CN102445980A - 一种基于bp神经网络的节能控制系统 - Google Patents
一种基于bp神经网络的节能控制系统 Download PDFInfo
- Publication number
- CN102445980A CN102445980A CN2011102767705A CN201110276770A CN102445980A CN 102445980 A CN102445980 A CN 102445980A CN 2011102767705 A CN2011102767705 A CN 2011102767705A CN 201110276770 A CN201110276770 A CN 201110276770A CN 102445980 A CN102445980 A CN 102445980A
- Authority
- CN
- China
- Prior art keywords
- monitor
- operating system
- system kernel
- kernel
- neural network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims abstract description 4
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 3
- 238000003860 storage Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 230000001629 suppression Effects 0.000 claims 1
- 238000013486 operation strategy Methods 0.000 abstract description 3
- 238000005265 energy consumption Methods 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于BP神经网络的节能控制系统是基于BP算法的三层前馈神经网络，将操作系统内核各关键资源管理模块的运行状态数据，以及系统关键资源的负载信息，作为神经网络子系统的输入，对非线性、复杂系统运行过程及特征的有效识别和预测，生成适用的系统运行策略和系统节能主控程序，继而设置系统中各类设备的节电模式，以实现在保证系统稳定提供满足应用需求的性能的同时，有效地减少电能消耗。
Description
技术领域
本发明涉及计算机领域，尤其是涉及一种基于BP神经网络的节能控制系统。
背景技术
我国政府对节能减排和提高能源效率非常重视。尤其是面对近年来全世界范围的能源紧缺以及自然环境的不断破坏，政府更是大力鼓励企业调整产业结构，淘汰落后产能，加快步伐研制和生产节能环保产品。同时，政府还通过多种财政措施，引导消费者购买节能环保和使用新型清洁能源的产品。
随着科技的不断进步，近年来各行业对大规模计算能力的要求都日益突出，高性能计算机系统在众多领域都取得了很大的发展。在我们国家的大飞机设计，神舟飞船研制和发射，基因研究，气象预测以及石油勘探等重大科研项目和工业生产中，高性能计算机系统都得到了广泛的应用。然而不能忽视的是，高性能计算机系统在提供强大的信息处理能力的同时，也消耗了大量的能源。提高系统的能源效率是现阶段高性能计算机研究的重要课题。
人工神经网络（ANN）是一种数学模型或计算模型，它试图模拟生物神经网络的结构和功能。神经网络由大量的神经元以及神经元之间的连接组成。神经网络是自适应系统，能够根据外部或内部的信息流改变其自身结构。通常使用神经网络作为非线性统计数据的建模工具，用来模拟输入和输出之间复杂关系以及识别数据模型。
发明内容
本发明的目的是提供一种基于BP神经网络的节能控制系统。
本发明的目的是按以下方式实现的，在本发明所述基于BP神经网络的节能控制系统中，将操作系统内核各关键资源管理模块的运行状态数据以及系统关键资源的负载信息，作为神经网络子系统的输入，借助神经网络对非线性、复杂系统运行过程及特征的有效识别和预测，生成适用的系统运行策略，系统节能主控程序据此设置系统中各类设备的节电模式，以实现在保证系统稳定提供满足应用需求的性能的同时，有效地减少电能消耗。
本发明所述基于BP神经网络的节能控制系统的体系结构可选的包括如下组成部分：操作系统内核任务计数器，操作系统内核调度程序监视器，操作系统内核负载平衡程序监视器，操作系统内核内存分配程序监视器，操作系统内核中断路由监视器，操作系统内核高速缓存监视器，操作系统内核交换区监视器，操作系统内核网络协议栈监视器；系统处理器负载监视器，系统内存负载监视器，系统存储负载监视器，系统网络负载监视器；神经网络子系统；系统节能主控程序。
在本发明所述基于BP神经网络的节能控制系统中，包括操作系统内核任务计数器，操作系统内核任务计数器，操作系统内核调度程序监视器，操作系统内核负载平衡程序监视器，操作系统内核内存分配程序监视器，操作系统内核中断路由监视器，操作系统内核高速缓存监视器，操作系统内核交换区监视器，操作系统内核网络协议栈监视器；系统处理器负载监视器，系统内存负载监视器，系统存储负载监视器，系统网络负载监视器；神经网络子系统；系统节能主控程序在内的各组件，均实现为操作系统运行在内核态的内核模块，但也可以选择实现为运行在用户态的应用程序。
