基于任务调度的机器人、巡检方法及相关装置

技术领域

本申请属于机器人控制技术领域，具体涉及一种基于任务调度的机器人、巡检方法及相关装置。

背景技术

为了提高数据中心运维的效率和质量，近年来出现了基于机器人技术的智能巡检方案。智能巡检机器人是一种能够自主导航、识别设备状态、采集环境数据、执行运维任务的智能设备。智能巡检机器人可以根据预设的计划和路线，自动完成巡检任务。

但是，现有的智能巡检机器人还存在一些不足之处，主要表现在：智能巡检机器人的巡检策略较为固定，缺乏根据数据中心任务调度情况动态调整的能力；智能巡检机器人的巡检效率受限于机柜的可承载任务量，无法充分利用高负载机柜的处理能力；智能巡检机器人的巡检结果缺乏与任务调度系统的相互反馈，无法实现资源的合理利用和负载均衡。

发明内容

本申请针对目前数据中心内的智能巡检机器人存在巡检策略固定、巡检效率低、巡检结果缺乏与任务调度系统相互反馈的技术问题，提供一种基于任务调度的机器人、巡检方法及相关装置。

为了实现上述目的，本申请采用以下技术方案予以实现：

第一方面，本申请提出一种基于任务调度的机器人巡检方法，包括：

获取机柜的可承载任务量输入集；

将所述可承载任务量输入集输入至可承载任务量预测模型，得到机柜的可承载任务量预测结果；

根据机柜的可承载任务量预测结果，将机柜划分为高负载机柜和低负载机柜；所述高负载机柜的可承载任务量预测结果高于预设可承受任务量阈值，所述低负载机柜的可承载任务量预测结果低于预设可承受任务量阈值；

根据机房待调度作业量，向高负载机柜和低负载机柜分配任务量，并使机器人根据机柜分配的任务量进行巡检。

优选地，所述可承载任务量输入集，包括：机柜在数据机房中的位置、数据中心CPU利用率、机柜设备系统能耗、历史故障数据和运行温度。

优选地，所述预设可承受任务量阈值的确定方法包括：

其中，Y

优选地，所述根据机房待调度作业量，向高负载机柜和低负载机柜分配任务量，并使机器人根据机柜分配的任务量进行巡检，包括：

若机房待调度作业量大于预设调度量上阈值，将机房待调度作业量分配至高负载机柜，若有剩余，将剩余机房待调度作业量分配至高负载机柜周边的低负载机柜；并使机器人依次按照高负载机柜的可承载任务量预测结果从大到小、低负载机柜分配的待调度作业量从大到小进行巡检；

若机房待调度作业量小于预设调度量下阈值，将机房待调度作业量分配至高负载机柜；并使机器人依次按照高负载机柜分配的待调度作业量从大到小进行巡检；

若机房待调度作业量处于预设调度量上阈值和预设调度量下阈值之间，将机房待调度作业量在高负载机柜和低负载机柜之间平均分配；并使机器人按照全局巡检路线对每个机柜依次进行巡检。

优选地，所述数据中心CPU利用率的确定方法，包括：

其中，s

优选地，所述机柜设备系统能耗的确定方法，包括：

P

其中，P

优选地，所述可承载任务量输入集，包括：机柜在数据机房中的位置、数据中心CPU利用率、机柜设备系统能耗、运行温度和机柜实时状态数据。

第二方面，本申请提出一种基于任务调度的机器人巡检系统，包括：

数据获取模块，用于获取机柜的可承载任务量输入集；

预测模块，用于将所述可承载任务量输入集输入至可承载任务量预测模型，得到机柜的可承载任务量预测结果；

分类模块，用于根据机柜的可承载任务量预测结果，将机柜划分为高负载机柜和低负载机柜；所述高负载机柜的可承载任务量预测结果高于预设可承受任务量阈值，所述低负载机柜的可承载任务量预测结果低于预设可承受任务量阈值；

