[发明专利]控制装置及控制方法在审
| 申请号: | 202110618033.2 | 申请日: | 2021-06-03 |
| 公开(公告)号: | CN115434937A | 公开(公告)日: | 2022-12-06 |
| 发明(设计)人: | 李建明;童凯炀 | 申请(专利权)人: | 英业达科技有限公司;英业达股份有限公司 |
| 主分类号: | F04D27/00 | 分类号: | F04D27/00;G06N3/08 |
| 代理公司: | 上海宏威知识产权代理有限公司 31250 | 代理人: | 赵芳梅 |
| 地址: | 201114 *** | 国省代码: | 上海;31 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 控制 装置 方法 | ||
1.一种控制装置,用于控制一伺服器系统的一风扇,其特征在于,包含有︰
一温度预测器,经配置以使用一第一深度学习模型并根据所述风扇的一转速、一适配卡的一发热功率、所述适配卡的一入口温度及一处理器的一温度产生一晶片的一预测温度;以及
一风扇控制器,耦接于所述温度预测器,经配置以使用一第二深度学习模型并根据所述晶片的所述预测温度、所述风扇的转速及所述适配卡的所述发热功率产生所述风扇的一目标转速,并根据所述风扇的所述目标转速产生一风扇控制信号以驱动所述风扇。
2.如权利要求1所述的控制装置,其特征在于,其中所述温度预测器包括复数个第一神经网络层以形成所述第一深度学习模型,以及所述风扇控制器包括复数个第二神经网络层以形成所述第二深度学习模型。
3.如权利要求1所述的控制装置,其特征在于,其中所述风扇的转速包括所述风扇的一当前转速以及对应于复数个先前周期的复数个先前转速,所述适配卡的所述发热功率包括所述适配卡的一当前发热功率以及对应于所述复数个先前周期的复数个先前发热功率、所述适配卡的所述入口温度包括所述适配卡的一当前入口温度以及对应于所述复数个先前周期的复数个先前入口温度、所述处理器的所述温度包括所述处理器的一当前处理器温度以及对应于所述复数个先前周期的复数个先前处理器温度。
4.如权利要求1所述的控制装置,其特征在于,其中所述风扇控制器使用所述第二深度学习模型并根据所述晶片的所述预测温度、所述风扇的转速、所述适配卡的所述发热功率产生对应于复数个候选转速的复数个候选未来温度,所述风扇控制器将所述复数个候选未来温度分别与一设定点温度进行比较,以及将所述复数个候选未来温度的中与所述设定点温度的绝对差值为最小者的候选未来温度选取做为一未来目标温度并且将所选取的未来目标温度所对应的候选转速决定为所述风扇的所述目标转速,并根据所述风扇的所述目标转速产生所述风扇控制信号以驱动所述风扇。
5.如权利要求1所述的控制装置,其特征在于,其中所述第一深度学习模型与所述第二深度学习模型为相同深度学习模型。
6.一种控制方法,用于控制一伺服器系统的一风扇,其特征在于,包含有︰
使用一第一深度学习模型并根据所述风扇的一转速、一适配卡的一发热功率、所述适配卡的一入口温度及一处理器的一温度产生一晶片的一预测温度;以及
使用一第二深度学习模型并根据所述晶片的所述预测温度、所述风扇的转速、所述适配卡的所述发热功率产生所述风扇的一目标转速,并根据所述风扇的所述目标转速产生一风扇控制信号以驱动所述风扇。
7.如权利要求6所述的控制方法,其特征在于,其中所述第一深度学习模型是由复数个第一神经网络层所形成,以及所述第二深度学习模型的由复数个第二神经网络层所形成。
8.如权利要求6所述的控制方法,其特征在于,其中所述风扇的转速包括所述风扇的一当前转速以及对应于复数个先前周期的复数个先前转速,所述适配卡的所述发热功率包括所述适配卡的一当前发热功率以及对应于所述复数个先前周期的复数个先前发热功率、所述适配卡的所述入口温度包括所述适配卡的一当前入口温度以及对应于所述复数个先前周期的复数个先前入口温度、所述处理器的所述温度包括所述处理器的一当前处理器温度以及对应于所述复数个先前周期的复数个先前处理器温度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于英业达科技有限公司;英业达股份有限公司,未经英业达科技有限公司;英业达股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110618033.2/1.html,转载请声明来源钻瓜专利网。





