1.一种惯性自适应温控方法，其特征在于，所述方法包括：S1：构建云计算服务器温度感知模型，所述云计算服务器温度感知模型的输入为云计算服务器主机配置信息、运行状态信息和风扇音量信号信息，输出为云计算服务器实际温度；

S2：采集云计算服务器温度感知模型输入指标数据及服务器实际温度作为训练数据集合，利用两阶段鲁棒优化算法对构建的云计算服务器温度感知模型进行优化训练，得到优化后的云计算服务器温度感知模型，其中所述两阶段鲁棒优化算法流程，包括：基于训练数据集data，利用两阶段鲁棒优化算法对构建的云计算服务器温度感知模型进行优化训练，得到优化训练后的常数列向量 将 以及 作为云计算服务器温度感知模型中的常数列向量，得到优化后的云计算服务器温度感知模型；

所述两阶段鲁棒优化算法的优化流程为：

S21：将云计算服务器温度感知模型转换为两阶段模型，其中阶段1为基于服务器运行状态以及主机配置的温度感知，阶段2为基于风扇音量信号的温度感知；

S22：设置鲁棒优化算法的当前迭代次数为m，m的初始值为0，算法的最大迭代次数为Max；

S23：分别构建阶段1和阶段2的鲁棒优化目标函数：

其中：

为第m次迭代的常数列向量；

η为0～10之间的随机数；

ξ为不确定变量，Ω为不确定变量集合；

为阶段1的目标函数， 为阶段2的目标函数；

S24：计算目标函数 中 中最大值与最小值的差值，若该差值小于阈值ε或m大于等于Max，则终止阶段1的鲁棒优化算法迭代，将 作为优化训练后的常数列向量 并开始阶段2的鲁棒优化算法迭代；若差值大于等于阈值ε，则对 进行参数迭代，并令m＝m+1，重复该步骤，所述参数迭代公式为：S25：当得到优化训练后的常数列向量 后，调整阶段2的鲁棒优化目标函数，调整后的鲁棒优化目标函数为：对阶段2的鲁棒优化目标函数进行求解，得到优化训练后的常数列向量将 以及 作为云计算服务器温度感知模型中的常数列向量，得到优化后的云计算服务器温度感知模型；

S3：获取实时的云计算服务器温度感知指标数据，将云计算服务器温度感知指标数据输入到优化后的云计算服务器温度感知模型中，模型输出云计算服务器的实时温度，所述云计算服务器温度感知指标数据包括云计算服务器主机配置信息、运行状态信息和风扇音量信号信息；

S4：构建云计算服务器温度调节模型，所述云计算服务器温度调节模型的输入为云计算服务器实时温度、预期温度、转换时间，输出为温度调节控制参数；

S5：采集服务器温度调节参数数据作为训练数据优化云计算机服务器温度调节模型，将步骤S3得到的云计算服务器实时温度以及调节目标输入到优化后的云计算机服务器温度调节模型中，模型输出当前云计算服务器的温度调节控制参数；整合整个数据中心所有云计算服务器的温度调节控制参数，选择控制粒度最大的参数作为当前数据中心温度调节控制参数，其中所述调节目标包括预期温度以及转换时间。

2.如权利要求1所述的一种惯性自适应温控方法，其特征在于，所述S1步骤中构建云计算服务器温度感知模型，包括：构建云计算服务器温度感知模型，其中所述云计算服务器温度感知模型的输入为云计算服务器主机配置信息、运行状态信息和风扇音量信号信息，输出为云计算服务器实际温度，所述云计算服务器温度感知模型为：T T

W＝a1x1+a2x2

其中：

T表示转置；

W为输出的云计算服务器实际温度；

a1，a2为常数列向量，x1为服务器运行状态以及主机配置列向量，x2为风扇音量信号列向量，a1，a2为模型中待训练优化的参数；

Cpu为云计算服务器的CPU使用率，Memory为云计算服务器的内存使用率，RS为云计算服务器的风扇转速，switch为云计算服务器的运行状态，switch＝{0，1，2}，其中switch＝0表示云计算服务器处于关闭状态，switch＝1表示云计算服务器处于不工作的休眠状态，switch＝2表示云计算服务器处于工作状态。

3.如权利要求2所述的一种惯性自适应温控方法，其特征在于，所述S2步骤中采集云计算服务器温度感知指标数据及服务器实际温度作为训练数据集合，包括：采集云计算服务器温度感知指标数据以及服务器实际温度作为训练数据集data，所述训练数据集data的格式为：data＝{datak＝(x1，k，x2，k，Wk)|k∈[1，K]}其中：

datak为训练数据集data中的第k组训练数据，K为训练数据的总组数；

x1，k表示datak中的服务器运行状态以及主机配置列向量，x2，k表示datak中的风扇音量信号列向量，Wk表示datak中云计算服务器的实际温度；

服务器主机配置信息、运行状态信息的获取方式为：在云计算服务器中安装监控程序，若云计算服务器处于关闭状态，则不启动监控程序，并将switch设置为0，服务器主机配置信息以及运行状态信息均设置为0，若云计算服务器处于开启状态，则启动监控程序，监控程序检测云计算服务器的CPU使用率、内存使用率以及风扇转速，并监控云计算服务器是否处于工作状态，若云计算服务器处于工作状态，则将switch设置为2，否则将switch设置为

