北京2023年6月9日 /美通社/ -- 武藝精絕者，能聽(tīng)音辨位，醫(yī)術(shù)高明者，可聞聲辨癥，這都是匠人技藝高超的體現(xiàn)。而現(xiàn)在，關(guān)于“聽(tīng)”這項(xiàng)技能，AI又會(huì)帶來(lái)什么驚喜? 僅需10秒聽(tīng)音，就能精準(zhǔn)判斷服務(wù)器風(fēng)扇故障，這是浪潮信息工程師們秉持匠心，通過(guò)AI技術(shù)“聞風(fēng)聽(tīng)診”，精益求精所帶來(lái)的前沿創(chuàng)新：

浪潮信息最新發(fā)布的智能聽(tīng)音診斷技術(shù)，可以讓服務(wù)器風(fēng)扇的故障預(yù)警準(zhǔn)確率達(dá)到95%，致力于將這一會(huì)引發(fā)服務(wù)器故障和數(shù)據(jù)中心事故的安全隱患降到最低。

風(fēng)扇之殤牽引服務(wù)器之痛

眾所周知，“發(fā)燒”是服務(wù)器的致命傷。在服務(wù)器系統(tǒng)中，良好的散熱是保障系統(tǒng)以高性能穩(wěn)定可靠運(yùn)行的基礎(chǔ)，風(fēng)扇在其中所起的作用不言而喻。

然而，風(fēng)扇雖是服務(wù)器降溫的法寶，其本身卻并非“百毒不侵”。風(fēng)扇的故障，可能來(lái)自于軸承變形，部件老化、電路板短路故障，灰塵與污垢的積壓，潤(rùn)滑油的不足，嚴(yán)重時(shí)甚至?xí)饠?shù)據(jù)中心的火災(zāi)。

散熱風(fēng)扇雖然僅有1%的可能發(fā)生故障，但其一旦發(fā)生故障，將影響系統(tǒng)性能和可靠性，且風(fēng)扇故障的維修時(shí)間長(zhǎng)，對(duì)數(shù)據(jù)中心業(yè)務(wù)運(yùn)行影響很大。

有什么辦法，可以提前預(yù)測(cè)風(fēng)扇的“亞健康”問(wèn)題，方便為服務(wù)器“治未病”?浪潮信息的工程師們?yōu)樽约毫⑾铝搜邪l(fā)的目標(biāo)，并且開(kāi)始反向求索去解決需求痛點(diǎn)。

聽(tīng)音預(yù)警為服務(wù)器“治未病”

地震在發(fā)生前會(huì)產(chǎn)生1-10Hz的次聲波，能輔助人們提前預(yù)測(cè)災(zāi)害的發(fā)生，可見(jiàn)聲音傳遞的信息如果能被正確解讀，能夠給人類(lèi)帶來(lái)巨大的價(jià)值。而浪潮信息研發(fā)工程師發(fā)現(xiàn)，服務(wù)器風(fēng)扇作為一種旋轉(zhuǎn)機(jī)械，一方面要抑制其產(chǎn)生的氣動(dòng)噪聲對(duì)性能、可靠性的影響，另一方面，也可以利用其中所攜帶的風(fēng)扇性能狀態(tài)的信息，剖析風(fēng)扇健康狀態(tài)。

浪潮信息工程師采用中科院聲學(xué)所語(yǔ)音與智能信息處理實(shí)驗(yàn)室的智能聲學(xué)故障檢測(cè)技術(shù)，利用機(jī)箱內(nèi)噪聲的特征信息，建立了業(yè)界首個(gè)基于聲紋特征的服務(wù)器風(fēng)扇故障智能預(yù)警系統(tǒng)。該系統(tǒng)可以實(shí)時(shí)分辨幾乎所有的服務(wù)器風(fēng)扇故障噪聲，實(shí)現(xiàn)“聽(tīng)音診斷”。

