基于虚拟化的数据中心自动巡检导航算法研究

摘要：针对巡检机器人设计自动导航数据中心时，若能应用虚拟化技术，能够在虚拟化算法辅助下，实现高效巡检，自此降低巡检人力投入成本。在此之上，本文简要分析了数据中心自动巡检导航运行原理，经由明晰路径参数设计思路、确定动作参数设计步骤等参数设计方法，为自动巡检导航机器人的优化改造指明方向，利用科学导入应用模型参数、加强自动巡检导航实验、实现数据中心资源配置算法，确保自动巡检机器人在该算法主导下，拥有稳定的虚拟化导航功能。

关键词：虚拟化;数据中心;巡检机器人;自动导航

一、引言

巡检机器人之所以能够实现自动化操作，是因为在其设计阶段充分采用了导航技术，继而为其巡检路径带来了重要指引，以便在自动导航功能作用下，顺利完成避障任务。据相关调查：导航技术多有激光雷达导航以及视觉导航、电磁导航等多项技术，为了进一步优化巡检机器人运行效果，专门借助虚拟化技术提出对应的自动导航虚拟化算法，满足当前数据中心设备使用需求。

二、数据中心自动巡检导航运行原理

（一）自动躲避障碍物

巡检机器人在数据中心有着广泛的应用价值，为了进一步缓解巡检人员的工作压力，现已在巡检业务开展中推广巡检机器人，借此达成省本增效的效果。在数据中心自动巡检导航技术实际应用环节，较为关键的是要求巡检机器人能够实现自动避障。首先，在功能模块设计中，要求依据巡检机器人运行特点，确定自动导航控制方式。通常情况下，巡检机器人多设有红外探测仪以及速度传感器等结构，而且为了实现自动行进，还利用滑轮，辅助巡检机器人保持稳态行进。无论是遇到上下坡路段还是障碍物，都能持续保持规范的行进步骤，进而使其具备缓冲、监测、采集信息多项功能;其次，于巡检机器人中采用自动导航技术，还需要保证在行进途中随时获取有用数据，并对障碍物种类、范围进行综合分析，便于随时从模型库中调取指定动作，用于杜绝与障碍物的碰撞;再者，应依据虚拟化技术，在控制器与数据中心之间建立连接关系，由此达成自动避障的目的;最后，在巡检机器人行进期间，还可以借助对滑轮结构矢量信息的采集分析，促使巡检机器人能够按照事先设定好的具体动作完成行进路径的纠正操作，以免直接按照直线行进，造成行进路线中的障碍物危及巡检机器人的运行安全。

汇总相关运行数据，能够对自动避障功能的实现给出明确步骤。其中应在红外探测仪以及传感器、摄像机等工具指引下，自动识别障碍物，之后依据地图数据库获取路线参数。若识别出障碍物，则从动做模型库中获取运行动作，而后采集路径参数与动作参数形成虚拟化算法，依靠控制器促进巡检机器人的自动控制，这样方可保证巡检机器人在自动导航功能下实现自动化控制[1]。

（二）自动设计航线

巡检机器人运行中，在自动导航技术辅助下，还要通过自动设计航线，促使巡检机器人在自动避障的同时，也能重新建立规范的导航路径，最终确保巡检机器人在改进后的航线中继续完成自动巡检任务。关于自动航线的设计，是从动作模型库中，获取对应动作，再次与目的地搭建连接关系，使之在避障后可以按照新航线保持持续行进状态。无论是自动避障还是自动设计航线，都要在虚拟化算法参与下，为数据中心设备提供有利的巡检条件，以此维护数据中心安全。基于此，应在虚拟化技术指引下进行优化设计[2]。

三、数据中心自动巡检导航参数设计方法

（一）明晰路径参数设计思路

数据中心自动巡检导航算法的设计，还需要从参数设计层面上，为巡检机器人的巡检路径进行合理设置。由于巡检机器人基本上处于平面行进状态，此时可以借助二维坐标图，对行进位置提出明确规定，以便在确定好巡检机器人巡检位置后，为其重新设定巡检路径，经过坐标点的调整，增加行进路径规范性。尤其在其躲避障碍物以后，需要按照新的坐标点实现自动导航。相关人员可以在行进路径与二维坐标图上建立互通关系，而后将坐标图进行划分，根据行进路径绘制坐标图后，能够形成曲线图，之后按照曲线图的微积分原理，提出对应的行进路径位移矩阵算法。其中位移矩阵可以利用Tx→y表示，而曲线斜率则以K表示。此外，在计算曲线斜率时，可以依据微积分原理，获取横纵坐标变化差值，之后以计算斜率，并依据斜率与路径位移矩阵的关系，顺利的求取路径矢量参数，即F0=K·Tx→y，式中F0代表的即为路径矢量参数。考虑到巡检机器人在自动导航中，需要随时根据障碍物的分布情况重调行进路径，故此造成行进路径多有偏差，此时可以经过对巡检路径的细致分割，判定最适宜的实际行进路径，便于调节后的巡检机器人能在虚拟化数据指引下，迅速按照对应动作实现行进路径的合理变化。鉴于此，按照行进路徑参数的合理设计，可以为巡检机器人的稳步前行带来辅助保障[3]。