在本发明所述基于BP神经网络的节能控制系统中，操作系统内核各关键资源管理模块的运行状态数据由下列组件侦测并发送至神经网络子系统输入层：操作系统内核任务计数器，操作系统内核调度程序监视器，操作系统内核负载平衡程序监视器，操作系统内核内存分配程序监视器，操作系统内核中断路由监视器，操作系统内核高速缓存监视器，操作系统内核交换区监视器，操作系统内核网络协议栈监视器。
在本发明所述基于BP神经网络的节能控制系统中，系统关键资源的负载信息由下列组件侦测并发送至神经网络子系统输入层：系统处理器负载监视器，系统内存负载监视器，系统存储负载监视器，系统网络负载监视器。
在本发明所述基于BP神经网络的节能控制系统中，神经网络子系统根据预先配置定时地或实时地接收由各计数器及监视器提交的操作系统内核各关键资源管理模块运行状态数据以及系统关键资源负载信息，经神经网络计算获得适用于当前及未来短时的系统运行策略，继而发送至系统节能主控程序。系统节能主控程序据此设置和调整计算机系统中CPU、内存、网络设备、存储设备以及其他设备的节电模式。
在本发明所述基于BP神经网络的节能控制系统中，选用的神经网络模型为基于BP算法的三层前馈神经网络，并且将能够有效地减小随机因素的扰动以及抑制系统运行策略的抖动作为终止神经网络训练的必要条件。
本发明的基于BP神经网络的节能控制系统有益效果是：能够在保证高性能计算机系统在稳定地提供满足应用需求的性能的同时，有效地减少电能的消耗，相信能够得到广泛的认可和运用，因而，具有很好的推广使用价值。
附图说明
图1是基于BP神经网络的节能控制系统运行原理示意图；
图2是基于BP神经网络的节能控制系统体系结构示意图。
具体实施方式
参照说明书附图对本发明的基于BP神经网络的节能控制系统作以下详细地说明。
如附图1所示，在本发明所述基于BP神经网络的节能控制系统中，将操作系统内核各关键资源管理模块的运行状态数据以及系统关键资源的负载信息，作为神经网络子系统的输入，借助神经网络对非线性、复杂系统运行过程及特征的有效识别和预测，生成适用的系统运行策略，系统节能主控程序据此设置系统中各类设备的节电模式，以实现在保证系统稳定提供满足应用需求的性能的同时，有效地减少电能消耗。
如附图2所示，本发明所述基于BP神经网络的节能控制系统的体系结构可选的包括如下组成部分：操作系统内核任务计数器，操作系统内核调度程序监视器，操作系统内核负载平衡程序监视器，操作系统内核内存分配程序监视器，操作系统内核中断路由监视器，操作系统内核高速缓存监视器，操作系统内核交换区监视器，操作系统内核网络协议栈监视器；系统处理器负载监视器，系统内存负载监视器，系统存储负载监视器，系统网络负载监视器；神经网络子系统；系统节能主控程序。
除说明书所述的技术特征外，均为本专业技术人员的已知技术。
Claims (2)
1.一种基于BP神经网络的节能控制系统，其特征在于基于BP算法的三层前馈神经网络，将操作系统内核各关键资源管理模块的运行状态数据，以及系统关键资源的负载信息，作为神经网络子系统的输入，对非线性、复杂系统运行过程及特征的有效识别和预测，生成适用的系统运行策略和系统节能主控程序，继而设置系统中各类设备的节电模式，以实现在保证系统稳定提供满足应用需求的性能的同时，有效地减少电能消耗，系统体系结构包括如下组成部分：操作系统内核任务计数器、操作系统内核调度程序监视器、操作系统内核负载平衡程序监视器、操作系统内核内存分配程序监视器、操作系统内核中断路由监视器、操作系统内核高速缓存监视器、操作系统内核交换区监视器、操作系统内核网络协议栈监视器、系统处理器负载监视器、系统内存负载监视器、系统存储负载监视器、系统网络负载监视器、神经网络子系统和系统节能主控程序；其中，
操作系统内核任务计数器、操作系统内核任务计数器、操作系统内核调度程序监视器、操作系统内核负载平衡程序监视器、操作系统内核内存分配程序监视器、操作系统内核中断路由监视器、操作系统内核高速缓存监视器、操作系统内核交换区监视器、操作系统内核网络协议栈监视器、系统处理器负载监视器、系统内存负载监视器、系统存储负载监视器、系统网络负载监视器、神经网络子系统以及系统节能主控程序，均是运行在内核态的操作系统内核模块或是运行在用户态的应用程序；
操作系统内核各关键资源管理模块的运行状态数据，由操作系统内核任务计数器、操作系统内核调度程序监视器、操作系统内核负载平衡程序监视器、操作系统内核内存分配程序监视器、操作系统内核中断路由监视器、操作系统内核高速缓存监视器、操作系统内核交换区监视器、操作系统内核网络协议栈监视器组件侦测并发送至神经网络子系统输入层：
系统关键资源的负载信息，由系统处理器负载监视器、系统内存负载监视器、系统存储负载监视器、系统网络负载监视器组件侦测并发送至神经网络子系统输入层：
神经网络子系统根据预先配置定时地或实时地接收由各计数器及监视器提交的操作系统内核各关键资源管理模块运行状态数据以及系统关键资源负载信息，经神经网络计算获得适用于当前及未来短时的系统运行策略，继而发送至系统节能主控程序，系统节能主控程序据此设置和调整计算机系统中CPU、内存、网络设备、存储设备的节电模式。