分配模块，用于根据机房待调度作业量，向高负载机柜和低负载机柜分配任务量，并使机器人根据机柜分配的任务量进行巡检。

优选地，所述数据获取模块，包括：

位置获取模块，用于获取机柜在数据机房中的位置；

利用率获取模块，用于获取数据中心CPU利用率；

能耗获取模块，用于获取机柜设备系统能耗；

故障获取模块，用于获取历史故障数据；

温度获取模块，用于获取运行温度。

优选地，所述数据获取模块，包括：

位置获取模块，用于获取机柜在数据机房中的位置；

利用率获取模块，用于获取数据中心CPU利用率；

能耗获取模块，用于获取机柜设备系统能耗；

传感器模块，用于获取历史故障数据；

温度获取模块，用于获取机柜实时状态数据。

第三方面，本申请提出一种基于任务调度的机器人，包括机器人本体和用于控制机器人本体运动的控制单元；所述控制单元中存储有计算机程序，所述计算机程序被处理器执行时实现上述基于任务调度的机器人巡检方法的步骤。

第四方面，本申请提出一种电子设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现上述基于任务调度的机器人巡检方法的步骤。

第五方面，本申请提出一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述基于任务调度的机器人巡检方法的步骤。

与现有技术相比，本申请具有以下有益效果：

本申请提出一种基于任务调度的机器人巡检方法，将可承载任务量输入集输入至可承载任务量预测模型，得到机柜的可承载任务量预测结果，再根据机柜的可承载任务量预测结果，将机柜划分为高负载机柜和低负载机柜，最后，根据机房待调度作业量，向高负载机柜和低负载机柜分配任务量，并使机器人根据机柜分配的任务量进行巡检。本申请基于可承载任务量输入集，利用承载任务量预测模型的智能算法预测机柜的可承载任务量，从而实现对机房任务的合理分配和调度，使机器人可以根据机柜的实际负载情况和处理能力进行巡检，避免了资源浪费和负载不均衡，同时，也减少了机器人的移动距离和时间，提高了机器人巡检的效率。另外，本申请根据机房待调度作业量的多少，采用不同的任务分配策略和巡检策略，以适应不同的场景需求，可以使机器人在不同的工作负荷下，进行动态调整和优化，以达到最佳的巡检效果。

本申请还提出了一种基于任务调度的机器人巡检系统、基于任务调度的机器人、电子设备和计算机可读存储介质，具备上述基于任务调度的机器人巡检方法的全部优势。

附图说明

为了更清楚的说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本申请基于任务调度的机器人巡检方法的第一流程示意图；

图2为本申请基于任务调度的机器人巡检方法的第二流程示意图；

图3为本申请基于任务调度的机器人巡检系统的一种示意图；

图4为本申请电子设备的一种示意图；

图5为本申请电子设备的另一种示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

在本申请实施例的描述中，需要说明的是，若出现术语“上”、“下”、“水平”、“内”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

此外，若出现术语“水平”，并不表示要求部件绝对水平，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。

在本申请实施例的描述中，还需要说明的是，除非另有明确的规定和限定，若出现术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。

数据中心用于存储、处理和管理大量数据，通常包括服务器、存储设备和网络设备等。数据中心可以提供各种数据服务，例如数据存储、备份和恢复、数据加密和安全等。数据中心往往需要高效率的电源和冷却系统、高可靠性的网络和安全系统以及智能化的监控和管理系统。随着数字化时代的不断发展，数据中心的需求也在不断增加。在数据中心的机房中，机柜用于存放服务器、网络设备和存储设备等关键信息技术设备。其中，服务器是数据中心的核心设备之一。服务器是用于存储和处理数据的关键设备，能够为各种应用提供高效、安全和可靠的数据存储和处理服务。服务器的性能和可靠性直接影响到数据中心的性能和可靠性。CPU又是服务器中的核心部件，负责执行指令和处理数据，CPU的性能直接影响到服务器的处理能力和效率。

另外，机房中通常设置有巡检机器人，主要用于实现机房巡检、设备检测和环境监控等。巡检机器人可以提高巡检的效率和可靠性，减轻人员的工作负担，并为管理人员提供数据支持。