1；基于所获取的服务器主机配置信息、运行状态信息构建得到服务器运行状态以及主机配置列向量；

风扇音量信号信息的获取流程为：

在云计算服务器风扇附近部署音量传感器，利用音量传感器采集云计算服务器的风扇音量信号数据u(t)，其中t表示时序信息；

固定尺度因子a和位移因子b，利用小波函数ω(t)对风扇音量信号数据u(t)进行小波分解处理，将小波分解结果qa，b(t)作为风扇音量信号信息，将风扇音量信号信息转换为列向量得到风扇音量信号列向量，所述小波分解结果qa，b(t)为：其中：

b表示位移因子，a表示尺度因子。

4.如权利要求1所述的一种惯性自适应温控方法，其特征在于，所述S3步骤中获取实时的云计算服务器温度感知指标数据，将云计算服务器温度感知指标数据输入到优化后的云计算服务器温度感知模型中，模型输出云计算服务器的实时温度，包括：获取实时的云计算服务器温度感知指标数据，所述云计算服务器温度感知指标数据包括云计算服务器主机配置信息、运行状态信息和风扇音量信号信息；

将所获取的云计算服务器温度感知指标数据输入到优化后的云计算服务器温度感知模型中，模型输出云计算服务器的实时温度。

5.如权利要求1所述的一种惯性自适应温控方法，其特征在于，所述S4步骤中构建云计算服务器温度调节模型，包括：构建云计算服务器温度调节模型，所述云计算服务器温度调节模型的输入为云计算服务器实时温度、预期温度、转换时间，输出为温度调节控制参数；

所述云计算服务器温度调节模型结构为神经网络模型，包括输入层、卷积层以及全连接层；

输入层的输入值为(W′，W″，time)，其中W′表示云计算服务器实时温度，W″表示云计算服务器预期温度，time表示将云计算服务器温度从W′调整到W″的转换时间，输入层将输入值转换为向量形式g＝[W′，W″，time]，并将向量g输入到卷积层中；

卷积层对向量g进行卷积处理，所述卷积处理的公式为f＝Conv(ωg+z)，将卷积处理结果f输入到全连接层中，其中f为卷积处理后得到的特征图，Conv(·)为卷积处理的公式，ω表示卷积层的权重，z表示卷积层的偏置量；

全连接层包括softmax函数以及鲁棒优化函数，softmax函数接收特征图f并输出温度调节参数σ，鲁棒优化函数对温度调节参数σ进行鲁棒优化处理，将鲁棒优化后的温度调节*参数σ作为模型输出，所述鲁棒优化处理的公式为：

其中：

‑1

C 表示数据中心稳定性矩阵的逆，所述数据中心稳定性矩阵包括数据中心的用电量，云计算服务器数量以及数据中心的用电电压；

表示系统噪声。

6.如权利要求5所述的一种惯性自适应温控方法，其特征在于，所述S5步骤中采集服务器温度调节参数数据作为训练数据优化云计算机服务器温度调节模型，包括：采集服务器温度调节参数数据作为云计算服务器温度调节模型的训练数据集A，所述训练数据集A中的服务器温度调节参数数据格式为：A＝{Ah＝(W′h，W″h，timeh，σh)|h∈[1，H]}其中：

Ah为训练数据集A中第h条服务器温度调节参数数据，H为训练数据集A中数据的总数；

基于训练数据集A对云计算服务器温度调节模型进行参数优化，其中待优化参数θ为卷积层的权重以及偏置量θ＝(ω，z)，所述参数优化流程为：S51：构建云计算服务器温度调节模型参数优化的目标函数：其中：

n

θ为第n次参数优化迭代后的模型参数，n的初始值为0；

n

为将第h组数据(W′h，W″h，timeh)输入到基于模型参数θ的模型中，模型输出的鲁棒优化后的温度调节参数；

n

S52：按照下式对待优化参数θ进行优化迭代：

其中：

α为学习率，将其设置为0.6；

β为超参数，将其设置为0.2；

Loss(θ)为参数θ的训练目标函数；

sy(k)为第k次迭代的状态参数；

*

重复该步骤，直到云计算服务器温度调节模型的待优化参数达到稳定，并将稳定参数θ作为云计算服务器温度调节模型的参数，得到优化后的云计算机服务器温度调节模型。

7.如权利要求1所述的一种惯性自适应温控方法，其特征在于，所述S5步骤中将步骤S3得到的云计算服务器实时温度以及调节目标输入到优化后的云计算机服务器温度调节模型中，模型输出当前云计算服务器的温度调节控制参数，并整合整个数据中心所有云计算服务器的温度调节控制参数，包括：将步骤S3得到的云计算服务器实时温度以及调节目标输入到优化后的云计算机服务器温度调节模型中，模型输出当前云计算服务器的温度调节控制参数，并整合整个数据中心所有云计算服务器的温度调节控制参数，选择控制粒度最大的温度调节控制参数作为当前数据中心温度调节控制参数，其中所述调节目标包括预期温度以及转换时间，所述控制粒度最大的温度调节控制参数即为调整范围最大的温度调节控制参数。

8.一种惯性自适应温控系统，其特征在于，所述系统包括：服务器温度感知模块，用于构建云计算服务器温度感知模型，采集云计算服务器温度感知模型输入指标数据及服务器实际温度作为训练数据集合，利用两阶段鲁棒优化算法对构建的云计算服务器温度感知模型进行优化训练，得到优化后的云计算服务器温度感知模型；

数据获取模块，用于获取实时的云计算服务器温度感知指标数据，将云计算服务器温度感知指标数据输入到优化后的云计算服务器温度感知模型中，模型输出云计算服务器的实时温度；

温度调节装置，用于构建云计算服务器温度调节模型，采集服务器温度调节参数数据作为训练数据优化云计算机服务器温度调节模型，将云计算服务器实时温度以及调节目标输入到优化后的云计算机服务器温度调节模型中，模型输出当前云计算服务器的温度调节控制参数，以实现如权利要求1‑7所述的一种惯性自适应温控方法。