CN111475384B - 壳体温度的计算方法、装置、存储介质及电子设备 - Google Patents
壳体温度的计算方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN111475384B CN111475384B CN202010379189.5A CN202010379189A CN111475384B CN 111475384 B CN111475384 B CN 111475384B CN 202010379189 A CN202010379189 A CN 202010379189A CN 111475384 B CN111475384 B CN 111475384B
- Authority
- CN
- China
- Prior art keywords
- temperature
- sensor
- temperature data
- shell
- historical
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
- G06F11/3093—Configuration details thereof, e.g. installation, enabling, spatial arrangement of the probes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Gas-Insulated Switchgears (AREA)
Abstract
本申请公开了一种壳体温度的计算方法、装置、存储介质及电子设备,一种壳体温度的计算方法,获取多个传感器的温度数据,所述温度数据用于所述电子设备的壳温拟合模型的计算;根据所述温度数据从所述多个传感器中确定出异常传感器;根据所述异常传感器获取与所述异常传感器对应的替换传感器;将所述替换传感器的温度数据用于所述壳温拟合模型的计算,得到壳体温度。避免由于传感器出现异常导致的温度数据异常的情况,进而导致通过温度数据计算得到电子设备壳体温度不准确,通过预先排除异常传感器,将异常传感器的替换传感器的温度数据用于计算壳体温度,可以提高壳体温度计算的准确性。
Description
技术领域
本申请属于电子技术领域,尤其涉及一种壳体温度的计算方法、装置、存储介质及电子设备。
背景技术
随着终端的不断发展,终端的功能越来越全面。用户可以通过终端实现诸多功能,如通话功能、摄像功能、录音功能、导航功能、购物功能等。这在方便用户使用的同时,容易导致电子设备的温度过高。相关技术中,往往通过温度传感器检测特定硬件温度作为电子设备的温度,检测方式单一,容易出错。
发明内容
本申请实施例提供一种壳体温度的计算方法、装置、存储介质及电子设备,可以提高壳体温度计算的准确性。
第一方面,本申请实施例提供一种壳体温度的计算方法,包括:
获取多个传感器的温度数据,所述温度数据用于所述电子设备的壳温拟合模型的计算;
根据所述温度数据从所述多个传感器中确定出异常传感器;
根据所述异常传感器获取与所述异常传感器对应的替换传感器;
将所述替换传感器的温度数据用于所述壳温拟合模型的计算,得到壳体温度。
第二方面,本申请实施例提供一种壳体温度的计算装置,包括:
第一获取模块,用于获取多个传感器的温度数据,所述温度数据用于所述电子设备的壳温拟合模型的计算;
确定模块,用于根据所述温度数据从所述多个传感器中确定出异常传感器;
第二获取模块,用于根据所述异常传感器获取与所述异常传感器对应的替换传感器;
计算模块,用于将所述替换传感器的温度数据用于所述壳温拟合模型的计算,得到壳体温度。
第三方面,本申请实施例提供的存储介质,其上存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行如本申请任一实施例提供的壳体温度的计算方法。
第四方面,本申请实施例提供的电子设备,包括处理器和存储器,所述存储器有计算机程序,所述处理器通过调用所述计算机程序,用于执行如本申请任一实施例提供的壳体温度的计算方法。
本申请实施例提供的壳体温度的计算方案,通过获取多个传感器的温度数据,根据温度数据从多个传感器中确定出异常传感器,根据异常传感器获取与异常传感器对应的替换传感器,将所述替换传感器的温度数据用于壳温拟合模型的计算,得到壳体温度。避免由于传感器出现异常导致的温度数据异常的情况,进而导致通过温度数据计算得到电子设备壳体温度不准确,通过预先排除异常传感器,将异常传感器的替换传感器的温度数据用于计算壳体温度,可以提高壳体温度计算的准确性。
附图说明
下面结合附图,通过对本申请的具体实施方式详细描述,将使本申请的技术方案及其有益效果显而易见。
图1是本申请实施例提供的壳体温度的计算方法的第一种流程示意图。
图2是本申请实施例提供的壳体温度的计算方法的第二种流程示意图。
图3是本申请实施例提供的壳体温度的计算方法具体应用的流程图。
图4是本申请实施例提供的壳体温度的计算装置的结构示意图。
图5是本申请实施例提供的电子设备的第一种结构示意图。
图6是本申请实施例提供的电子设备的第二种结构示意图。
具体实施方式
以下的说明是基于所例示的本申请具体实施例,其不应被视为限制本申请未在此详述的其它具体实施例。本文所使用的术语「模块」可看做为在该运算系统上执行的软件对象。本文不同模块、引擎及服务可看做为在该运算系统上的实施对象。
本申请实施例提供一种壳体温度的计算方法,该壳体温度的计算方法的执行主体可以是本申请实施例提供的壳体温度的计算装置,或者集成了该壳体温度的计算装置的电子设备。其中,该电子设备可以是智能手机、平板电脑、掌上电脑(PDA,Personal DigitalAssistant)等。
以下进行具体分析说明。
本申请实施例提供一种壳体温度的计算方法,请参阅图1,图1是本申请实施例提供的壳体温度的计算方法的第一流程示意图,该壳体温度的计算方法可以包括以下步骤:
101、获取多个传感器的温度数据,温度数据用于电子设备的壳温拟合模型的计算。
电子设备中往往设置有多种传感器,如温度传感器,可以通过获取温度传感器检测到的数据作为温度数据,例如,温度传感器可以设置在相应的硬件上,如温度传感器可以设置在相应硬件的外表面,或设置在相应的硬件内,温度传感器用于检测相应硬件在运行时的温度数据,获取硬件运行在预设时间段内生成的温度数据记录,得到温度数据,其中,电子设备中的硬件可以包括:中央处理器(central processing unit,CPU)、图像处理器(Graphics Processing Unit,GPU)、微处理器(digital signal processor,DSP)、嵌入式神经网络处理器(Neural-network Processing Unit,NPU)、电路板(Printed CircuitBoard,PCB)等,相应的温度传感器可以包括:CPU温度传感器、GPU温度传感器、DSP温度传感器、NPU温度传感器以及PCB温度传感器等,可以理解的是,每个硬件内或每个硬件周围可以设置不止一个温度传感器,为了提高温度数据的准确性,可以在硬件周围设置多个温度传感器,其中,温度数据用于壳温拟合模型的计算,由于当前硬件结构和技术的限制,为了能够计算得到电子设备外壳的实际温度,可以通过壳温拟合模型用数学的方法进行线性拟合,通过大量的测试数据来训练和验证模型,不断修正壳温拟合模型,得到一个较为稳定的训练后的壳温拟合模型,在实际应用中,将传感器获取的温度数据输入至训练后的壳温拟合模型后,可以得到相应的壳体温度,电子设备根据壳体温度采取相应的温度控制策略,以便控制电子设备的温度处于合理的范围内。