目前，巡检机器人一般按照定点、定时、定路径的巡检策略工作。机器人按照预设的时间和路线，对机房内的设备进行固定点位的巡检，如温度、湿度、指示灯等参数的检测。这种巡检策略的优点是可以保证机房内的设备状态得到及时和全面的监测，避免因为人为疏忽或者漏检而导致故障或者安全隐患。但是，这种策略缺乏灵活性和自适应性，无法根据机房内的实际情况和需求进行动态调整和优化。此外，这种策略对机器人的导航和定位能力要求较高，用以保证机器人能够准确到达指定的巡检点位。因此，也延伸出了基于视觉识别技术的机房巡检策略。机器人利用视觉识别技术，对机房内的设备进行智能识别和分析，如指针、数字、位置、颜色等信息的识别。这种策略的优点是可以提高机器人的巡检效率和准确性，减少人工干预和误判的可能性，同时，也可以扩展机器人的巡检范围和内容，对一些难以用传感器测量或者难以用语言描述的信息进行有效捕捉和处理。但是，这种策略对机器人的视觉处理能力提出较高要求，用以保证机器人能够在复杂和变化的环境中进行稳定和可靠的图像识别。这就需要机器人具备强大的计算能力和存储能力，并具备优秀的图像处理算法和模型。另外，有一些信息是无法通过视觉信息获取的，如声音、温度、湿度、气味等。这就需要机器人同时配备其他类型的传感器，或者与其他类型的巡检机器人协作，才能实现对设备状态的全面监测。

基于上述原因，本申请提出一种基于任务调度的机器人、巡检方法及相关装置，下面结合实施例和附图对本申请做进一步详细描述：

参见图1，为本申请提出的一种基于任务调度的机器人巡检方法的第一种流程示意图，可以包括以下步骤：

S101，获取机柜的可承载任务量输入集。

实际应用中，机柜的可承载任务量输入集具体包括的数据内容，可以根据策略需要、预测要求等进行调整。

S102，将所述可承载任务量输入集输入至可承载任务量预测模型，得到机柜的可承载任务量预测结果。

需要说明的是，可承载任务量预测模型能够根据机房中可能影响机柜可承载任务量的相关数据，预测出机柜的可承载任务量。实际应用中，可承载任务量预测模型可以是基于人工智能和机器学习技术的预测模型，例如，可以采用线性回归方法、决策树、随机森林和神经网络等。类似的模型已有公开，例如，公开号为CN116192764A的中国发明专利中提出了一种基于深度学习的多任务数据中心网络流量预测方法，通过构建深度学习多任务模型提取数据中心网络流量的特征信息，实现对未来流量负载的预测，进而可推断出数据中心的任务量承载能力。

实际应用中，可承载任务量预测模型需要先使用训练集进行训练，且在使用过程中可以根据预测结果进行持续修正和优化，模型的训练为本领域常规技术方法，此处不再赘述。

机柜的可承载任务量指的是机柜所能容纳的设备数量以及这些设备的总功率。如果机柜的可承载任务量不足，可能会导致设备过热、运行不稳定或者无法正常工作等问题。本申请借助可承载任务量预测模型，能够准确预测机柜的可承载任务量。

S103，根据机柜的可承载任务量预测结果，将机柜划分为高负载机柜和低负载机柜。其中，高负载机柜的可承载任务量预测结果高于预设可承受任务量阈值，低负载机柜的可承载任务量预测结果低于预设可承受任务量阈值。

根据机柜的可承载任务量预测结果，将机柜划分为高负载机柜和低负载机柜，便于后续根据机房待调度作业量匹配不同的策略。实际应用中，预设可承受任务量阈值可以根据机柜的实际情况、对机柜的要求进行设置，本申请不做限制。

S104，根据机房待调度作业量，向高负载机柜和低负载机柜分配任务量，并使机器人根据机柜分配的任务量进行巡检。

本申请根据机房待调度作业量，以及机柜的可承载任务量预测结果分配任务量，安排巡检策略，能够适应不同的场景需求，可以使机器人在不同的工作负荷下，进行动态调整和优化，以达到最佳的巡检效果。

本申请基于可承载任务量输入集，利用承载任务量预测模型的智能算法预测机柜的可承载任务量，从而实现对机房任务的合理分配和调度，使机器人可以根据机柜的实际负载情况和处理能力进行巡检，避免了资源浪费和负载不均衡，同时，也减少了机器人的移动距离和时间，提高了机器人巡检的效率。另外，本申请根据机房待调度作业量的多少，采用不同的任务分配策略和巡检策略，便于达到最佳的巡检效果。

