CN109236713A - 一种应用于通用机型的智能风扇调控方法及系统 - Google Patents

Abstract

本发明涉及服务器散热技术领域，提供一种应用于通用机型的智能风扇调控方法及系统，方法包括：计算系统偏差E，并偏差变化率值EC；对系统偏差E和偏差变化率值EC进行模糊化处理，计算得到PID控制算法的PID控制参数的三个修正量σK_p1、σK_i1和σK_d1；生成PID参数K_p、K_d和K_i；将PID参数K_p、K_d和K_i确定为PID控制器的PID控制算法的加权值，生成用于智能调控风扇转速的控制信号，从而实现对服务器风扇的PID智能调控，避免费时费力的人工调节，保障服务器各个元器件工作在安全温度值范围内。

Description

一种应用于通用机型的智能风扇调控方法及系统

技术领域

本发明涉及服务器散热技术领域，具体为一种应用于通用机型的智能风扇调控方法及系统。

背景技术

随着云计算、大数据等新型技术的发展，对数据存储的带宽和容量要求越来越高，处理器的运算速度与运算量也越来越大，导致内存、硬盘等各个元器件的温度也不断飙升，电子器件的散热成为目前一个相当灼手的问题，而且现在社会对功耗的要求也越来越低，节能是目前的一个主流趋势。如何能有效的降低各个电子元器件的温度过高而且降低风扇墙的功耗，而且满足整机的功耗最优已是一个急需解决的技术问题。

目前，风扇转速控制采用PID的调控方法，其具体的实现为：首先检测电子元器件的温度值，然后与各自的控制点进行对比，从而计算出需要增加或者降低的PWM值，进一步将电子的元器件的温度控制在相应的控制点内，但是现有PID调控算法的存在如下缺陷：在不同的环境温度下需要人工进行大量的测试，找出可能的最佳参数，既费时费力，也不能保证最佳的性能。

发明内容

为了克服上述所指出的现有技术的缺陷，本发明人对此进行了深入研究，在付出了大量创造性劳动后，从而完成了本发明。

具体而言，本发明所要解决的技术问题是：提供一种应用于通用机型的智能风扇调控方法，旨在解决现有技术中在不同的环境温度下需要人工进行大量的测试，找出可能的最佳参数，既费时费力，也不能保证最佳的性能的技术问题。

为解决上述技术问题，本发明的技术方案是：

一种应用于通用机型的智能风扇调控方法，所述方法包括下述步骤：

根据输入信号r(t)和输出信号y(t)，计算用于控制风扇转速的PID控制算法的系统偏差E，并依据计算得到的所述系统偏差E计算当前偏差与上次偏差变化率值EC；

对计算得到的系统偏差E和偏差变化率值EC进行模糊化处理，计算得到PID控制算法的PID控制参数的三个修正量σK_p1、σK_i1和σK_d1；

将计算得到的PID控制参数的三个修正量σK_p1、σK_i1和σK_d1以及预先生成的PID参数初始值K_p1、K_d1和K_i1输入预先生成的PID参数模糊矩阵模型中，生成PID参数K_p、K_d和K_i；