102、根据温度数据从多个传感器中确定出异常传感器。
由于壳温拟合模型的准确性依赖于温度传感器收集的温度数据,为了保证壳体温度的准确性,需要通过验证策略及时发现温度数据的异常,并采取相应的纠正策略,可以通过分析温度数据确定出异常的传感器,可以单独对每个温度传感器获取的当前温度数据将与对应的历史温度数据进行分析,若当前温度数据和对应的历史温度数据差异较大时,则反映出当前温度数据存在异常情况,即说明温度传感器出现了异常。
还可以对通过壳温拟合模型计算出的当前壳体温度和历史壳体温度之间的进行分析,若当前壳体温度和历史壳体温度之间差异较大时,则说明多个温度传感器中至少存在一个异常传感器,可以进一步对每个温度传感器当前的温度数据和对应的历史温度数据进行分析,从多个温度传感器中确定出异常传感器。
103、根据异常传感器获取与异常传感器对应的替换传感器。
若获取的温度数据存在异常情况,即对应的温度传感器出现异常,则获取该异常传感器对应的替换传感器,可以理解的是,电子设备往往设置有多个温度传感器,分别设置在电子设备内部不同区域,位于不同区域的多个温度传感器的受热源可以是相同硬件结构,即设置在不同的位置的温度传感器获取的温度数据具有一定的关联性,具有关联性的温度数据用于壳温拟合模型计算时,通过一定的换算公式或参数调整可以相互替换,因此检测的温度数据具有一定的关联性的温度传感器可以互相作为替换传感器,即不同区域的温度传感器一个或多个出现异常,可以将与其具有关联性的的温度传感器作为替换传感器。
104、将替换传感器的温度数据用于壳温拟合模型的计算,得到壳体温度。
其中,通过替换传感器的温度数据替代异常传感器的温度数据,可以避免异常温度数据对壳温拟合模型计算的影响,其中,壳温拟合模型可以预先训练好,可以将传感器的历史温度数据作为训练模型的样本,对训练模型进行训练,例如,可以使用时间递归神经网络模型(Long Short-Term Memory,LSTM)或循环神经网络模型(Recurrent NeuralNetwork,RNN)作为训练模型,可以根据电子设备硬件环境或软件环境选择需要的训练模型,通过上述两种神经网络模型中的一种对历史温度数据进行建模,得到输出的壳体温度,并通过外接测温设备测试电子设备实际的壳温,将实际的壳温作为输出的壳体温度的验证数据,不断调整训练模型中的参数,进而对训练模型进行训练,最终得到训练好的壳温拟合模型。此外,还可以选择其他训练模型进行训练,得到对应的壳温拟合模型。
可以理解的是,将替换传感器的温度数据用于壳温拟合模型的计算时,壳温拟合模型的模型参数可以根据替换传感器的参数进行调整,替换传感器的参数可以是替换传感器的类型或替换传感器与发热源的距离等,由于异常传感器和替换传感器与发热源之间位置存在一定差异,为了减少差异带来的壳温计算的误差,在计算壳体温度时,可以根据替换传感器的参数调整壳温拟合模型的模型参数。
本申请实施方式中,获取多个传感器的温度数据,根据温度数据从多个传感器中确定出异常传感器,根据异常传感器获取与异常传感器对应的替换传感器,将所述替换传感器的温度数据用于壳温拟合模型的计算,得到壳体温度。可以避免由于传感器出现异样导致的温度数据异常的情况,进而导致通过温度数据计算得到电子设备壳体温度不准确,通过预先排除异常传感器,将异常传感器的替换传感器的温度数据用于计算壳体温度,可以提高壳体温度计算的准确性。
请参阅图2,图2是本申请实施例提供的壳体温度的计算方法的第二流程示意图,该壳体温度的计算方法可以包括以下步骤:
201、判断电子设备是否处于预设运行环境,处于预设运行环境的电子设备的至少一个发热硬件的功率大于预设功率阈值。
通过电子设备当前的运行环境可以判断电子设备是否处于预设运行环境,当电子设备处于一些预设运行环境时会电子设备的温度会发生变化,以电子设备温度上升为例,导致电子设备发热的硬件种类可以有多种,例如CPU、GPU、NPU、DSP以及PCB板等,发热原因可以只由一个硬件的功率过高引起,也可以由多个硬件的功率过高引起,其中预设运行环境可以是屏幕亮度大于阈值、预设应用的运行、电池充电、信号搜索或通话状态等会导致一个或多个发热硬件的功率大于相应的预设功率阈值,从而导致电子设备温度上升的预设运行环境,其中,预设应用可以为对于处理器性能要求较高的应用,例如3D游戏应用、大型竞技类游戏或高清视频播放应用等,在预设应用运行时,处理器处于高性能参数状态(高运行频率),导致发热硬件的功率过大,电子设备功耗升高,进而温度升高。
在一些实施例中,预设运行环境还可以通过检测电子设备当前所处的地理环境或天气温度信息进行判断,例如电子设备所处的地理位置为室内且天气温度信息较高(如夏天)的情况,电子设备存在温度升高的趋势,将该运行环境标记为预设运行环境,又例如,电子设备所述的地理环境为室外且天气温度信息较低(如冬天)的情况,电子设备存在温度降低的趋势。将该运行环境标记为预设运行环境,电子设备所处的地理位置为室内且天气温度信息属于常温(春天和秋天),电子设备温度变化趋势趋于平稳,无需将该运行环境标记,将当前地理环境和天气信息与电子设备运行状态结合作为预设运行环境的判断,可以提高后续将当前温度数据和历史温度数据比较的准确性。
预设运行环境的确定可以通过大数据平台统计分析或通过电子设备自身收集的温度数据确定,例如,可以对电子设备的历史温度数据进行分析,得到在不同运行环境下温度的变化趋势,将变化趋势满足条件的作为预设运行环境,例如在预设时间段内计算得到的壳体温度达到预设阈值,将预设时间段内的运行环境标记为预设运行环境。
202、若电子设备处于预设运行环境,则获取多个传感器的温度数据,温度数据用于电子设备的壳温拟合模型的计算。
若电子设备处于预设运行环境,则说明温度传感器收集的温度数据存在发生变化的趋势,此时,开始统计多个温度传感器的温度数据,例如,当检测当电子设备开始运行预设应用(大型竞技类游戏),则说明电子设备存在温度升高的趋势,开始统计多个温度传感器记录的温度数据。可以理解的是,可以在电子设备处于预设运行环境时就开始统计多个温度传感器的温度数据,在一些实施方式中,也可以在电子设备处于预设运行环境后,通过壳温拟合模型计算得到的壳体温度达到阈值时再开始统计多个温度传感器的温度数据。可以理解的是,通过在统计多个温度传感器的温度数据之前设置以上预设条件,可以减少数据量的统计。
将获取的温度数据用于电子设备的壳温拟合模型的计算,电子设备中往往设置有多种传感器,如温度传感器,温度传感器可以为负温度系数的热敏电阻(NegativeTemperature Coefficient Thermistor,NTC)形成的温度传感器,可以将一个或多个温度传感器设置在电子设备发热源附近或发热源内,检测电子设备内不同区域发热源的温度数据,其中,发热源可以为电子设备内的硬件,如中央处理器(CPU)、图像处理器(GPU)、微处理器(DSP)、嵌入式神经网络处理器(NPU)、电路板(PCB板)等,发热原因可以只由一个硬件引起,也可以由多个硬件引起,因此在壳温拟合模型计算时,可以根据需求获取相应的传感器的温度数据,计算得到模拟的壳温数据。需要说明的是,壳温拟合模型可以在电子设备运算,也可以在服务器运算。