2.根据权利要求1所述的节能控制系统，其特征在于，以有效地减小随机因素扰动及抑制系统运行策略抖动作为终止神经网络训练的必要条件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2011102767705A CN102445980A (zh) | 2011-09-19 | 2011-09-19 | 一种基于bp神经网络的节能控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2011102767705A CN102445980A (zh) | 2011-09-19 | 2011-09-19 | 一种基于bp神经网络的节能控制系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102445980A true CN102445980A (zh) | 2012-05-09 |
Family
ID=46008545
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2011102767705A Pending CN102445980A (zh) | 2011-09-19 | 2011-09-19 | 一种基于bp神经网络的节能控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102445980A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103699440A (zh) * | 2012-09-27 | 2014-04-02 | 北京搜狐新媒体信息技术有限公司 | 一种云计算平台系统为任务分配资源的方法和装置 |
| CN104503847A (zh) * | 2015-01-22 | 2015-04-08 | 浪潮(北京)电子信息产业有限公司 | 一种数据中心节能方法和装置 |
| CN104572504A (zh) * | 2015-02-02 | 2015-04-29 | 浪潮(北京)电子信息产业有限公司 | 一种实现数据预读的方法及装置 |
| CN106650918A (zh) * | 2016-11-25 | 2017-05-10 | 东软集团股份有限公司 | 构建系统模型的方法和装置 |
| CN107918560A (zh) * | 2016-10-14 | 2018-04-17 | 郑州云海信息技术有限公司 | 一种服务器设备管理方法及装置 |
| CN108694441A (zh) * | 2017-04-07 | 2018-10-23 | 上海寒武纪信息科技有限公司 | 一种网络处理器和网络运算方法 |
| CN109800066A (zh) * | 2018-12-13 | 2019-05-24 | 中国科学院信息工程研究所 | 一种数据中心节能调度方法及系统 |
| CN110379339A (zh) * | 2019-07-30 | 2019-10-25 | 中信戴卡股份有限公司 | 一种车轮旋转成像设备的显示方法、电子设备和存储介质 |
| WO2020062734A1 (zh) * | 2018-09-29 | 2020-04-02 | 上海百功半导体有限公司 | 一种存储控制方法、存储控制器、存储设备及存储系统 |
| WO2022024006A1 (en) * | 2020-07-31 | 2022-02-03 | International Business Machines Corporation | Resource management of software application with multiple software components |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1115883A (zh) * | 1994-04-05 | 1996-01-31 | 国际商业机器公司 | 数据处理系统用的电能管理方法与系统 |
| US20020171603A1 (en) * | 2001-04-12 | 2002-11-21 | I-Larn Chen | Method for changing CPU frequence under control of neural network |
| JP2003333070A (ja) * | 2002-03-12 | 2003-11-21 | Daimler Chrysler Ag | ネットワーク管理システム |
| CN201017208Y (zh) * | 2006-12-20 | 2008-02-06 | 北京中电安利隆科贸有限公司 | 智能节电控制器 |
| CN101916207A (zh) * | 2010-08-28 | 2010-12-15 | 华为技术有限公司 | 桌面虚拟化环境下的节能方法、装置及系统 |
-
2011
- 2011-09-19 CN CN2011102767705A patent/CN102445980A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1115883A (zh) * | 1994-04-05 | 1996-01-31 | 国际商业机器公司 | 数据处理系统用的电能管理方法与系统 |
| US20020171603A1 (en) * | 2001-04-12 | 2002-11-21 | I-Larn Chen | Method for changing CPU frequence under control of neural network |