将生成得到的PID参数K_p、K_d和K_i确定为PID控制器的PID控制算法的加权值，生成用于智能调控风扇转速的控制信号。

作为一种改进的方案，所述计算用于控制风扇转速的PID控制算法的系统偏差E的步骤具体包括下述步骤：

运行用于控制风扇转速的PID调控算法，对被控对象进行PID控制，输出得到输出信号y(t)；

将计算得到的输出信号y(t)与输入信号r(t)做差运算，计算得到PID控制算法的系统偏差E。

作为一种改进的方案，所述方法还包括下述步骤：

预先生成PID参数模糊矩阵模型，所述PID参数模糊矩阵模型符合下述计算公式：

K_p＝K_p1+K_p1*σK_p1；

K_i＝K_i1+K_i1*σK_i1；

K_d＝K_d1+K_d1*σK_d1；

根据控制风扇转速的PID控制算法，预先计算PID参数初始值K_p1、K_d1和K_i1。

作为一种改进的方案，所述方法还包括下述步骤：

将计算得到的系统偏差E和偏差变化率值EC作为模糊输入量，将所述系统偏差E和偏差变化率值EC转换为用隶属度函数表示的模糊变量的值；

将用隶属度函数表示的模糊变量的值与预先生成的模糊逻辑规则相结合，生成新的隶属度函数；

对生成的新的隶属度函数进行模糊解析，获取一个具有代表性的精确值作为所述PID参数的修正量σK_p1、σK_i1和σK_d1。

作为一种改进的方案，所述方法还包括下述步骤：

预先设置生成模糊逻辑规则；

所述预先设置生成模糊逻辑规则的步骤具体包括下述步骤：

设置所述系统偏差E和偏差变化率值EC的论域；

设置所述PID参数的修正量σK_p、σK_i1和σK_d1的论域；

确定风扇智能调控输入的语言变量的模糊子集，所述输入语言变量为系统偏差E和偏差变化率值EC，其中，两个所述输入语言变量均选取7个模糊集作为其语言值，分别记为{负大NB、负中NM、负小NS、零ZO、正小PS、正中PM、正大PB}；

确定风扇智能调控输出的语言变量的模糊子集，所述输出语言变量为PID参数的修正量σK_p、σK_i1和σK_d1，所述输出语言变量选取选取7个模糊集作为其语言值，分别记为{负大NB、负中NM、负小NS、零ZO、正小PS、正中PM、正大PB}；

根据选取的模糊子集，分别生成PID参数的修正量σK_p1、σK_i1和σK_d1的所对应的模糊控制规则表。

本发明的另一目的在于提供一种应用于通用机型的智能风扇调控系统，所述系统包括：

系统偏差计算模块，用于根据输入信号r(t)和输出信号y(t)，计算用于控制风扇转速的PID控制算法的系统偏差E；

偏差变化率计算模块，用于依据计算得到的所述系统偏差E计算当前偏差与上次偏差变化率值EC；

模糊处理模块，用于对计算得到的系统偏差E和偏差变化率值EC进行模糊化处理，计算得到PID控制算法的PID控制参数的三个修正量σK_p1、σK_i1和σK_d1；

PID参数生成模块，用于将计算得到的PID控制参数的三个修正量σK_p1、σK_i1和σK_d1以及预先生成的PID参数初始值K_p1、K_d1和K_i1输入预先生成的PID参数模糊矩阵模型中，生成PID参数K_p、K_d和K_i；