203、温度数据包括当前温度数据以及历史温度数据。
当前温度数据可以理解为将相应硬件运行在当前时间段内生成的温度数据记录,得到的当前温度数据,历史温度数据可以理解为将相应硬件运行在历史时间段内生成的温度数据记录,得到历史温度数据,其中,多个温度传感器的温度数据可以是设置在电子设备内所有的温度传感器的温度数据。
在一些实施方式,为了减少温度数据的存储,在获取当前的温度数据时,可以只获取壳温拟合模型计算需要数据的温度传感器的温度数据,例如,CPU周围的不同位置间隔设置有3个温度传感器,GPU周围的不同位置间隔设置有2个温度传感器,电池周围的不同位置间隔设置有4个温度传感器,可以从CPU的3个温度传感器中确定一个作为CPU目标温度传感器,同理,每个硬件均可对应一个或多个目标传感器,可以将目标传感器的温度数据作为壳温拟合模型的输入数据,当电子设备内温度传感器设置有多个时,可以只获取目标传感器的温度数据作为壳温拟合模型的计算,减少温度数据的记录和统计。
204、将当前温度数据和历史温度数据进行相关性比较,得到每个温度传感器的当前温度数据和历史温度数据之间的相关度。
通过计算当前温度数据的温度分布与相应的历史温度分布的相关性来判断温度传感器是否存在异常的情况,具体的:
获取所述电子设备的当前运行环境和多个传感器在当前运行环境下的当前温度数据;
获取多个历史运行环境信息;
从多个历史运行环境信息中确定出与所述当前运行环境相匹配的目标运行环境;
获取所述多个传感器在所述目标运行环境下的历史温度数据。其中,当前运行环境可以为预设运行环境,如屏幕亮度大于阈值、预设应用运行、信号搜索、通话状态和/或电池充电等运行环境,当电子设备处于预设运行环境时,其中,在预设运行环境下,电子设备中的发热硬件至少一个或多个的功率大于预设功率阈值,此时,开始记录温度传感器的温度数据,得到当前的温度数据,再获取多个历史运行环境信息,从多个历史运行环境信息中确定出与当前运行环境相匹配的目标运行环境,历史运行环境信息可以通过记录电子设备每次处于预设运行环境下得到的历史记录,目标运行环境和当前运行环境的温度数据具有一定的相似性。例如,当前运行环境为运行某大型游戏应用,则通过遍历多个历史运行环境,找到历史记录中运行该大型游戏应用时记录的温度传感器的温度数据,由于是相似的运行环境,因此温度数据具有一定的相似性,因此可以将目标运行环境的历史温度数据作为当前运行环境的当前温度数据的比较数据。
在一些实施方式,为了提高当前温度数据和历史温度数据比较的准确性,在当前运行环境和目标运行环境的类型相同且的温度数据相似的情况下,当前温度数据的开始记录时的起始温度需与历史温度数据开始记录时的起始温度接近,例如,虽然当前运行环境和目标运行环境均为运行某大型游戏应用的运行环境,但当前运行环境处于电子设备充电状态时,历史运行环境处于电子设备非充电状态,由于电子设备充电时运行应用导致电压不稳,导致电子设备温度上升较快,历史运行环境统计的起始温度与当前运行环境统计的起始温度不一致,此时,该历史运行环境无法作为目标运行环境,需要从多个历史运行环境中确定出与当前运行环境(运行某大型游戏应用)且处于充电状态的目标运行环境。
通过上述方法获取了相关的历史温度数据后,将当前温度数据和历史温度数据进行相关性比较,得到每个温度传感器的当前温度数据和历史温度数据之间的相关度,具体的,可以单独对每个温度传感器的温度数据进行分析,以设置在CPU附近的温度传感器为例,通过统计在当前运行环境下预设时间段内该温度传感器记录的CPU的温度数据分布,再获取目标运行环境下预设时间段内该温度传感器记录的CPU的历史温度数据分布,对温度数据分布和历史温度数据分布进行相关性分析。
其中,相关性算法可以包括:图表相关分析法、协方差及协方差矩阵法、相关系数法、一元回归及多元回归法以及信息熵及互信息法等,以相关系数法示例,通过该方法可以得到当前温度数据和历史温度数据之间的相关度,相关系数(Correlation coefficient)是反应变量之间关系密切程度的统计指标,相关度的取值区间可以在1到-1之间。1表示两个变量完全线性相关,-1表示两个变量完全负相关,0表示两个变量不相关。数据越趋近于0表示相关关系越弱,相关度可以通过计算两组数据的距离实现,可以通过欧几里得距离(Euclidean Distance)以及欧式距离的标准化(Standardized Euclidean distance)海明距离(Hamming distance)等算法计算得到相关度,还可以通过计算两组数据之间的相似度实现,可以通过余弦相似度(Cosine Similarity)以及调整余弦相似度(Adjusted CosineSimilarity)皮尔森相关系数(Pearson Correlation Coefficient)相似系数(JaccardCoefficient)等算法计算得到两组数据的相关度。
205、将相关度小于预设阈值的温度传感器确定为异常传感器。
将计算得到的相关度与预设阈值进行比较,可以理解的是,相关度的范围可以在1到-1之间,相关度越接近1则说明两组数据越接近,需要说明的是,每个温度传感器的预设阈值可以相同也可以不同,以CPU温度传感器温度阈值为0.6为例,若计算得到的相关度小于预设阈值0.6,则说明两组数据之间的差异较大,温度传感器出现异常,将该温度传感器进行标记,便于后续获取该温度传感器的替换传感器。若计算得到的相关度大于预设阈值0.6,则说明两组数据之间的差异较小,温度传感器运行正常。
在一些实施方式中,为了提高后续相关度计算的准确性,将相关度大于预设阈值小于1的温度传感器数据通过加算权算法对历史温度数据进行更新,具体的,对当前温度数据分布X进行加权计算,可以通过公式:Y=aX+(1-a)Y’进行计算,其中,Y为更新后的历史温度数据,Y’为原始历史温度数据,a为温度统计区间每一个温度值的权值,例如温度统计区间(35°-55°)时,计算每个温度值的权值,权值为每个温度值出现的频数,通过转化,将频数转化成0-1的权重值,由于对历史温度数据进行更新,因此当前的温度数据所占比重较大,对每个温度数据通过以上公式进行更新,得到更新后的历史温度数据。
在一些实施方式中,为了排除由于统计异常或数据处理异常导致的错误判断,将温度传感器标记后:
多次获取多个传感器的温度数据;
若所述温度数据不满足预设条件的次数大于预设次数;
则从所述多个传感器中确定出异常传感器。
具体的,如果该温度传感器在持续的预设次数的温度数据统计中均被标记为异常,则说明该温度传感器在使用的过程中出现了异常,其中,预设次数可以根据需要设定,若温度传感器属于故障率较高的温度传感器,则将预设次数制定为较小的数,例如预设次数为2次,若温度传感器属于故障率较低的温度传感器,则将预设次数指定为较大的数,例如预设次数为5次,其中,故障率可以通过生产厂商或实验室进行实验统计得到。