参见图2，为本申请提出的一种基于任务调度的机器人巡检方法的第二种流程示意图，可以包括以下步骤：

S201，构建机柜的可承载任务量输入集。

机柜的可承载任务量输入集可以包括以下几项数据：

(1)机柜在数据机房中的位置。

机柜放置位置的通风散热条件、空间限制、电力供应和物理安全性等因素都会对机柜的负载承受情况产生影响，因此，需要考虑机柜的位置影响因素。

(2)数据中心CPU利用率。

数据中心CPU利用率指的是在一定时间内，CPU在数据中心内被占用的时间和程度的度量，反映了数据中心的处理能力和实际负载之间的关系。如果CPU利用率过高，可能会导致系统性能下降、响应时间延长等问题。反之，如果CPU利用率过低，则说明处理能力过剩，存在资源浪费的情况。

对于数据中心内的大部分服务器，数据机房内机柜的CPU利用率是同构的,将IT需求量平均分配给每台激活的服务器，则这些服务器的CPU的利用率相同，如下所示：

s

其中，s

为保证服务质量，需要考虑一定的容量裕度，如下所示：

s

其中，σ为服务器的容量裕度。

则时间段t内的数据中心CPU利用率s

(3)机柜设备系统能耗。

机柜设备系统的能耗主要来自于机柜内的IT设备、电源、空调等设备的运行。其中，IT设备的能耗是主要的，包括服务器、存储设备、网络设备等。这些设备的能耗取决于它们的性能、功耗设计以及实际负载。

服务器的能耗模型宜采用统计拟合的方式，激活的第i个服务器的能耗p

p

其中，p

则IT设备的能耗p

p

(4)历史故障数据和运行温度。

机柜的历史故障数据显示频繁的设备故障或不稳定的运行情况，可能意味着机柜内设备的负载承受能力存在问题。如果机柜的运行温度过高，可能会导致设备过热，降低设备的寿命和性能，甚至引发设备故障。另外，高温环境还可能导致设备的过载保护触发，使设备无法承受额外负载。

在本申请的其他一些实施例中，还可以用机柜实时状态数据替代历史故障数据。其中，机柜实时状态数据可以基于传感器的实时监测，可以使用实时传感器数据来监测机柜的状态，例如，实时温度、湿度、风扇转速等，以便更准确地预测机柜的可承载任务量。

需要说明的是，根据数据中心容量与服务器数量，数据机房激活的服务器数量可以满足以下约束：

时间段t内的IT需求量μ

μ

其中，a

假定每个时段到达数据中心的交互式负荷小于数据中心总容量N，即N＞a

0≤μ

激活的服务器数量m

其中，

S202，设置预设可承受任务量阈值。

预设可承受任务量阈值的计算公式为:

其中，Y

S203，将可承载任务量输入集输入基于智能算法的可承载任务量预测模型，得到机柜的可承载任务量预测结果。通过将机柜的可承载任务量预测结果与预设可承受任务量阈值作对比，可以将机柜划分为两类：高负载机柜与低负载机柜。

S204，在机房待调度作业量的不同情况下，采用不同的策略分配任务量，驱动机器人进行巡检。

机房待调度作业量较多时：

在机房待调度作业量较多的情况下，首先将任务优先分配给高负载机柜，因为高负载机柜有较高的可承载能力和处理能力，能够处理更多的任务。再将剩余任务分配给附近的低负载机柜，确保资源的合理利用和负载均衡。巡检机器人优先按照高负载机柜的可承载任务量从大到小巡检，然后按照附近低负载机柜分配的任务量从大到小巡检。

机房待调度作业量正常时：

将任务按照机柜的可承载能力进行平均分配，使每个机柜承担大致相同的任务量。巡检机器人按照全局巡检路线进行巡检，确保每一个设备都能检查到。

机房待调度作业量较少时：

考虑到低负载机柜的任务较少，其处理能力未能充分利用，因此，可以将任务集中分配给高负载机柜。使巡检机器人集中在高负载机柜区域，按照分配任务量从大到小巡检。

需要说明的是，机房待调度作业量较多、正常或较少，可以设置预设调度量下阈值和预设调度量上阈值，若机房待调度作业量大于预设调度量上阈值，则认为机房待调度作业量较多，若机房待调度作业量小于预设调度量下阈值，则认为机房待调度作业量较少，若机房待调度作业量处于预设调度量上阈值和预设调度量下阈值之间，则认为机房待调度作业量正常。实际应用中，预设调度量下阈值和预设调度量上阈值可以根据实际情况进行设置，本申请不做限制。