控制信号生成模块，用于将生成得到的PID参数K_p、K_d和K_i确定为PID控制器的PID控制算法的加权值，生成用于智能调控风扇转速的控制信号。

作为一种改进的方案，所述系统偏差计算模块具体包括：

输出信号获取模块，用于运行用于控制风扇转速的PID调控算法，对被控对象进行PID控制，输出得到输出信号y(t)；

差运算模块，用于将计算得到的输出信号y(t)与输入信号r(t)做差运算，计算得到PID控制算法的系统偏差E。

作为一种改进的方案，所述系统还包括：

模型预先生成模块，用于预先生成PID参数模糊矩阵模型，所述PID参数模糊矩阵模型符合下述计算公式：

K_p＝K_p1+K_p1*σK_p1；

K_i＝K_i1+K_i1*σK_i1；

K_d＝K_d1+K_d1*σK_d1；

参数初始值预先计算模块，用于根据控制风扇转速的PID控制算法，预先计算PID参数初始值K_p1、K_d1和K_i1。

作为一种改进的方案，所述系统还包括：

转换模块，用于将计算得到的系统偏差E和偏差变化率值EC作为模糊输入量，将所述系统偏差E和偏差变化率值EC转换为用隶属度函数表示的模糊变量的值；

隶属度函数生成模块，用于将用隶属度函数表示的模糊变量的值与预先生成的模糊逻辑规则相结合，生成新的隶属度函数；

解析模块，用于对生成的新的隶属度函数进行模糊解析，获取一个具有代表性的精确值作为所述PID参数的修正量σK_p1、σK_i1和σK_d1。

作为一种改进的方案，所述系统还包括：

模糊逻辑规则生成模块，用于预先设置生成模糊逻辑规则；

所述模糊逻辑规则生成模块具体包括：

第一论域设置模块，用于设置所述系统偏差E和偏差变化率值EC的论域；

第二论域设置模块，用于设置所述PID参数的修正量σK_p、σK_i1和σK_d1的论域；

第一模糊子集确定模块，用于确定风扇智能调控输入的语言变量的模糊子集，所述输入语言变量为系统偏差E和偏差变化率值EC，其中，两个所述输入语言变量均选取7个模糊集作为其语言值，分别记为{负大NB、负中NM、负小NS、零ZO、正小PS、正中PM、正大PB}；

第二模糊子集确定模块，用于确定风扇智能调控输出的语言变量的模糊子集，所述输出语言变量为PID参数的修正量σK_p、σK_i1和σK_d1，所述输出语言变量选取选取7个模糊集作为其语言值，分别记为{负大NB、负中NM、负小NS、零ZO、正小PS、正中PM、正大PB}；

规则表生成模块，用于根据选取的模糊子集，分别生成PID参数的修正量σK_p1、σK_i1和σK_d1的所对应的模糊控制规则表。

在本发明实施例中，根据输入信号r(t)和输出信号y(t)，计算用于控制风扇转速的PID控制算法的系统偏差E，并依据计算得到的所述系统偏差E计算当前偏差与上次偏差变化率值EC；对计算得到的系统偏差E和偏差变化率值EC进行模糊化处理，计算得到PID控制算法的PID控制参数的三个修正量σK_p1、σK_i1和σK_d1；将计算得到的PID控制参数的三个修正量σK_p1、σK_i1和σK_d1以及预先生成的PID参数初始值K_p1、K_d1和K_i1输入预先生成的PID参数模糊矩阵模型中，生成PID参数K_p、K_d和K_i；将生成得到的PID参数K_p、K_d和K_i确定为PID控制器的PID控制算法的加权值，生成用于智能调控风扇转速的控制信号，从而实现对服务器风扇的PID智能调控，避免费时费力的人工调节，保障服务器各个元器件工作在安全温度值范围内。

附图说明

图1是本发明提供的应用于通用机型的智能风扇调控方法的实现流程图；

图2是本发明提供的计算用于控制风扇转速的PID控制算法的系统偏差E的实现流程图；

图3是本发明提供的对计算得到的系统偏差E和偏差变化率值EC进行模糊化处理，计算得到PID控制算法的PID控制参数的三个修正量σK_p1、σK_i1和σK_d1的实现流程图；

图4是本发明提供的预先设置生成模糊逻辑规则的实现流程图；

图5是本发明提供的应用于通用机型的智能风扇调控系统的结构框图；

图6是本发明提供的模糊处理模块的结构框图；

图7是本发明提供的模糊逻辑规则生成模块的结构框图。

具体实施方式

下面结合具体的实施例对本发明进一步说明。但这些例举性实施方式的用途和目的仅用来例举本发明，并非对本发明的实际保护范围构成任何形式的任何限定，更非将本发明的保护范围局限于此。

图1示出了本发明提供的应用于通用机型的智能风扇调控方法的实现流程图，其具体包括下述步骤：

在步骤S101中，根据输入信号r(t)和输出信号y(t)，计算用于控制风扇转速的PID控制算法的系统偏差E，并依据计算得到的所述系统偏差E计算当前偏差与上次偏差变化率值EC，其中，参数t为时间。