在一些实施方式中,为了减少处理器的数据计算量,在将所述当前温度数据和所述历史温度数据进行相关性比较之前还包括:
判断所述处理器当前温度数据是否存在异常值,所述异常值反映所述处理器处于异常状态;
若所述温度数据中存在异常值,则将所述温度传感器标记为异常传感器;
若所述温度数据中不存在异常值,则获取所述温度传感器的历史温度数据。
其中,比如在预设运行环境下,温度传感器的读数没有任何变化,或者温度传感器的读数一直是一个负值或者一个极大值,若出现该情况则直接说明该温度传感器出现的异常,无需与历史温度数据进行比较,则可将该温度传感器标记为异常传感器。
在一些实施方式中,为了减少处理器的数据计算量,在将所述当前温度数据和所述历史温度数据进行相关性比较之前还包括:
根据所述当前温度数据以及壳温拟合模型计算得到当前壳体温度;
根据所述历史温度数据获取历史壳体温度;
若所述当前壳体温度和所述历史壳体温度之间的相关度小于预设阈值,则将每个传感器的当前温度数据与对应的历史温度数据进行比较。
若所述当前壳体温度和所述历史壳体温度之间的相关度大于预设阈值,则无需将每个传感器的当前温度数据与对应的历史温度数据进行比较。
其中,可以通过以上任意相关度算法计算当前壳体温度和历史壳体温度之间的相关度,以通过图表相关分析法示例,将当前获取的预设时间段内的温度数据作为壳温拟合模型的输入数据输入壳温拟合模型,可以计算得到预设时间段内壳体温度数据,将壳体温度数据生成相关图表,通过类似上述获取历史温度数据的方法获取历史壳体温度数据生成的相关图表,通过对两个图表的壳体温度数据进行分析,可以得到当前壳体温度和历史壳体温度之间的相关度,若所述当前壳体温度和所述历史壳体温度之间的相关度大于预设阈值,则说明当前壳体温度数据正常,无需将每个传感器的当前温度数据与对应的历史温度数据进行比较,若所述当前壳体温度和所述历史壳体温度之间的相关度小于预设阈值,则说明当前壳体温度数据异常,则需进一步对每个传感器的温度数据进行分析。
206、根据异常传感器获取与异常传感器对应的替换传感器。
若获取的温度数据存在异常情况,即对应的温度传感器出现异常,则获取该异常传感器对应的替换传感器,可以理解的是,电子设备往往设置有多个温度传感器,分别设置在电子设备内部不同区域,位于不同区域的多个温度传感器的受热源可以是相同硬件结构,即设置在不同的位置的温度传感器获取的温度数据具有一定的关联性,具有关联性的温度数据用于壳温拟合模型计算时,通过一定的换算公式或参数调整可以相互替换,因此检测的温度数据具有一定的关联性的温度传感器可以互相作为替换传感器,即不同区域的温度传感器一个或多个出现异常,可以将与其具有关联性的的温度传感器作为替换传感器。
可以理解的是,温度传感器在电子设备上的位置靠近,且温度传感器检测的受热源相似或相同,均可以用来做相互的替换传感器。
207、将替换传感器的温度数据用于所述壳温拟合模型的计算,得到壳体温度。
其中,通过替换传感器的温度数据替代异常传感器的温度数据,可以避免异常温度数据对壳温拟合模型计算的影响,其中,壳温拟合模型可以预先训练好,可以将传感器的历史温度数据作为训练模型的样本,对训练模型进行训练,例如,可以使用时间递归神经网络模型(Long Short-Term Memory,LSTM)或循环神经网络模型(Recurrent NeuralNetwork,RNN)作为训练模型,可以根据电子设备硬件环境或软件环境选择需要的训练模型,通过上述两种神经网络模型中的一种对历史温度数据进行建模,得到输出的壳体温度,并通过外接测温设备测试电子设备实际的壳温,将实际的壳温作为输出的壳体温度的验证数据,不断调整训练模型中的参数,进而对训练模型进行训练,最终得到训练好的壳温拟合模型。此外,还可以选择其他训练模型进行训练,得到对应的壳温拟合模型。
可以理解的是,将替换传感器的温度数据用于壳温拟合模型的计算时,壳温拟合模型的模型参数可以根据替换传感器的参数进行调整,替换传感器的参数可以是替换传感器的类型或替换传感器与发热源的距离等,由于异常传感器和替换传感器与发热源之间位置存在一定差异,为了减少差异带来的壳温计算的误差,在计算壳体温度时,可以根据替换传感器的参数调整壳温拟合模型的模型参数。
在计算出壳体温度后,电子设备可以根据壳体温度采取相应的温度控制策略,以便控制电子设备的温度处于合理的范围内。例如,当壳体温度大于第一预设阈值时,调整电子设备的硬件参数,例如降低CPU或GPU运行的频率参数,使得壳体温度下降,避免壳体温度过高对电子设备的影响,又例如,当壳体温度下降到小于第二预设阈值时,可以提高CPU或GPU运行的频率参数,提高电子设备的运行性能。
本申请实施方式中,当电子设备处于预设的运行环境时,才获取多个温度传感器的温度数据,可以减少温度数据的统计量,通过对多个传感器当前温度数据和历史温度数据进行相关性比较分析,得到反映当前温度数据和历史温度数据之间差异的相关度,通过相关度确定出异常的温度传感器,可以避免异常温度数据对于壳温拟合模型计算的影响,可以提高壳体温度计算的准确性。
在一些实施方式中,根据所述温度数据从所述多个传感器中确定出异常传感器还可以包括:
获取所述传感器的关联传感器,并获取所述关联传感器的温度数据;
判断所述传感器和所述关联传感器之间温度数据的比例参数是否在预设比例范围内;
若所述比例参数不在预设比例范围内,则将所述传感器确定为所述异常传感器。
其中,由于温度传感器固定设置在电子设备的不同区域,且热量传导具有一定的规律性,因此温度传感器可以存在多个关联传感器,温度传感器获取的温度数据和关联传感器获取的温度数据之间的比例参数在一定的预设范围内,可以无需获取该温度传感器的历史温度数据进行相关性判断,通过分析温度传感器和关联传感器的当前温度数据之间的比例,可以判断出温度传感器是否存在异常,可以理解的是,可以用于比较的关联传感器的前提是关联传感器处于正常工作状态,具体的,获取预设时间段内温度传感器统计的温度数据,每个时间节点对应一个温度值,获取对应的预设时间段内一个或多个关联传感器的温度数据,每个时间点对应一个关联温度值,将相同时间点的温度值和关联温度值进行比较,得到温度值和关联温度值的比例参数,若该比例参数在预设范围内,则说明该时间节点的温度值和关联温度值之间的差异较小,若该比例参数不在预设范围内,则说明该时间节点温度值出现了异常,若预设时间段内比例参数不在预设范围内的时间节点的个数大于预设个数,则说明了该温度传感器出现了异常,将该温度传感器标记为异常传感器。
其中,预设个数可以根据预设时间段的长度以及时间节点间隔的长度设置,如预设时间段为10分钟,间隔1秒设置一时间节点,在时间节点对温度传感器的温度数据进行采样,则采样的温度数据为300个,用于判断是否异常的预设个数可以设置为20个,若10分钟内比例参数不在预设范围内的时间节点的个数大于20,则说明温度传感器出现了异常,将该温度传感器标记为异常传感器。
在一些实施方式中,若温度传感器存在多个关联传感器,先获取多个关联传感器的当前温度数据,可以通过上述比例参数的比较方法,判断多个关联传感器之间是否存在异常传感器,若关联传感器均处于正常工作状态,则可用于作为验证的关联传感器,需要说明的是,待验证的温度传感器为用于壳温拟合模型计算的温度传感器。
