CN119443459A 一种基于人工智能的智慧机房管控方法 (国网信通亿力科技有限责任公司)_第1页
CN119443459A 一种基于人工智能的智慧机房管控方法 (国网信通亿力科技有限责任公司)_第2页
CN119443459A 一种基于人工智能的智慧机房管控方法 (国网信通亿力科技有限责任公司)_第3页
CN119443459A 一种基于人工智能的智慧机房管控方法 (国网信通亿力科技有限责任公司)_第4页
CN119443459A 一种基于人工智能的智慧机房管控方法 (国网信通亿力科技有限责任公司)_第5页
已阅读5页,还剩27页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

本发明涉及一种基于人工智能的智慧机房行精细化的权限管理;S6:基于人员实时定位和2S1:使用激光扫描设备获取机房的三维数据,并基于机房的三维数据创建静态三维模型;S3:基于动态三维模型,采用WebGL构建一个可视2.根据权利要求1所述的一种基于人工智能的智慧机房管控方法,其特征在于,所述使用ICP算法对滤波后的多角度扫描点云数据进行拼接和全局对齐,使所有扫描数据将合并后的点云数据导入三维建模软件作为建模基础,采用表面重建3.根据权利要求2所述的一种基于人工智能的智慧机房管控方法,其特征在于,所述:;计算所有点邻域距离的均值和标准差oa,使用标准差乘数定义阈值,筛选出离群4.根据权利要求3所述的一种基于人工智能的智慧机房管控方法,其特征在于,所述使用ICP算法对滤波后的多角度扫描点云数据进行拼接和全局对齐,使所有扫描数据合并3使用奇异值分解,基于最近点对计算最优的刚体变换,包括旋转矩阵R和位移向量;pf为更新后的点;5.根据权利要求1所述的一种基于人工智能的智慧机房管控方法,其特征在于,所述基于工业物联网连接各类传感器获取设备的实时运行数据使用数据库存储高频率收集的时间序列数据,并标准化数据以整合设备运行参数数据,绘制代表设备功耗、效率或状态变化的将机房的静态三维模型导入3D建模软件,为模型中的每个设备6.根据权利要求1所述的一种基于人工智能的智慧机房管控方法,其特征在于,所述;;dec和bdec分别是解码器的权重矩阵和偏置向通过重建损失函数最小化原始输入与重构输出之间4i"个重构输出;使用编码器输出的潜在空间特征z来训练OC_SVM模型,使用RBF核来;;7.根据权利要求6所述的一种基于人工智能的智慧机房管控方法,其特征在于,所述使用支持向量机库读取自动编码器输出的潜在特征进行OC_SV8.根据权利要求7所述的一种基于人工智能的智慧机房管控方法,其特征在于,所述在超参数搜索空间中随机选择或使用拉丁超立方采样选择几个超参数组合进行初始;59.根据权利要求1所述的一种基于人工智能的智慧机房管控方法,其特征在于,所述在机房内不同固定位置测量Wi_Fi的RSSI,通过实验建立信号强度与物理距离之间的将UWB精准测距和RSSI提供的信息同步到统一的从角色权限数据库中查询,确定哪些人员有权限处理特定的异常节点Authorized(u,v')=Role,npermissions,*o其中,6S1:使用激光扫描设备获取机房的三维数据,并基于机房的三维数据创建静态三使用高精度LiDAR设备进行多角度扫描,捕捉机房内各个角落和设备的详细点云使用ICP算法对滤波后的多角度扫描点云数据进行拼接和全局对齐,使所有扫描7将合并后的点云数据导入三维建模软件作为建模基础,采用表面重建技术(如;离群点,对于点云中的每个点pi,其邻域平均距离与全局平均距离之间的差异超过了;基于工业物联网连接各类传感器获取设备的实时运行数据8;;dec和bdec分别是解码器的权重矩阵和偏置向通过重建损失函数最小化原始输入与重构输出之间,;;使用神经网络库定义自动编码,自动编码器架构包括输入层、若干隐藏层、瓶颈9在超参数搜索空间中随机选择或使用拉丁超立方采样选择几个超参数组合进行;u(x)为高斯过程代理模型在点x处的预测均值;o"(x)为高斯过程预测在机房内不同固定位置测量Wi_Fi的RSSI,通过实验建立信号强度与物理距离之将UWB精准测距和RSSI提供的信息同步到统一的S1:使用激光扫描设备获取机房的三维数据,并基于机房的三维数据创建静态三使用高精度LiDAR设备进行多角度扫描,捕捉机房内各个角落和设备的详细点云使用ICP算法对滤波后的多角度扫描点云数据进行拼接和全局对齐,使所有扫描将合并后的点云数据导入三维建模软件作为建模基础,采用表面重建技术(如;离群点,对于点云中的每个点pi,其邻域平均距离与全局平均距离之间的差异超过了[0025]在本实施例中,使用ICP算法对滤波后的多角度扫描点云数据进行拼接和全局对;;基于工业物联网连接各类传感器获取设备的实时运行数据和环境数据,包括温z=o'(wx+b.);dec和bdec分别是解码器的权重矩阵和偏置向通过重建损失函数最小化原始输入与重构输出之间[0029]其中,n表示数据样本的数量,是第;p为偏置;;在超参数搜索空间中随机选择或使用拉丁超立方采样选择几个超参数组合进行;u(x)为高斯过程代理模型在点x处的预测均值;o"(x)为高斯过程预测[0035]可根据最大迭代次数、耐心参数或目标性能达到某个水平等标准来终止优化过在机房内不同固定位置测量Wi_Fi的RSSI,通过实验建立信号强度与物理距离之将UWB精准测距和RSSI提供的信息同步到统一的在移动设备中集成AR引擎(如ARKit或ARCore用于在摄像头视图上叠加导航指[0042]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特何熟悉本专业的技

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论