在步骤S102中，对计算得到的系统偏差E和偏差变化率值EC进行模糊化处理，计算得到PID控制算法的PID控制参数的三个修正量σK_p1、σK_i1和σK_d1。

在步骤S103中，将计算得到的PID控制参数的三个修正量σK_p1、σK_i1和σK_d1以及预先生成的PID参数初始值K_p1、K_d1和K_i1输入预先生成的PID参数模糊矩阵模型中，生成PID参数K_p、K_d和K_i。

在步骤S104中，将生成得到的PID参数K_p、K_d和K_i确定为PID控制器的PID控制算法的加权值，生成用于智能调控风扇转速的控制信号。

在该实施例，上述计算过程为一个实时循环计算的过程，用于智能调控风扇，在此不再赘述。

其中，如图2所示，计算用于控制风扇转速的PID控制算法的系统偏差E的步骤具体包括下述步骤：

在步骤S201中，运行用于控制风扇转速的PID调控算法，对被控对象进行PID控制，输出得到输出信号y(t)；

在步骤S202中，将计算得到的输出信号y(t)与输入信号r(t)做差运算，计算得到PID控制算法的系统偏差E。

在该实施例中，系统偏差E为实时计算的一系列的参数值，在此不再赘述。

在执行上述步骤S101之前还需要执行下述步骤：

预先生成PID参数模糊矩阵模型，所述PID参数模糊矩阵模型符合下述计算公式：

K_p＝K_p1+K_p1*σK_p1；

K_i＝K_i1+K_i1*σK_i1；

K_d＝K_d1+K_d1*σK_d1；

根据控制风扇转速的PID控制算法，预先计算PID参数初始值K_p1、K_d1和K_i1。

在该实施例中，该PID参数的初始值和矩阵模型均为常规的算法实现，在此不再赘述。

在本发明实施例中，如图3所示，对计算得到的系统偏差E和偏差变化率值EC进行模糊化处理，计算得到PID控制算法的PID控制参数的三个修正量σK_p1、σK_i1和σK_d1的步骤具体包括下述步骤：

在步骤S301中，将计算得到的系统偏差E和偏差变化率值EC作为模糊输入量，将所述系统偏差E和偏差变化率值EC转换为用隶属度函数表示的模糊变量的值。

在步骤S302中，将用隶属度函数表示的模糊变量的值与预先生成的模糊逻辑规则相结合，生成新的隶属度函数。

在步骤S303中，对生成的新的隶属度函数进行模糊解析，获取一个具有代表性的精确值作为所述PID参数的修正量σK_p1、σK_i1和σK_d1。

在本发明实施例中，在执行上述步骤S101之前还需要执行下述步骤：

预先设置生成模糊逻辑规则；

如图4所示，预先设置生成模糊逻辑规则的步骤具体包括下述步骤：

在步骤S401中，设置所述系统偏差E和偏差变化率值EC的论域，该论域为系统偏差E和偏差变化率值EC一系列的取值范围；

在步骤S402中，设置所述PID参数的修正量σK_p、σK_i1和σK_d1的论域；

在步骤S403中，确定风扇智能调控输入的语言变量的模糊子集，所述输入语言变量为系统偏差E和偏差变化率值EC，其中，两个所述输入语言变量均选取7个模糊集作为其语言值，分别记为{负大NB、负中NM、负小NS、零ZO、正小PS、正中PM、正大PB}；

在步骤S404中，确定风扇智能调控输出的语言变量的模糊子集，所述输出语言变量为PID参数的修正量σK_p、σK_i1和σK_d1，所述输出语言变量选取选取7个模糊集作为其语言值，分别记为{负大NB、负中NM、负小NS、零ZO、正小PS、正中PM、正大PB}；

在步骤S405中，根据选取的模糊子集，分别生成PID参数的修正量σK_p1、σK_i1和σK_d1的所对应的模糊控制规则表。

在本发明实施例中，系统偏差E是有范围的，即与标准设定值是在一个区间内可行的。在这里假设该区间为-240到240，即E的最大偏差为240，正负即为左右，再假设偏差变化率EC的可行性区间为-40到+40。