將風(fēng)扇故障智能診斷模型部署在服務(wù)器BMC芯片中，進(jìn)一步擴(kuò)展了服務(wù)器的智能運(yùn)維能力。BMC通過(guò)內(nèi)部的麥克風(fēng)陣列、音頻處理芯片，采集系統(tǒng)的多維噪音，并進(jìn)行聲學(xué)信號(hào)處理、分析、診斷，僅需10秒鐘“聽(tīng)音”，就可準(zhǔn)確預(yù)警故障狀態(tài)，精準(zhǔn)度達(dá)95%，提前從根源上徹底解決服務(wù)器風(fēng)險(xiǎn)問(wèn)題，保證數(shù)據(jù)中心運(yùn)行安全。

“知音”難覓AI助力開(kāi)先河

基于聲學(xué)探測(cè)的服務(wù)器風(fēng)扇智能聽(tīng)音診斷系統(tǒng)聽(tīng)起來(lái)很簡(jiǎn)單，但從無(wú)到有，從有到精，對(duì)于聽(tīng)音診斷的AI學(xué)習(xí)來(lái)說(shuō)，遠(yuǎn)不止“讀書(shū)百遍，其義自見(jiàn)”這么容易。

工程師們首先在服務(wù)器主板上集成麥克風(fēng)陣列采集風(fēng)扇的噪音，完成采集到的音頻信號(hào)的降噪、同步、處理，然后將數(shù)據(jù)傳輸至部署了智能診斷模型的BMC中，在BMC中實(shí)現(xiàn)風(fēng)扇故障的在線診斷功能，包括對(duì)風(fēng)扇故障音的特征匹配與分析，精準(zhǔn)識(shí)別潛在的風(fēng)扇故障音、定位風(fēng)扇故障位置、發(fā)出警報(bào)，并記入風(fēng)扇故障日志等，實(shí)現(xiàn)對(duì)葉片偏心、軸承磨損、繞組性能退化、潤(rùn)滑油不足或耗干、IC元件電阻變化等等故障原因進(jìn)行精準(zhǔn)定位。

從零起步的難點(diǎn)在于，此前業(yè)界沒(méi)有任何參考，信號(hào)特征提取又特別復(fù)雜。數(shù)據(jù)中心有上萬(wàn)臺(tái)的風(fēng)扇，分別分布在不同機(jī)柜中。傳統(tǒng)的聲音分析方法中，背景噪音嘈雜，聲紋特征很容易被混淆，難以精準(zhǔn)識(shí)別。

為了得到識(shí)別精度高、泛化能力強(qiáng)的診斷模型，浪潮信息工程師們構(gòu)建了業(yè)界首個(gè)針對(duì)服務(wù)器風(fēng)扇故障音的人工智能訓(xùn)練數(shù)據(jù)集，時(shí)長(zhǎng)足足達(dá)200小時(shí)，涵蓋了幾乎所有的風(fēng)扇故障類(lèi)型，并對(duì)聲紋信息抽取40維MFCC特征，建立了多級(jí)深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)。

經(jīng)過(guò)訓(xùn)練的風(fēng)扇故障音診斷模型能夠區(qū)分特征相似的聲紋數(shù)據(jù)，并緩解了正負(fù)樣本分布不均衡的問(wèn)題，對(duì)各種類(lèi)型、不同位置的故障風(fēng)扇洞察秋毫，有見(jiàn)微知著的效果。

目前，這套AI預(yù)測(cè)模型已經(jīng)部署在浪潮信息服務(wù)器中，由BMC統(tǒng)籌管理風(fēng)扇、麥克風(fēng)陣列、DSP、指示燈等組成的聽(tīng)音診斷系統(tǒng)只需十秒聽(tīng)音，葉片偏心或破損、軸承磨損、潤(rùn)滑油不足、積灰等種種故障均可精準(zhǔn)定位預(yù)警，預(yù)警精準(zhǔn)度達(dá)95%，徹底解決服務(wù)器的運(yùn)行風(fēng)險(xiǎn)。

結(jié)語(yǔ):

若能澄心凈耳聽(tīng)，萬(wàn)籟俱寂亦是韻。風(fēng)過(guò)留痕，雁過(guò)留聲，從聲音的碎片中去捕捉風(fēng)扇的暗傷，從偶爾的音變中去發(fā)現(xiàn)必然的質(zhì)變，知音莫過(guò)于此。智能只是手段，工程師們的如磐匠心才是創(chuàng)新的根基，精益求精，千錘百煉，只為一臺(tái)好的服務(wù)器。