（二）确定动作参数设计步骤

在自动导航中，要想保证巡检机器人实现自动避障，还需要在其行进途中，随时根据障碍物信息，从动做模型库中调取对应动作，之后按照新动作，促使巡检机器人在动作参数指引下，实现大范围巡检操作。在动作参数模型建立中，它主要是以三维坐标图为基础，由于机器人滑轮除了具有前行后退动作外，还能进行旋转。所以，需要参照不同动作下坐标图显示的夹角变化幅度，规范动作参数。其中可以依据旋转动作设计动作矩阵，具体可将旋转后与原始坐标轴产生的角度设定为β、ɑ以及θ，此时点位坐标即为（x，y，z），整理好相关坐标变化数据后，按照下列动作矩阵确定动作参数。

即动作矩阵中X轴可利用动作矩阵表示为：

按照动作矩阵可以为巡检机器人的旋转角度以及旋转方向提供指引，便于旋转后，可以继续朝着巡检路径开展自动巡检工作。

例如在消防系统自动巡检业务，于巡检范围内，可以针对障碍物进行躲避，之后通过发送消防巡检指令，实现程序的响应，此时一旦在巡检中发现潜在火灾风险，则立即终止巡检动作，并从系统界面上发布预警信息，而且也可以直接同消防设施建立互通关系。另外，还可以通过巡检动作的纠正优化，重新制定巡检路径，致使巡检机器人在虚拟化算法下建立对应的动作参数模型，达成自动导航目标。在虚拟化数据中心中采用动作参数，可以保证自动巡检机器人在动作指令传递中，实现自动行进[4]。

四、基于虚拟化数据中心自动巡检导航算法要点

（一）科学导入应用模型参数

1.路径参数

在虚拟化算法研究中，要想保证机器人具备自动巡检导航功能，应科学导入并灵活应用模型参数。结合上述研究成果，关于路径参数的应用导入，需要从多个路径数据筛选中选出最贴近巡检目标的路径参数。所谓的虚拟化算法，是从参数分析中针对不贴合参数做出相应的排除操作，之后引领巡检机器人于自动导航功能作用下完成避障操作。在实际导入路径参数环节，常秉承着低成本、少路程的原则，在多个路径参数中择优而选。在巡检路径分析中，可不断记录避障前后路径曲线斜率变化情况，之后参照原始路径坐标点位，对其偏移量加以计算。如若计算后产生偏移量，且偏移量误差是“0”，此时路径参数需要根据全新的路径参数函数予以运行。如若在实际运行阶段，巡检机器人处于复杂的巡检环境下，且障碍物分布范围广泛，在导入路径参数时，可以从多个坐标集合中求职权值平均值，并对现有路径加以微调，直到产生的偏移量复合路径调整要求后，即可在新路径继续开展巡检工作[5]。

从目前巡检业务规模能够了解到：随着数据中心设备量的增加，巡检人员工作负担随之增大，这就导致在巡检工作中，投入的人力成本更大。要想保证数据中心设备均能保持稳定状态，可以充分借助自动巡检机器人，代替人力进行巡检，不但可以节省投入成本，而且也能在遇到障碍物时实现自动导航。从虚拟化算法中，针对路径参数加以应用，是为了优化自动巡检机器人自动导航功能使用效果。自动巡检导航在虚拟化算法中，能够直观地从参数模型库中采集正确的参数指标。在路线模型中可以依据地图数据库整理出对应的路径参数，之后利用虚拟化算法，重新向控制器传递行进指令，自此利用路径参数的应用导入，重新规划行进路线，从而避免在混乱且漫长的路程中持续开展巡检工作，影响巡检机器人巡检效率。

2.动作参数

巡检机器人在巡检作业中，最为主要的是利用路径参数与动作参数，制定明确的行进路线，最终促使行进过程中展现设备检测功能。从机器人动作表现出能够发现：在其旋转指令执行期间，其旋转方向以及旋转次数存在差异性，并且能够在循环中利用多组重复动作，达到旋转效果。但在重复动作中不但会过多消耗机器人储备能量，而且也会降低巡检效率。所以，在巡检动作参数应用中，需要充分借助虚拟化算法，尽量将巡检动作的操作时间乃至操作方式控制在最佳范围内，这样方可节约巡检作业整体时间。为了促成动作参数的导入应用，在巡检动作中，可以建立动作模型库。一旦出现重复动作，将予以剔除。另外，还可以对动作变化夹角予以控制。在巡检机器人行进阶段，可以模拟不同夹角下动作变化状态，之后根据夹角变量与所需时间的关系求取最佳夹角，并按照最佳夹角的达成方式完成旋转，以免出现旋转时间较长情况。随着最佳夹角与最优动作的虚拟匹配，可得出最适合巡检机器人的旋转动作，之后指引滑轮结构依照最优动作参数发送相关指令。在虚拟化算法中，可以将数据库中存储的旋转动作纳入集合中，而后若判定此动作属于重复动作，则按照新函数予以操作，并对坐标位置加以调整，便于机器人旋转后，朝着上述得出的最优路径继续进行巡检。虚拟化技术参与下建立的虚拟化算法，是在旋转动作、行进路径参数应用导入中，为机器人带来更可靠的辅助保障，促使巡检机器人在自动导航中高效完成巡检任务。