对这E和EC进行模糊化处理，现在将E的区间(-240到240)分成8个部分，那么他们分别为-240～-180，-180～-120，-120～-60，-60～0，0～60，60～120，120～180，180～240。然后将-180，-120，-60，0，60，120，180分别用NB、NM、NS、ZO、PS、PM、PB表示。例如，当E＝170时，此时的E属于PM和PB之间，而此时的E也会对应2(或1)个隶属度。E隶属于PM(120)的百分比为(180-170)/(180-120)＝1/6，而同理隶属于PB(180)的百分比为(170-120)/(180-120)＝5/6。意思就是120到180进行线性分割了，E离PM和PB哪个更近，则隶属于哪个就更大(当输出值E大于180(PB)时，则隶属度为1，隶属度值为PB，即E完全隶属于PB，同理当E小于-180(NB)时也一样)。同理也可以对EC进行模糊化。

在本发明实施例中，对于计算得到的E和EC，可以推出它们各所占的隶属度，此时可以根据模糊控制规则表去找出输出值所对应的隶属度，其中，在实际计算中使用的模糊控制规则表有两个，σK_p1模糊控制规则表和σK_d1模糊控制规则表，其中，下述给出其中一个σK_p1模糊控制规则表的内容，如下：

当然对于其他模糊控制规则表其结构相似，在此不再赘述示出，下述以该表为例进行说明：

假设为E的两个隶属度值为PM、PB,E属于PM的隶属度为a(a<1)，则属于PB的隶属度为(1-a)。再假设EC的两个隶属度值为NB、NM，EC属于NM的隶属度为b，则属于NB的隶属度为(1-b)。而在假设中，E属于PM的隶属度为a，EC属于NB的隶属度为(1-b)，则输出值属于ZO的隶属度为a*(1-b)；

同理可以得出，当输出值属于ZO的另外两个隶属度为a*b，(1-a)*(1-b)，而输出值属于NS的隶属度为(1-a)*1-b。

在该实施例中，将这四个隶属度加起来，刚好等于1。这是因为(a+(1-a))*(b+(1-b))＝a*b+(1-a)*b+a*(1-b)+(1-a)*(1-b)。即一个十字相乘的概念。这个等式说明输出值的隶属度之和等于1(第三步求解的时候需要用到隶属度之和)。因此，我们知道了输出值为ZO的隶属度和为a*b+a*(1-b)+(1-a)*(1-b)，输出值为NS的隶属度为(1-a)*b。

在该实施例中，对于输出值，同样采用给予隶属度的办法。例如，把输出值假设为[1000，1400]的区间同样划分为八个部分，即7个隶属值NB、NM、NS、ZO、PS、PM以及PB。根据上一步所得出的结论，就可以用隶属度乘以相应的隶属值算出输出值的解，即(a*b+a*(1-b)+(1-a)*(1-b))*ZO+(1-a)*b*NS。到此为止，整个模糊过程就结束了。

上述仅仅给出了一个具体事例，在此不用以限制本发明。

图5示出了本发明提供的应用于通用机型的智能风扇调控系统的结构框图，为了便于说明，图中仅给出了与本发明实施例相关的部分。

应用于通用机型的智能风扇调控系统包括：

系统偏差计算模块11，用于根据输入信号r(t)和输出信号y(t)，计算用于控制风扇转速的PID控制算法的系统偏差E；

偏差变化率计算模块12，用于依据计算得到的所述系统偏差E计算当前偏差与上次偏差变化率值EC；

模糊处理模块13，用于对计算得到的系统偏差E和偏差变化率值EC进行模糊化处理，计算得到PID控制算法的PID控制参数的三个修正量σK_p1、σK_i1和σK_d1；

PID参数生成模块14，用于将计算得到的PID控制参数的三个修正量σK_p1、σK_i1和σK_d1以及预先生成的PID参数初始值K_p1、K_d1和K_i1输入预先生成的PID参数模糊矩阵模型中，生成PID参数K_p、K_d和K_i；