| JP2003333070A (ja) * | 2002-03-12 | 2003-11-21 | Daimler Chrysler Ag | ネットワーク管理システム |
| CN201017208Y (zh) * | 2006-12-20 | 2008-02-06 | 北京中电安利隆科贸有限公司 | 智能节电控制器 |
| CN101916207A (zh) * | 2010-08-28 | 2010-12-15 | 华为技术有限公司 | 桌面虚拟化环境下的节能方法、装置及系统 |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103699440B (zh) * | 2012-09-27 | 2017-05-24 | 北京搜狐新媒体信息技术有限公司 | 一种云计算平台系统为任务分配资源的方法和装置 |
| CN103699440A (zh) * | 2012-09-27 | 2014-04-02 | 北京搜狐新媒体信息技术有限公司 | 一种云计算平台系统为任务分配资源的方法和装置 |
| CN104503847A (zh) * | 2015-01-22 | 2015-04-08 | 浪潮(北京)电子信息产业有限公司 | 一种数据中心节能方法和装置 |
| CN104572504A (zh) * | 2015-02-02 | 2015-04-29 | 浪潮(北京)电子信息产业有限公司 | 一种实现数据预读的方法及装置 |
| CN104572504B (zh) * | 2015-02-02 | 2017-11-03 | 浪潮(北京)电子信息产业有限公司 | 一种实现数据预读的方法及装置 |
| CN107918560A (zh) * | 2016-10-14 | 2018-04-17 | 郑州云海信息技术有限公司 | 一种服务器设备管理方法及装置 |
| CN106650918A (zh) * | 2016-11-25 | 2017-05-10 | 东软集团股份有限公司 | 构建系统模型的方法和装置 |
| CN106650918B (zh) * | 2016-11-25 | 2019-08-30 | 东软集团股份有限公司 | 构建系统模型的方法和装置 |
| CN108694441A (zh) * | 2017-04-07 | 2018-10-23 | 上海寒武纪信息科技有限公司 | 一种网络处理器和网络运算方法 |
| CN108694441B (zh) * | 2017-04-07 | 2022-08-09 | 上海寒武纪信息科技有限公司 | 一种网络处理器和网络运算方法 |
| WO2020062734A1 (zh) * | 2018-09-29 | 2020-04-02 | 上海百功半导体有限公司 | 一种存储控制方法、存储控制器、存储设备及存储系统 |
| CN109800066A (zh) * | 2018-12-13 | 2019-05-24 | 中国科学院信息工程研究所 | 一种数据中心节能调度方法及系统 |
| CN110379339B (zh) * | 2019-07-30 | 2021-07-20 | 中信戴卡股份有限公司 | 一种车轮旋转成像设备的显示方法、电子设备和存储介质 |
| US11127377B2 (en) | 2019-07-30 | 2021-09-21 | Citic Dicastal Co., Ltd | Display method for wheel rotation imaging device, electronic device and storage medium |
| CN110379339A (zh) * | 2019-07-30 | 2019-10-25 | 中信戴卡股份有限公司 | 一种车轮旋转成像设备的显示方法、电子设备和存储介质 |
| WO2022024006A1 (en) * | 2020-07-31 | 2022-02-03 | International Business Machines Corporation | Resource management of software application with multiple software components |
| US11500686B2 (en) | 2020-07-31 | 2022-11-15 | International Business Machines Corporation | Resource management of a software application with multiple software components |
| GB2612548A (en) * | 2020-07-31 | 2023-05-03 | Ibm | Resource management of software application with multiple software components |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102445980A (zh) | 一种基于bp神经网络的节能控制系统 | |
| Zhu et al. | Hybrid genetic algorithm for cloud computing applications | |