（二）加强自动巡检导航实验

数据中心自动巡检导航虚拟化算法，要想全面了解此种算法的推广价值，还要积极设计实验活动，以此凭借实验结果，客观评估虚拟化算法可行性。具体可从以下两项实验予以分析：

第一项实验是避障实验，在数据中心设备自动巡检作业中，常遇到各种障碍物，此时要求巡检机器人自动避障且保持原始状态。其中虚拟化算法下能够在自动避障中调整旋转角度，自此抑制倾倒现象的产生。在所设计的对比实验中，能够发现在常规算法（特征提取算法）下巡检机器人能够自动检测障碍物，而后执行躲避动作，但与虚拟化算法下的巡检机器人比较，倾倒与侧滑率较高，而且在滑轮夹角数值记录结果中，虚拟化算法的误差更小，甚至与实测值贴合度更高，由此证实虚拟化算法可以优化避障功能，使之在行进途中始终保持稳定状态，无论是在避障还是旋转动作下，误差值都较小，甚至无限接近“0误差”。在对比试验中，还可以在数据中心中设计不同位置的实验地点，而后从实验数据分析中确定虚拟化算法的适应性，为数据中心巡检业务提供明确的优化思路。

第二项实验，在数据中心除了障碍物数量存在差异外，障碍物类型以及障碍物分布长度亦有不同。此时，可以将障碍物类型以及长度设定为因变量，之后对比常规算法与虚拟化算法两组巡检机器人的巡检时长，其中对比后发现虚拟化算法可以缩短巡检时间，而在通过坑路以及垃圾桶等不同障碍物时，巡检速度也以虚拟化算法为最优算法。经过上述两项实验分析成果，确定虚拟化算法比常规算法应用效果更好，在践行高效巡检目标的基础上，也可以提升巡检稳定性。正因为虚拟化算法可靠性更突出，自动导航辅助效果更优，才要在数据中心自动巡检导航设计中，依靠虚拟化算法优化原有算法，改善自动巡检导航现状。

（三）实现数据中心资源配置

于数据中心中研究自动巡检导航算法，还应当加强资源配置设计，确保自动巡检机器人在数据中心表现出显著的应用优势。经由虚拟化算法的导入，可针对机器人巡检资源实现集中配置。首先，可以在虚拟化技术辅助下联合大数据技术，对数据中心巡检信息予以采集，并在信息处理技术干预下获取有用数据，之后可以设定巡檢目标。在特征提取算法的资源配置方式中，以随机配置为主，这样会造成数据中心设备巡检业务很难达到预期巡检效果。若能将集中配置方式应用在虚拟化算法中，能够提升资源配置质量，对自动巡检机器人服务水平的提高也会带来积极影响。所以，务必在数据中心自动巡检导航算法分析中，依据资源集中配置形式，增加巡检业务精准性。

五、结束语

综上所述，在设计巡检机器人导航方法时，经过虚拟化算法的参与，能够为自动化巡检导航业务的开展带来保障，借此规范巡检机器人行进路径。对此，应依托动作参数、路径参数，从模型参数应用导入、自动巡检导航实验、数据中心资源配置等方面着手，以便巡检机器人获取稳定的巡检数据，在较短时间内迅速完成巡检任务，增加巡检效率，符合新时代数据中心设备自动巡检实际要求。

作者单位：卓威    成都天府国际机场

参  考  文  献

[1]马丽娜.基于PLC的消防自动巡检系统的设计与研究[J].中国设备工程，2022（02）：98-99.

[2]唐国民，王俊，王海峰，等.面向航道精细化巡检的无人机航线自动规划技术研究[J].中国水运.航道科技，2021（06）：53-58.

[3]巫东来，朱佳，汤仕磊.一种基于虚拟化的数据中心自动巡检导航算法[J].科技传播， 2020，12（20）：154-156.

[4]凌志勇，唐名锋，张康，等.基于改进D～* Lite算法的电缆沟巡检机器人系统设计[J].计算机测量与控制，2020，28（09）：187-190+201.

[5]王冠华. 天然气站场巡检机器人的自动导航技术[D].浙江理工大学，2019.