控制信号生成模块15，用于将生成得到的PID参数K_p、K_d和K_i确定为PID控制器的PID控制算法的加权值，生成用于智能调控风扇转速的控制信号。

其中，系统偏差计算模块11具体包括：

输出信号获取模块16，用于运行用于控制风扇转速的PID调控算法，对被控对象进行PID控制，输出得到输出信号y(t)；

差运算模块17，用于将计算得到的输出信号y(t)与输入信号r(t)做差运算，计算得到PID控制算法的系统偏差E。

在本发明实施例中，所述系统还包括：

模型预先生成模块18，用于预先生成PID参数模糊矩阵模型，所述PID参数模糊矩阵模型符合下述计算公式：

K_p＝K_p1+K_p1*σK_p1；

K_i＝K_i1+K_i1*σK_i1；

K_d＝K_d1+K_d1*σK_d1；

参数初始值预先计算模块19，用于根据控制风扇转速的PID控制算法，预先计算PID参数初始值K_p1、K_d1和K_i1。

如图6所示，所述模糊处理模块13具体包括：

转换模块20，用于将计算得到的系统偏差E和偏差变化率值EC作为模糊输入量，将所述系统偏差E和偏差变化率值EC转换为用隶属度函数表示的模糊变量的值；

隶属度函数生成模块21，用于将用隶属度函数表示的模糊变量的值与预先生成的模糊逻辑规则相结合，生成新的隶属度函数；

解析模块22，用于对生成的新的隶属度函数进行模糊解析，获取一个具有代表性的精确值作为所述PID参数的修正量σK_p1、σK_i1和σK_d1。

结合图7所示，系统还包括：

模糊逻辑规则生成模块23，用于预先设置生成模糊逻辑规则；

模糊逻辑规则生成模块23具体包括：

第一论域设置模块24，用于设置所述系统偏差E和偏差变化率值EC的论域；

第二论域设置模块25，用于设置所述PID参数的修正量σK_p、σK_i1和σK_d1的论域；

第一模糊子集确定模块26，用于确定风扇智能调控输入的语言变量的模糊子集，所述输入语言变量为系统偏差E和偏差变化率值EC，其中，两个所述输入语言变量均选取7个模糊集作为其语言值，分别记为{负大NB、负中NM、负小NS、零ZO、正小PS、正中PM、正大PB}；

第二模糊子集确定模块27，用于确定风扇智能调控输出的语言变量的模糊子集，所述输出语言变量为PID参数的修正量σK_p、σK_i1和σK_d1，所述输出语言变量选取选取7个模糊集作为其语言值，分别记为{负大NB、负中NM、负小NS、零ZO、正小PS、正中PM、正大PB}；

规则表生成模块28，用于根据选取的模糊子集，分别生成PID参数的修正量σK_p1、σK_i1和σK_d1的所对应的模糊控制规则表。

其中，上述各个模块的功能如上述方法实施例所记载，在此不再赘述。

在本发明实施例中，根据输入信号r(t)和输出信号y(t)，计算用于控制风扇转速的PID控制算法的系统偏差E，并依据计算得到的所述系统偏差E计算当前偏差与上次偏差变化率值EC；对计算得到的系统偏差E和偏差变化率值EC进行模糊化处理，计算得到PID控制算法的PID控制参数的三个修正量σK_p1、σK_i1和σK_d1；将计算得到的PID控制参数的三个修正量σK_p1、σK_i1和σK_d1以及预先生成的PID参数初始值K_p1、K_d1和K_i1输入预先生成的PID参数模糊矩阵模型中，生成PID参数K_p、K_d和K_i；将生成得到的PID参数K_p、K_d和K_i确定为PID控制器的PID控制算法的加权值，生成用于智能调控风扇转速的控制信号，从而实现对服务器风扇的PID智能调控，避免费时费力的人工调节，保障服务器各个元器件工作在安全温度值范围内。