| Changtian et al. | Energy-aware genetic algorithms for task scheduling in cloud computing | |
| Liu et al. | A Parallel Task Scheduling Optimization Algorithm Based on Clonal Operator in Green Cloud Computing. | |
| Xue et al. | A study of task scheduling based on differential evolution algorithm in cloud computing | |
| Liao et al. | Energy consumption optimization scheme of cloud data center based on SDN | |
| Liang et al. | An energy-aware resource deployment algorithm for cloud data centers based on dynamic hybrid machine learning | |
| CN104503847A (zh) | 一种数据中心节能方法和装置 | |
| Li et al. | Service-oriented energy supply method in manufacturing system for efficiency | |
| Li et al. | Can nanogenerators contribute to the global greening data centres? | |
| Zhu et al. | Taming power peaks in mapreduce clusters | |
| Yuan et al. | An Online Energy Saving Resource Optimization Methodology for Data Center. | |
| Jin et al. | Virtual machine allocation strategy in energy-efficient cloud data centres | |
| Tian et al. | Efficient algorithms for VM placement in cloud data centers | |
| Swain et al. | An Intelligent Straggler Traffic Management Framework for Sustainable Cloud Environments | |
| Loukopoulos et al. | A pareto-efficient algorithm for data stream processing at network edges | |
| CN108829230B (zh) | 基于排队论的数据中心节能模型的设计方法 | |
| CN113296953B (zh) | 云边端异构边缘计算网络的分布式计算架构、方法与装置 | |
| Sharma et al. | Energy-aware discrete symbiotic organism search optimization algorithm for task scheduling in a cloud environment | |
| Yang et al. | Energy saving strategy of cloud data computing based on convolutional neural network and policy gradient algorithm | |
| SHEN et al. | Data center server energy consumption optimization algorithm combining XGBoost and Multi-GRU | |
| Fatima et al. | A heterogeneous dynamic scheduling minimized make-span for energy and performance balancing | |
| Chen et al. | Optimization of the overload detection algorithm for virtual machine consolidation | |
| Wang et al. | Batch arrival based performance evaluation of a VM scheduling strategy in cloud computing | |
| Gong | Optimisation of computer network reliability based upon sensor technology and genetic algorithm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120509 |