在一些实施方式中,获取多个传感器的温度数据还可以包括:
获取第一传感器组中多个传感器的温度数据;
所述根据所述异常传感器获取与所述异常传感器对应的替换传感器包括:
判断所述异常传感器是否存在所述替换传感器;
若所述异常传感器不存在与所述异常传感器对应的替换传感器,则获取第二传感器组;
所述将所述替换传感器的温度数据用于壳温拟合模型的计算包括:
将所述第二传感器组的温度数据用于壳温拟合模型的计算。
其中,在获取多个传感器的温度数据时可以仅获取用于当前壳温拟合模型计算的温度传感器的温度数据,如当前壳温拟合模型用于计算的温度传感器为第一传感器组,其中包括传感器A、传感器B、传感器C以及传感器D,通过上述方法确定出第一传感器组存在异常的传感器为传感器B,判断传感器B是否存在替换传感器,若传感器B存在替换传感器B’时,将第一传感器组更新为传感器A、传感器B’、传感器C以及传感器D,将第一传感器组的传感器记录的温度数据用于壳温拟合模型的计算,若传感器B不存在替换传感器时,则获取可以替换第一传感器组用于壳温拟合模型计算的第二传感器组,如传感器E、传感器F、传感器G以及传感器H,可以理解的是以上传感器组的数量以及传感器组中的传感器数量仅仅是示例性的,可以计算出准确的壳体温度的传感器组均可相互作为替换传感器组。
请参阅图3,图3是本申请实施例提供的壳体温度的计算方法具体应用的流程示意图,该壳体温度的计算方法可以包括:
为减少对系统处理器的负担,可以选择预设运行环境下才获取温度传感器的温度数据,其中预设运行环境可以为电池充电、预设应用运行、屏幕亮度大于预设亮度的预设运行环境,通过预设运行环境进行温度数据起始记录的条件,若当前的壳体温度达到预设壳温阈值时,开始统计温度传感器的当前温度数据,可以理解的是,预设壳温阈值往往小于开始采取温控策略的策略壳温阈值,例如,电子设备在壳体温度达到壳温阈值35°时,开始采取温控策略用于调节电子设备的壳体温度,例如改变电子设备内的硬件参数等措施,预设壳温阈值可以设置为33°,在壳体温度达到预设壳体阈值时就开始统计温度传感器的温度数据,可以得到比较能反映温度变化趋势的温度数据,此时,可以规定统计温度数据的预设时长,预设时长可以为10分钟,定义温度数据的统计区间,比如35°-50°,每一个采样点的温度数据都反馈给处理器,处理器根据记录到的当前温度数据与同一运行环境的历史温度数据进行相关性比较,运行环境结束则停止统计当前温度数据。通过相关性计算可以得到相关度,相关度可以评价当前温度数据和历史温度数据的差异,如果相关度较小,如相关度小于0.6,则标记当前温度数据。如果当前温度统计数据相关性较大,如相关度不小0.6,将当前温度数据对历史温度数据进行更新。可以采用加权算法,通过以下公式对历史温度数据进行更新,Y=aX+(1-a)Y’,其中a为0-1的权重值,Y’为历史温度数据。
如果以上温度传感器获取的温度数据的连续5次均被标记,则说明该温度传感器在使用过程中出现异常,需要获取替换传感器替换该异常传感器。将替换传感器获取的温度数据以及其他非异常温度传感器的温度数据用于壳温拟合模型的计算。
为减少处理器的运算,可以通过异常值分析排除明显异常情况,在进行相关性计算前,可以加入异常值检测,比如预设应用运行的情况下,温度传感器的读数一直没有变化,或者温度传感器的读数一直是一个负值或者较大的值(大于100),若出现以上情况,均可将该温度传感器标记为异常传感器。
本申请实施方式中,当电子设备处于预设的运行环境时,才获取多个温度传感器的温度数据,可以减少温度数据的统计量,通过对多个传感器当前温度数据和历史温度数据进行相关性比较分析,得到反映当前温度数据和历史温度数据之间差异的相关度,通过相关度确定出异常的温度传感器,可以避免异常温度数据对于壳温拟合模型计算的影响,可以提高壳体温度计算的准确性。
请参阅图4,图4为本申请实施例提供的壳体温度的计算装置结构示意图。壳体温度的计算装置400可以包括:第一获取模块401,确定模块402,第二获取模块403,计算模块404。
第一获取模块401,用于获取多个传感器的温度数据,所述温度数据用于所述电子设备的壳温拟合模型的计算;
确定模块402,用于根据所述温度数据从所述多个传感器中确定出异常传感器;
第二获取模块403,用于根据所述异常传感器获取与所述异常传感器对应的替换传感器;
计算模块404,用于将所述替换传感器的温度数据用于所述壳温拟合模型的计算,得到壳体温度。
在一些实施方式,确定模块402还可以用于:
所述温度数据包括当前温度数据以及历史温度数据;
将所述当前温度数据和历史温度数据进行比较,得到比较信息;
根据所述比较信息从所述多个传感器中确定出异常传感器。
在一些实施方式,在将所述当前温度数据和历史温度数据进行比较,得到比较信息时,确定模块402还用于:
将所述当前温度数据和所述历史温度数据进行相关性比较,得到每个温度传感器的所述当前温度数据和所述历史温度数据之间的相关度;
将所述相关度小于预设阈值的温度传感器确定为异常传感器。
在一些实施方式中,在所述根据所述比较信息从所述多个传感器中确定出异常传感器时,确定模块402还用于:
根据所述当前温度数据以及所述壳温拟合模型计算得到当前壳体温度;
根据所述历史温度数据获取历史壳体温度;
将所述当前壳体温度和所述历史壳体温度进行相关性比较,得到所述当前壳体温度和所述历史壳体温度之间的相关度;
若所述当前壳体温度和所述历史壳体温度之间的相关度小于预设阈值,则将所述当前温度数据和所述历史温度数据进行相关性比较;
在一些实施方式,第一获取模块401还用于:
获取所述电子设备的当前运行环境和所述多个传感器在当前运行环境下的当前温度数据;
获取多个历史运行环境信息;
从多个历史运行环境信息中确定出与所述当前运行环境相匹配的目标运行环境;
获取所述多个传感器在所述目标运行环境下的历史温度数据。
在一些实施方式,确定模块402还用于:
获取所述传感器的关联传感器,并获取所述关联传感器的温度数据;
判断所述传感器和所述关联传感器之间温度数据的比例参数是否在预设比例范围内;
若所述比例参数不在预设比例范围内,则将所述传感器确定为所述异常传感器。
在一些实施方式,第一获取模块401还用于:
获取第一传感器组中多个传感器的温度数据;
第二获取模块402还用于:
判断所述异常传感器是否存在所述替换传感器;
若所述异常传感器不存在与所述异常传感器对应的替换传感器,则获取第二传感器组;
计算模块404还用于:
将所述第二传感器组的温度数据用于所述壳温拟合模型的计算。
在一些实施方式,第一获取模块401还用于:
判断电子设备是否处于预设运行环境,处于预设运行环境的电子设备的至少一个发热硬件的功率大于预设功率阈值,其中,电子设备还包括多个发热硬件,温度传感器用于检测相应的发热硬件的温度数据;
若电子设备处于预设运行环境,则获取多个传感器的温度数据。
应当说明的是,本申请实施例提供的壳体温度的计算装置与上文实施例中的壳体温度的计算方法属于同一构思,在壳体温度的计算装置上可以运行壳体温度的计算方法实施例中提供的任一方法,其具体实现过程详见壳体温度的计算方法实施例,此处不再赘述。