应当理解，这些实施例的用途仅用于说明本发明而非意欲限制本发明的保护范围。此外，也应理解，在阅读了本发明的技术内容之后，本领域技术人员可以对本发明作各种改动、修改和/或变型，所有的这些等价形式同样落于本申请所附权利要求书所限定的保护范围之内。

Claims (10)

1.一种应用于通用机型的智能风扇调控方法，其特征在于，所述方法包括下述步骤：

根据输入信号r(t)和输出信号y(t)，计算用于控制风扇转速的PID控制算法的系统偏差E，并依据计算得到的所述系统偏差E计算当前偏差与上次偏差变化率值EC；

对计算得到的系统偏差E和偏差变化率值EC进行模糊化处理，计算得到PID控制算法的PID控制参数的三个修正量σK_p1、σK_i1和σK_d1；

将计算得到的PID控制参数的三个修正量σK_p1、σK_i1和σK_d1以及预先生成的PID参数初始值K_p1、K_d1和K_i1输入预先生成的PID参数模糊矩阵模型中，生成PID参数K_p、K_d和K_i；

将生成得到的PID参数K_p、K_d和K_i确定为PID控制器的PID控制算法的加权值，生成用于智能调控风扇转速的控制信号。

2.根据权利要求1所述的应用于通用机型的智能风扇调控方法，其特征在于，所述计算用于控制风扇转速的PID控制算法的系统偏差E的步骤具体包括下述步骤：

运行用于控制风扇转速的PID调控算法，对被控对象进行PID控制，输出得到输出信号y(t)；

将计算得到的输出信号y(t)与输入信号r(t)做差运算，计算得到PID控制算法的系统偏差E。

3.根据权利要求2所述的应用于通用机型的智能风扇调控方法，其特征在于，所述方法还包括下述步骤：

预先生成PID参数模糊矩阵模型，所述PID参数模糊矩阵模型符合下述计算公式：

K_p＝K_p1+K_p1*σK_p1；

K_i＝K_i1+K_i1*σK_i1；

K_d＝K_d1+K_d1*σK_d1；

根据控制风扇转速的PID控制算法，预先计算PID参数初始值K_p1、K_d1和K_i1。

4.根据权利要求3所述的应用于通用机型的智能风扇调控方法，其特征在于，所述对计算得到的系统偏差E和偏差变化率值EC进行模糊化处理，计算得到PID控制算法的PID控制参数的三个修正量σK_p1、σK_i1和σK_d1的步骤具体包括下述步骤：

将计算得到的系统偏差E和偏差变化率值EC作为模糊输入量，将所述系统偏差E和偏差变化率值EC转换为用隶属度函数表示的模糊变量的值；

将用隶属度函数表示的模糊变量的值与预先生成的模糊逻辑规则相结合，生成新的隶属度函数；

对生成的新的隶属度函数进行模糊解析，获取一个具有代表性的精确值作为所述PID参数的修正量σK_p1、σK_i1和σK_d1。

5.根据权利要求4所述的应用于通用机型的智能风扇调控方法，其特征在于，所述方法还包括下述步骤：

预先设置生成模糊逻辑规则；

所述预先设置生成模糊逻辑规则的步骤具体包括下述步骤：

设置所述系统偏差E和偏差变化率值EC的论域；

设置所述PID参数的修正量σK_p、σK_i1和σK_d1的论域；

确定风扇智能调控输入的语言变量的模糊子集，所述输入语言变量为系统偏差E和偏差变化率值EC，其中，两个所述输入语言变量均选取7个模糊集作为其语言值，分别记为{负大NB、负中NM、负小NS、零ZO、正小PS、正中PM、正大PB}；

确定风扇智能调控输出的语言变量的模糊子集，所述输出语言变量为PID参数的修正量σK_p、σK_i1和σK_d1，所述输出语言变量选取选取7个模糊集作为其语言值，分别记为{负大NB、负中NM、负小NS、零ZO、正小PS、正中PM、正大PB}；

