基于贝叶斯推理的数据中心用精密空调故障软修复方法研究

针对数据中心用精密空调温度传感器测量偏差及冷却盘管结垢的故障问题,提出一种基于贝叶斯推理的故障软修复方法。贝叶斯推理可以充分利用故障的先验知识和实际运行测量数据,将故障修复问题转化成最大似然函数求解问题。其中,贝叶斯推理的后验分布概率密度函数采用马尔科夫链蒙特卡罗算法求解。基于后验分布的均值、标准差等统计特征,评估温度传感器的测量偏差及盘管的结垢程度,完成故障软修复。基于贝叶斯推理故障软修复方法,对1个典型的数据中心用精密空调的不同类型及不同数量的故障场景进行仿真研究。研究结果表明:本文所提出的故障软修复方法在单故障场景中的故障修复率达到99.20%以上,在双故障场景中的故障修复率也高于92.23%。