[发明专利]用于热控制的机器学习装置、系统和方法

说明书

本发明提供了用于热控制的机器学习装置、系统和方法。机器学习装置包括状态观察模块和强化学习模块。状态观察模块被配置为接收与电子设备的热条件相关联的一个或多个状态变量。该一个或多个状态变量以图形形式呈现。强化学习模块被配置为基于奖赏和该一个或多个状态变量来更新动作值表。机器学习装置、系统和方法为电子设备提供改进的热控制策略。

技术领域

本发明一般性地涉及用于电子设备的热控制，更具体地，涉及用于电子设备的热控制的机器学习装置、系统和方法。

背景技术

诸如计算机的电子设备包括许多电子组件(例如，存储器、处理器等)。随着电子设备复杂性的不断增加和尺寸的小型化，它们的组件耗散增加的热能，这可能降低电子设备的可靠性和寿命。因此，电子设备通常包括具有一个或多个用于热控制的风扇的冷却系统。

比例-积分-微分(PID)控制器是电子设备的热控制系统中广泛使用的控制回路反馈机制。PID参数或系数根据操作风扇速度自适应地调节。然而，这种传统方案在多个方面存在缺陷。例如，必须针对一个风扇系统调整PID参数，而这种调整过程是耗时的。已调整的PID参数不能转移到其他风扇系统。也就是说，需要针对每个风扇系统分别调整PID参数。此外，由于温度和风扇速度之间的高非线性，这种传统方案受到风扇速度振荡问题的影响。

发明内容

本发明提供用于针对电子设备建立热控制策略的机器学习装置、系统和方法，以克服如上所述的一个或多个现有技术问题。

根据示例性实施例的一个方面，提供了一种用于针对电子设备建立热控制策略的机器学习装置。机器学习装置包括状态观察模块和强化学习模块。状态观察模块被配置为接收与电子设备的热条件相关联的一个或多个状态变量。该一个或多个状态变量以图形形式呈现。强化学习模块被配置为基于奖赏和该一个或多个状态变量来更新动作值表。

根据示例性实施例的另一方面，提供了一种用于针对电子设备建立热控制策略的机器学习系统。该系统包括机器学习装置、温度测量模块、功率测量模块和信号测量模块。机器学习装置包括状态观察模块和强化学习模块。强化学习模块被配置为基于根据与电子设备的热条件相关联的一个或多个状态变量生成的奖赏来更新动作值表。一个或多个状态变量以图形形式呈现在图形中，并且该一个或多个状态变量在图形中的相对位置能够被识别和提取。温度测量模块被配置为测量电子设备的处理器的温度。功率测量模块被配置为测量由电子设备消耗的功率。信号测量模块被配置为测量电子设备的风扇的脉冲宽度调制(PWM)信号的占空比。

根据示例性实施例的另一方面，提供了一种用于针对电子设备建立热控制策略的机器学习方法。该方法提供与电子设备的热条件相关联的一个或多个状态变量，基于该一个或多个状态变量生成奖赏，并基于奖赏和该一个或多个状态变量更新动作值表。该一个或多个状态变量以图形形式呈现在图中。

根据示例性实施例的机器学习装置、系统和方法为电子设备提供改进的热控制策略，并且具有以下优点中的一个或多个：与调节PID参数相比消耗更少的时间、更多的灵活性和可转移性、易于维护和扩展、快速收敛、缓和甚至消除风扇振荡问题。

以下将讨论更多示例性实施例和技术效果。

附图说明

现在将参考附图以示例的方式描述本发明的实施例，其中：

图1示出根据示例性实施例的用于针对电子设备建立热控制策略的机器学习装置。

图2示出根据示例性实施例的图形形式的状态变量。

图3示出根据示例性实施例的用于调节电子设备的风扇的脉冲宽度调制(PWM)信号的占空比的动作。

图4示出根据示例性实施例的用于针对电子设备建立热控制策略的机器学习系统。

图5示出根据示例性实施例的用于针对电子设备建立热控制策略的机器学习方法。