根据选取的模糊子集，分别生成PID参数的修正量σK_p1、σK_i1和σK_d1的所对应的模糊控制规则表。

6.一种应用于通用机型的智能风扇调控系统，其特征在于，所述系统包括：

系统偏差计算模块，用于根据输入信号r(t)和输出信号y(t)，计算用于控制风扇转速的PID控制算法的系统偏差E；

偏差变化率计算模块，用于依据计算得到的所述系统偏差E计算当前偏差与上次偏差变化率值EC；

模糊处理模块，用于对计算得到的系统偏差E和偏差变化率值EC进行模糊化处理，计算得到PID控制算法的PID控制参数的三个修正量σK_p1、σK_i1和σK_d1；

PID参数生成模块，用于将计算得到的PID控制参数的三个修正量σK_p1、σK_i1和σK_d1以及预先生成的PID参数初始值K_p1、K_d1和K_i1输入预先生成的PID参数模糊矩阵模型中，生成PID参数K_p、K_d和K_i；

控制信号生成模块，用于将生成得到的PID参数K_p、K_d和K_i确定为PID控制器的PID控制算法的加权值，生成用于智能调控风扇转速的控制信号。

7.根据权利要求6所述的应用于通用机型的智能风扇调控系统，其特征在于，所述系统偏差计算模块具体包括：

输出信号获取模块，用于运行用于控制风扇转速的PID调控算法，对被控对象进行PID控制，输出得到输出信号y(t)；

差运算模块，用于将计算得到的输出信号y(t)与输入信号r(t)做差运算，计算得到PID控制算法的系统偏差E。

8.根据权利要求8所述的应用于通用机型的智能风扇调控系统，其特征在于，所述系统还包括：

模型预先生成模块，用于预先生成PID参数模糊矩阵模型，所述PID参数模糊矩阵模型符合下述计算公式：

K_p＝K_p1+K_p1*σK_p1；

K_i＝K_i1+K_i1*σK_i1；

K_d＝K_d1+K_d1*σK_d1；

参数初始值预先计算模块，用于根据控制风扇转速的PID控制算法，预先计算PID参数初始值K_p1、K_d1和K_i1。

9.根据权利要求8所述的应用于通用机型的智能风扇调控系统，其特征在于，所述模糊处理模块具体包括：

转换模块，用于将计算得到的系统偏差E和偏差变化率值EC作为模糊输入量，将所述系统偏差E和偏差变化率值EC转换为用隶属度函数表示的模糊变量的值；

隶属度函数生成模块，用于将用隶属度函数表示的模糊变量的值与预先生成的模糊逻辑规则相结合，生成新的隶属度函数；

解析模块，用于对生成的新的隶属度函数进行模糊解析，获取一个具有代表性的精确值作为所述PID参数的修正量σK_p1、σK_i1和σK_d1。

10.根据权利要求9所述的应用于通用机型的智能风扇调控系统，其特征在于，所述系统还包括：

模糊逻辑规则生成模块，用于预先设置生成模糊逻辑规则；

所述模糊逻辑规则生成模块具体包括：

第一论域设置模块，用于设置所述系统偏差E和偏差变化率值EC的论域；

第二论域设置模块，用于设置所述PID参数的修正量σK_p、σK_i1和σK_d1的论域；

第一模糊子集确定模块，用于确定风扇智能调控输入的语言变量的模糊子集，所述输入语言变量为系统偏差E和偏差变化率值EC，其中，两个所述输入语言变量均选取7个模糊集作为其语言值，分别记为{负大NB、负中NM、负小NS、零ZO、正小PS、正中PM、正大PB}；

第二模糊子集确定模块，用于确定风扇智能调控输出的语言变量的模糊子集，所述输出语言变量为PID参数的修正量σK_p、σK_i1和σK_d1，所述输出语言变量选取选取7个模糊集作为其语言值，分别记为{负大NB、负中NM、负小NS、零ZO、正小PS、正中PM、正大PB}；

规则表生成模块，用于根据选取的模糊子集，分别生成PID参数的修正量σK_p1、σK_i1和σK_d1的所对应的模糊控制规则表。