号，所述处理器通过所述通信模块向远程控制中心发送门禁感测信息；所述烟雾传感器用于感测机柜周围是否有烟雾，当感测到有烟雾时，向所述处理器发送信号，所述处理器根据烟雾传感器发送来的信号通过所述通信模块向远程控制中心发送烟雾感测信息。5.根据权利要求4所述的一种用于机柜的监测控制系统，其特征在于，所述视频采集模块包括摄像头，所述音频采集模块包括麦克风，所述音频输出模块包括蜂鸣器和/或扬声
器，所述系统还包括led灯，所述蜂鸣器和/或扬声器用于播放告警声，所述led灯用于：在所述系统检测到异常的数据时，闪烁亮红灯。6.一种用于机柜的监测控制方法，所述方法应用于权利要求1-5任一项所述的系统，其特征在于，所述方法包括：采集机柜的环境信息，所述环境信息包括温度实际值、湿度实际值；根据所述环境信息及pid算法确定控制信号，包括：设置所述pid算法的初始参数；设置温度的目标值和初始误差，湿度的目标值和初始误差；设置温度的累计误差的累计误差的初始值和上次误差的初始值；获取温度实际值及湿度实际值；计算温度的误差和累计误差，计算湿度的误差和累计误差；计算温度的变化率，计算湿度的变化率；根据所述初始参数，温度的误差和累计误差及温度的变化率确定pid算法的温度输出信号；根据所述初始参数，湿度的误差和累计误差及湿度的变化率确定pid算法的湿度输出信号；根据所述温度输出信号或湿度输出信号确定所述控制信号；所述控制信号用于控制加热器、制冷器、除湿器或加湿器的开启或关闭。7.一种用于机柜的监测控制方法，所述方法应用于权利要求1-5任一项所述的系统，其特征在于，所述方法包括：获取训练数据和测试数据；所述训练数据和测试数据是与机柜的环境相关的数据；对所述训练数据和所述测试数据进行预处理；构建长短时记忆网络模型lstm；使用训练数据对lstm模型进行训练，通过优化损失函数来更新模型参数。8.根据权利要求7所述的一种用于机柜的监测控制方法，其特征在于，所述对所述训练数据和所述测试数据进行预处理，包括：将数据标准化；序列划分：将时间序列划分成输入序列和目标序列，输入序列是用于预测的历史数据，目标序列是希望预测的未来数据；滞后特征：使用过去时间步的数据作为输入特征；其中，过去时间步是指在当前时间点之前的某个时间点；批量生成：将输入特征分批送入模型进行训练。9.根据权利要求8所述的一种用于机柜的监测控制方法，其特征在于，所述构建长短时记忆网络模型lstm，包括：使用深度学习框架构建lstm模型，包括：定义lstm层、损失函数、优化器。10.根据权利要求9所述的一种用于机柜的监测控制方法，其特征在于，使用训练数据对lstm模型进行训练，通过优化损失函数来更新模型参数，包括：初始化模型参数： 在训练开始之前，随机初始化模型的权重和偏置；前向传播：对于每个训练样本，将输入数据送入lstm模型进行前向传播，得到模型的预
测值；计算损失： 将模型的所述预测值与实际值进行比较，计算损失函数的值；反向传播： 通过计算损失函数对模型参数的梯度，进行反向传播，得到每个参数对损失的影响；参数更新： 使用梯度下降法，根据计算得到的梯度信息，更新模型参数，使损失函数减小；重复迭代： 重复进行上述步骤，逐步减小损失函数；训练结束： 训练终止的条件包括达到训练步数的设定值，或者损失函数收敛到一定的阈值。

技术总结
本发明公开了一种用于机柜的监测控制系统及其控制方法，涉及监测控制技术领域，所述系统包括：处理器，传感器组件，温度调节模块，湿度调节模块；其中，所述处理器用于控制所述传感器组件；所述传感器组件包括温度传感器、湿度传感器；所述温度传感器用于采集机柜的温度数据；所述湿度传感器用于采集机柜的湿度数据；所述处理器还用于对所述传感器组件采集的数据进行处理得到控制信号，所述控制信号用于控制所述温度调节模块所述湿度调节模块；其中，所述处理器采用PID算法确定所述控制信号。实现对所述系统对机柜进行监测和精确的控制。实现对所述系统对机柜进行监测和精确的控制。实现对所述系统对机柜进行监测和精确的控制。


技术研发人员：张朋 杨训 刘松 石志康 吕仲恒
受保护的技术使用者：安徽航辰信息科技有限公司
技术研发日：2023.08.21
技术公布日：2023/9/16