[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 | ||
本发明提供一种控制装置,用于控制一伺服器系统的一风扇。控制装置包含有一温度预测器以及一风扇控制器。温度预测器经配置以使用一第一深度学习模型并根据一风扇的一转速、一适配卡的一发热功率、该适配卡的一入口温度及一处理器的一温度产生该晶片的一预测温度。风扇控制器耦接于该温度预测器,经配置以使用一第二深度学习模型并根据该晶片的该预测温度、该风扇的转速及该适配卡的该发热功率产生该风扇的一目标转速,并根据该风扇的该目标转速产生一风扇控制信号以驱动该风扇。
技术领域
本发明涉及一种控制装置及控制方法,尤指一种可基于深度学习模型选择风扇目标转速的控制装置及控制方法。
背景技术
伺服器系统于运作时会产生废热,因而通常会配置散热风扇来转移热源排出内部热能。目前对于伺服器的散热风扇的控制通常是读取到元件的温度值,再根据温度读值计算出合适的转速。例如,常见的有使用比例积分微分(proportional integralderivative,PID)控制器来控制散热风扇的运转状态。然而,在伺服器系统中经常遇到有无法回传温度读值的元件或晶片却仍必须控制风扇来维持晶片的温度不至于过热。举例来说,伺服器系统中具含有一高速周边元件互连(peripheral component interconnectexpress,PCIe)适配卡(又称高速序列电脑汇流排适配卡),而当设置于PCIe适配卡上的晶片无法回传温度值时,目前的方式会利用PCIe适配卡的入口温度与入口流量做为参考来控制风扇以避免晶片元件产生过热的情况。然而,若是伺服器系统中的配置稍有不同时,诸如内存的数量变化、硬盘装置的类型不同、增加额外的配接卡或硬体等都会导致实际入口流量的改变。在此情况下,由于入口流量的参数是有关于整体伺服器系统内部的流量而无法正确反映出适配卡上晶片的温度需求,因而不适用于风扇的控制。然,若是单以入口温度为参考依据来设计控制器时,往往为了避免流量不足导致过热,通常的作法是采取过度冷却的设计,如此一来将造成风扇持续地运转而导致不必要的功率消耗。因此,习知技术实有改进的必要。
发明内容
为了解决上述的问题,本发明提供一种基于深度学习模型选择风扇目标转速的控制装置及控制方法,以解决上述问题。
本发明提供一种控制装置,用于控制一伺服器系统的一风扇,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。
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。
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。
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。
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。
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/202110618033.2/2.html,转载请声明来源钻瓜专利网。