本申请实施例提供一种计算机可读的存储介质,其上存储有计算机程序,当其存储的计算机程序在计算机上执行时,使得计算机执行如本申请实施例提供的壳体温度的计算方法中的步骤。其中,存储介质可以是磁碟、光盘、只读存储器(Read Only Memory,ROM,)或者随机存取器(Random Access Memory,RAM)等。
本申请实施例还提供一种电子设备,请参照图5,电子设备500包括处理器501和存储器502。其中,处理器501与存储器502电性连接。
处理器501是电子设备500的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或加载存储在存储器502内的计算机程序,以及调用存储在存储器502内的数据,执行电子设备500的各种功能并处理数据。
存储器502可用于存储软件程序以及模块,处理器501通过运行存储在存储器502的计算机程序以及模块,从而执行各种功能应用以及数据处理。存储器502可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的计算机程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据等。
此外,存储器502可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器502还可以包括存储器控制器,以提供处理器501对存储器502的访问。
在本申请实施例中,电子设备500中的处理器501会按照如下的步骤,将一个或一个以上的计算机程序的进程对应的指令加载到存储器502中,并由处理器501运行存储在存储器502中的计算机程序,从而实现各种功能,如下:
获取多个传感器的温度数据,所述温度数据用于所述电子设备的壳温拟合模型的计算;
根据所述温度数据从所述多个传感器中确定出异常传感器;
根据所述异常传感器获取与所述异常传感器对应的替换传感器;
将所述替换传感器的温度数据用于所述壳温拟合模型的计算,得到壳体温度。
请参照图6,图6为本申请实施例提供的电子设备的第二结构示意图,与图5所示电子设备的区别在于,电子设备还包括:摄像组件603、显示器604、音频电路605、射频电路606以及电源607。其中,摄像组件603、显示器604、音频电路605、射频电路606以及电源607分别与处理器601电性连接。
摄像组件603可以包括图像处理电路,图像处理电路可以利用硬件和/或软件组件实现,可包括定义图像信号处理(Image Signal Processing)管线的各种处理单元。图像处理电路至少可以包括:多个摄像头、图像信号处理器(Image Signal Processor,ISP处理器)、控制逻辑器以及图像存储器等。其中每个摄像头至少可以包括一个或多个透镜和图像传感器。图像传感器可包括色彩滤镜阵列(如Bayer滤镜)。图像传感器可获取用图像传感器的每个成像像素捕捉的光强度和波长信息,并提供可由图像信号处理器处理的一组原始图像数据。
显示器604可以用于显示由用户输入的信息或提供给用户的信息以及各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。
音频电路605可以用于通过扬声器、传声器提供用户与电子设备之间的音频接口。
射频电路606可以用于收发射频信号,以通过无线通信与网络设备或其他电子设备建立无线通讯,与网络设备或其他电子设备之间收发信号。
电源607可以用于给电子设备600的各个部件供电。在一些实施方式,电源607可以通过电源管理系统与处理器601逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
在本申请实施例中,电子设备600中的处理器601会按照如下的步骤,将一个或一个以上的计算机程序的进程对应的指令加载到存储器602中,并由处理器601运行存储在存储器602中的计算机程序,从而实现各种功能,如下:
所述温度数据包括当前温度数据以及历史温度数据;
将所述当前温度数据和历史温度数据进行比较,得到比较信息;
根据所述比较信息从所述多个传感器中确定出异常传感器。
在一些实施方式,在根据所述温度数据从所述多个传感器中确定出异常传感器时,处理器601可以执行:
所述温度数据包括当前温度数据以及历史温度数据;
将所述当前温度数据和历史温度数据进行比较,得到比较信息;
根据所述比较信息从所述多个传感器中确定出异常传感器。
在一些实施方式,在所述将所述当前温度数据和历史温度数据进行比较,得到比较信息时,处理器601可以执行:
将所述当前温度数据和所述历史温度数据进行相关性比较,得到每个温度传感器的所述当前温度数据和所述历史温度数据之间的相关度;
在所述根据所述比较信息从所述多个传感器中确定出异常传感器时,处理器601可以执行:
将所述相关度小于预设阈值的温度传感器确定为异常传感器。
在一些实施方式,在将所述当前温度数据和所述历史温度数据进行相关性比较时,处理器601可以执行:
根据所述当前温度数据以及所述壳温拟合模型计算得到当前壳体温度;
根据所述历史温度数据获取历史壳体温度;
将所述当前壳体温度和所述历史壳体温度进行相关性比较,得到所述当前壳体温度和所述历史壳体温度之间的相关度;
若所述当前壳体温度和所述历史壳体温度之间的相关度小于预设阈值,则将所述当前温度数据和所述历史温度数据进行相关性比较。
在一些实施方式,在所述获取多个传感器的温度数据时,处理器601可以执行:
获取所述电子设备的当前运行环境和所述多个传感器在当前运行环境下的当前温度数据;
获取多个历史运行环境信息;
从多个历史运行环境信息中确定出与所述当前运行环境相匹配的目标运行环境;
获取所述多个传感器在所述目标运行环境下的历史温度数据。
在一些实施方式,在所述根据所述温度数据从所述多个传感器中确定出异常传感器时,处理器601可以执行:
获取所述传感器的关联传感器,并获取所述关联传感器的温度数据;
判断所述传感器和所述关联传感器之间温度数据的比例参数是否在预设比例范围内;
若所述比例参数不在预设比例范围内,则将所述传感器确定为所述异常传感器。
在一些实施方式,在所述获取多个传感器的温度数据时,处理器601可以执行:
获取第一传感器组中多个传感器的温度数据;
在所述根据所述异常传感器获取与所述异常传感器对应的替换传感器时,处理器601可以执行:
判断所述异常传感器是否存在所述替换传感器;
若所述异常传感器不存在与所述异常传感器对应的替换传感器,则获取第二传感器组;
在所述将所述替换传感器的温度数据用于所述壳温拟合模型的计算时,处理器601可以执行:
将所述第二传感器组的温度数据用于所述壳温拟合模型的计算。
在一些实施方式,在所述获取多个传感器的温度数据时,处理器601可以执行:
判断电子设备是否处于预设运行环境,处于预设运行环境的电子设备的至少一个发热硬件的功率大于预设功率阈值,其中,电子设备还包括多个发热硬件,温度传感器用于检测相应的发热硬件的温度数据;
若电子设备处于预设运行环境,则获取多个传感器的温度数据。
本申请实施例还提供一种存储介质,该存储介质存储有计算机程序,当该计算机程序在计算机上运行时,使得该计算机执行上述任一实施例中的壳体温度的计算方法,比如:获取多个传感器的温度数据,所述温度数据用于所述电子设备的壳温拟合模型的计算;根据所述温度数据从所述多个传感器中确定出异常传感器;根据所述异常传感器获取与所述异常传感器对应的替换传感器;将所述替换传感器的温度数据用于所述壳温拟合模型的计算,得到壳体温度。