本申请基于数据机房内机柜在数据机房中的位置、数据中心CPU利用率、机柜设备系统能耗、历史故障数据和运行温度构建可承载任务量输入集，并将其送入到基于智能算法的可承载任务量预测模型中，得到机柜的可承载任务量预测结果。通过将机柜的可承载任务量预测结果与预设可承受任务量阈值作对比，将机柜划分为高负载机柜与低负载机柜。在机房待调度作业较多的情况下，将任务优先分配给高负载机柜，然后再分配剩余任务给附近的低负载机柜，确保资源的合理利用和负载均衡的同时，优化机器人巡检效率。在机房待调度作业处于正常水平时，采取均衡分配策略。在机房待调度作业较少时，将任务集中分配给高负载机柜。可承载任务量输入集全方位包含了可能影响机房机柜可承载任务量的因素，使得可承载任务量预测结果准确率高且可动态调整，能够满足机器人自动实时巡检的需求。通过将机柜划分为高负载机柜与低负载机柜两类，为机器人的自动巡检调度方法提供了理论基础。

如图3所示，依托上述基于任务调度的机器人巡检方法，本申请还提出了一种基于任务调度的机器人巡检系统，可以包括：

数据获取模块，用于获取机柜的可承载任务量输入集；

预测模块，用于将可承载任务量输入集输入至可承载任务量预测模型，得到机柜的可承载任务量预测结果；

分类模块，用于根据机柜的可承载任务量预测结果，将机柜划分为高负载机柜和低负载机柜；高负载机柜的可承载任务量预测结果高于预设可承受任务量阈值，低负载机柜的可承载任务量预测结果低于预设可承受任务量阈值；

分配模块，用于根据机房待调度作业量，向高负载机柜和低负载机柜分配任务量，并使机器人根据机柜分配的任务量进行巡检。

在本申请基于任务调度的机器人巡检系统的其他一些实施例中，数据获取模块可以包括位置获取模块，用于获取机柜在数据机房中的位置；利用率获取模块，用于获取数据中心CPU利用率；能耗获取模块，用于获取机柜设备系统能耗；故障获取模块，用于获取历史故障数据；温度获取模块，用于获取运行温度。

在本申请基于任务调度的机器人巡检系统的其他一些实施例中，数据获取模块也可以包括位置获取模块，用于获取机柜在数据机房中的位置；利用率获取模块，用于获取数据中心CPU利用率；能耗获取模块，用于获取机柜设备系统能耗；传感器模块，用于获取历史故障数据；温度获取模块，用于获取机柜实时状态数据。

在本申请基于任务调度的机器人巡检系统的其他一些实施例中，还可以包括模型模块，用于构建可承载任务量预测模型。

另外，在前述基于温度预测的机房机器人巡检方法下，本申请还提出了一种基于任务调度的机器人，包括机器人本体和用于控制机器人本体运动的控制单元，其中的控制单元中存储有计算机程序，所述计算机程序被处理器执行时实现前述基于任务调度的机器人巡检方法的步骤。

需要说明的是，在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，各模块的划分，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，多个模块可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。该作为分离部件说明的模块，可以是或者也可以不是物理上分开的，作为模块显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本申请各个实施例中的各模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

如图4所示，本申请实施例提供的一种电子设备，包括存储器和处理器，存储器中存储有计算机程序，处理器执行计算机程序时实现如上任一实施例所描述基于任务调度的机器人巡检方法的步骤。

如图5所示，本申请实施例提供的另一种电子设备中还可以包括：与处理器连接的输入端口，用于传输外界采集设备采集的多模态数据至处理器；以及与处理器连接的显示单元，用于显示处理器的处理结果至外界；与处理器连接的通信模块，用于实现电子设备与外界的通信。显示单元可以为显示面板、激光扫描使显示器等；通信模块所采用的通信方式包括但不局限于移动高清链接技术(HML)、通用串行总线(USB)、高清多媒体接口(HDMI)、无线连接：无线保真技术(WiFi)、蓝牙通信技术、低功耗蓝牙通信技术、基于IEEE802.11s的通信技术。

本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如上任一实施例所描述基于任务调度的机器人巡检方法的步骤。

本申请所涉及的计算机可读存储介质包括随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质。

本申请实施例提供的基于任务调度的机器人巡检系统、电子设备及计算机可读存储介质中相关部分的说明请参见本申请实施例提供的基于任务调度的机器人巡检方法中对应部分的详细说明，在此不再赘述。另外，本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。

以上仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。