在本申请实施例中,存储介质可以是磁碟、光盘、只读存储器(Read Only Memory,ROM)、或者随机存取记忆体(Random Access Memory,RAM)等。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
需要说明的是,对本申请实施例的壳体温度的计算方法而言,本领域普通测试人员可以理解实现本申请实施例的壳体温度的计算方法的全部或部分流程,是可以通过计算机程序来控制相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,如存储在电子设备的存储器中,并被该电子设备内的至少一个处理器执行,在执行过程中可包括如壳体温度的计算方法的实施例的流程。其中,存储介质可为磁碟、光盘、只读存储器、随机存取记忆体等。
对本申请实施例的壳体温度的计算装置而言,其各功能模块可以集成在一个处理芯片中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。该集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中,该存储介质譬如为只读存储器,磁盘或光盘等。
以上对本申请实施例所提供的一种壳体温度的计算方法、装置、存储介质以及电子设备进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (7)
1.一种壳体温度的计算方法,应用于电子设备,其特征在于,所述电子设备还包括多个发热硬件,包括:
判断所述电子设备是否处于预设运行环境,处于预设运行环境的电子设备的至少一个发热硬件的功率大于预设功率阈值;
若所述电子设备处于预设运行环境,获取所述电子设备的当前运行环境和多个传感器在当前运行环境下的当前温度数据;
获取多个历史运行环境信息;
从多个历史运行环境信息中确定出与所述当前运行环境相匹配的目标运行环境;
获取所述多个传感器在所述目标运行环境下的历史温度数据;
将当前温度数据和历史温度数据进行相关性比较,得到每个温度传感器的当前温度数据和历史温度数据之间的相关度;
将相关度小于预设阈值的温度传感器确定为异常传感器;
根据所述异常传感器获取与所述异常传感器对应的替换传感器;
将所述替换传感器的温度数据用于壳温拟合模型的计算,得到壳体温度。
2.根据权利要求1所述的壳体温度的计算方法,其特征在于,将所述当前温度数据和所述历史温度数据进行相关性比较包括:
根据所述当前温度数据以及所述壳温拟合模型计算得到当前壳体温度;
根据所述历史温度数据获取历史壳体温度;
将所述当前壳体温度和所述历史壳体温度进行相关性比较,得到所述当前壳体温度和所述历史壳体温度之间的相关度;
若所述当前壳体温度和所述历史壳体温度之间的相关度小于预设阈值,则将所述当前温度数据和所述历史温度数据进行相关性比较。
3.根据权利要求1所述的壳体温度的计算方法,其特征在于,所述根据所述温度数据从所述多个传感器中确定出异常传感器包括:
获取所述传感器的关联传感器,并获取所述关联传感器的温度数据;
判断所述传感器和所述关联传感器之间温度数据的比例参数是否在预设比例范围内;
若所述比例参数不在预设比例范围内,则将所述传感器确定为所述异常传感器。
4.根据权利要求1所述的壳体温度的计算方法,其特征在于,所述获取多个传感器的温度数据包括:
获取第一传感器组中多个传感器的温度数据;
所述根据所述异常传感器获取与所述异常传感器对应的替换传感器包括:
判断所述异常传感器是否存在所述替换传感器;
若所述异常传感器不存在与所述异常传感器对应的替换传感器,则获取第二传感器组;
所述将所述替换传感器的温度数据用于所述壳温拟合模型的计算包括:
将所述第二传感器组的温度数据用于所述壳温拟合模型的计算。
5.一种壳体温度的计算装置,其特征在于,包括:
第一获取模块,用于判断电子设备是否处于预设运行环境,处于预设运行环境的电子设备的至少一个发热硬件的功率大于预设功率阈值;若所述电子设备处于预设运行环境,获取所述电子设备的当前运行环境和多个传感器在当前运行环境下的当前温度数据;获取多个历史运行环境信息;从多个历史运行环境信息中确定出与所述当前运行环境相匹配的目标运行环境;获取所述多个传感器在所述目标运行环境下的历史温度数据;
确定模块,用于将当前温度数据和历史温度数据进行相关性比较,得到每个温度传感器的当前温度数据和历史温度数据之间的相关度;将相关度小于预设阈值的温度传感器确定为异常传感器;
第二获取模块,用于根据所述异常传感器获取与所述异常传感器对应的替换传感器;
计算模块,用于将所述替换传感器的温度数据用于壳温拟合模型的计算,得到壳体温度。
6.一种存储介质,其上存储有计算机程序,其特征在于,当所述计算机程序在计算机上运行时,使得所述计算机执行如权利要求1至4任一项所述的壳体温度的计算方法。
7.一种电子设备,包括处理器、存储器,所述存储器有计算机程序,其特征在于,所述处理器通过调用所述计算机程序,用于执行如权利要求1至4任一项所述的壳体温度的计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010379189.5A CN111475384B (zh) | 2020-05-07 | 2020-05-07 | 壳体温度的计算方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010379189.5A CN111475384B (zh) | 2020-05-07 | 2020-05-07 | 壳体温度的计算方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111475384A CN111475384A (zh) | 2020-07-31 |
CN111475384B true CN111475384B (zh) | 2022-12-20 |
Family
ID=71757483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010379189.5A Active CN111475384B (zh) | 2020-05-07 | 2020-05-07 | 壳体温度的计算方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111475384B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112748221A (zh) * | 2020-12-30 | 2021-05-04 | 南京汽车集团有限公司 | 一种轻卡氢燃料电池车检测整车氢泄漏方法 |
CN114372611A (zh) * | 2021-12-15 | 2022-04-19 | 华能煤炭技术研究有限公司 | 水资源优化分配方法和装置 |
CN114979364A (zh) * | 2022-05-25 | 2022-08-30 | 南昌黑鲨科技有限公司 | 一种智能散热系统、方法及计算机可读存储介质 |
CN114876844A (zh) * | 2022-05-31 | 2022-08-09 | 紫光计算机科技有限公司 | 风扇控制方法、风扇控制装置、设备及介质 |
CN116069139B (zh) * | 2022-08-08 | 2023-10-31 | 荣耀终端有限公司 | 温度预测方法、装置、电子设备及介质 |
CN115795882B (zh) * | 2022-12-05 | 2023-06-20 | 北京捷世智通科技股份有限公司 | 一种散热器热仿真参数的筛选方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9500535B1 (en) * | 2013-06-27 | 2016-11-22 | Amazon Technologies, Inc. | Determining temperature using multiple sensors |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8315746B2 (en) * | 2008-05-30 | 2012-11-20 | Apple Inc. | Thermal management techniques in an electronic device |
US9529397B2 (en) * | 2013-03-01 | 2016-12-27 | Qualcomm Incorporated | Thermal management of an electronic device based on sensation model |
US10690511B2 (en) * | 2015-12-26 | 2020-06-23 | Intel Corporation | Technologies for managing sensor anomalies |
CN107423197B (zh) * | 2017-07-10 | 2021-02-09 | Oppo广东移动通信有限公司 | 电子设备、温升控制方法、控制装置及存储介质 |
CN110579294A (zh) * | 2019-08-28 | 2019-12-17 | 广东美的厨房电器制造有限公司 | 温度校正方法、烹饪器具及介质 |
CN110531741B (zh) * | 2019-09-11 | 2020-11-27 | 珠海格力电器股份有限公司 | 传感器故障识别方法及存储介质 |
CN110955580B (zh) * | 2019-12-09 | 2023-10-03 | Oppo广东移动通信有限公司 | 壳体温度的获取方法、装置、存储介质和电子设备 |
-
2020
- 2020-05-07 CN CN202010379189.5A patent/CN111475384B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9500535B1 (en) * | 2013-06-27 | 2016-11-22 | Amazon Technologies, Inc. | Determining temperature using multiple sensors |
Also Published As
Publication number | Publication date |
---|---|
CN111475384A (zh) | 2020-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111475384B (zh) | 壳体温度的计算方法、装置、存储介质及电子设备 | |
WO2021057848A1 (zh) | 网络的训练方法、图像处理方法、网络、终端设备及介质 | |
CN111290553B (zh) | 温度控制方法、装置、存储介质及电子设备 | |
CN107820020A (zh) | 拍摄参数的调整方法、装置、存储介质及移动终端 | |
CN109800325A (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
CN113192470B (zh) | 屏幕调节方法、装置、存储介质及电子设备 | |
CN110995810B (zh) | 一种基于人工智能的对象识别方法和相关装置 | |
WO2021092808A1 (zh) | 网络模型的训练方法、图像的处理方法、装置及电子设备 | |
WO2019062369A1 (zh) | 应用管理方法、装置、存储介质及电子设备 | |
CN111473887B (zh) | 壳体温度的获取方法、装置、存储介质和电子设备 | |
CN111046742B (zh) | 一种眼部行为检测方法、装置以及存储介质 | |
CN110955580B (zh) | 壳体温度的获取方法、装置、存储介质和电子设备 | |
CN112672405B (zh) | 功耗计算方法、装置、存储介质、电子设备以及服务器 | |
CN107729144B (zh) | 应用控制方法、装置、存储介质及电子设备 | |
CN117726862A (zh) | 应用于工业检测的模型训练方法、装置及存储介质 | |
CN112584057A (zh) | 一种光照度检测方法和装置 | |
CN116184851A (zh) | 一种睡眠模式调节方法、装置、终端及存储介质 | |
US20220245447A1 (en) | Systems and methods for quantization aware training of a neural network for heterogeneous hardware platform | |
CN116188374A (zh) | 插座检测方法、装置、计算机设备及存储介质 | |
CN112857613A (zh) | 确定壳体温度的方法、装置、存储介质及电子设备 | |
CN116797464A (zh) | 计算方法、装置、计算机设备和存储介质 | |
CN111209057A (zh) | 一种快速调整感知终端的方法以及装置 | |
CN113383311A (zh) | 应用处理方法、装置、存储介质及电子设备 | |
US20230342429A1 (en) | System and method for reduction of data transmission by information control with reinforced learning | |
US20230342639A1 (en) | System and method for reduction of data transmission by data statistic validation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |