CN112987895B - 一种基于冷却液的智能化服务器芯片制冷方法、装置及系统 - Google Patents
一种基于冷却液的智能化服务器芯片制冷方法、装置及系统 Download PDFInfo
- Publication number
- CN112987895B CN112987895B CN202110551642.0A CN202110551642A CN112987895B CN 112987895 B CN112987895 B CN 112987895B CN 202110551642 A CN202110551642 A CN 202110551642A CN 112987895 B CN112987895 B CN 112987895B
- Authority
- CN
- China
- Prior art keywords
- temperature
- server chip
- chip
- cooling
- obtaining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 194
- 238000005057 refrigeration Methods 0.000 title claims abstract description 52
- 239000000110 cooling liquid Substances 0.000 title claims abstract description 44
- 230000008569 process Effects 0.000 claims abstract description 150
- 238000001816 cooling Methods 0.000 claims abstract description 117
- 230000008859 change Effects 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 30
- 238000012937 correction Methods 0.000 claims description 22
- 239000007788 liquid Substances 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 3
- 239000002826 coolant Substances 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 11
- 230000001276 controlling effect Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000004377 microelectronic Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000012809 cooling fluid Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/16—Constructional details or arrangements
- G06F1/20—Cooling means
- G06F1/206—Cooling means comprising thermal management
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2200/00—Indexing scheme relating to G06F1/04 - G06F1/32
- G06F2200/20—Indexing scheme relating to G06F1/20
- G06F2200/201—Cooling arrangements using cooling fluid
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Devices That Are Associated With Refrigeration Equipment (AREA)
Abstract
本发明公开了一种基于冷却液的智能化服务器芯片制冷方法、装置及系统,根据第一服务器芯片信息获得第一工作标定温度;获得第一工作进程集,通过第一温度采集模块获得第一温度信息集,根据第一历史工作进程和第一温度信息集构建温度与工作进程关系模型;将实时工作进程输入温度与工作进程关系模型,获得第一温度预估值;根据第一温度预估值和第一工作标定温度获得第一温度差值;根据第一匹配指令基于第一温度差值匹配第一降温模式;基于第一降温模式通过第一冷却液制冷模块对第一服务器芯片进行降温处理。解决了现有技术中的对芯片温度控制存在不够智能准确的问题,不能结合芯片的实际使用信息智能化对芯片进行制冷控制的技术问题。
Description
技术领域
本发明涉及智能化服务器芯片制冷相关领域,尤其涉及一种基于冷却液的智能化服务器芯片制冷方法、装置及系统。
背景技术
对于服务器而言,主板成为它高性能的载体,那对于服务器主板而言,芯片组为主板的灵魂。如果芯片组不能与CPU良好地协同工作,将严重地影响计算机的整体性能甚至不能正常工作。芯片组要求有良好的兼容性,互换性和扩展性,对稳定性和综合性能要求也是极高。随着CPU运算速度的提高和微电子技术不断发展,芯片功耗和发热量越来越大,如何控制芯片温度,保证芯片性能是急需解决的问题。
本申请发明人发现上述技术至少存在如下技术问题:
现有技术中的对芯片温度控制存在不够智能准确的问题,不能结合芯片的实际使用信息智能化对芯片进行制冷控制的技术问题。
发明内容
本申请实施例通过提供一种基于冷却液的智能化服务器芯片制冷方法、装置及系统,解决了现有技术中的对芯片温度控制存在不够智能准确的问题,不能结合芯片的实际使用信息智能化对芯片进行制冷控制的技术问题,达到结合芯片信息,智能化对芯片温度进行调控,保证芯片性能的同时,有效降低制冷损失,完成智能化对芯片温度控制的技术效果。
鉴于上述问题,提出了本申请实施例提供一种基于冷却液的智能化服务器芯片制冷方法、装置及系统。
第一方面,本申请提供了一种基于冷却液的智能化服务器芯片制冷方法,所述方法应用于一种智能服务器芯片制冷系统,所述系统与第一温度采集模块、第一冷却液制冷模块通信连接,所述方法包括:获得第一服务器芯片信息;根据所述第一服务器芯片信息获得第一工作标定温度;获得所述第一服务器芯片的第一工作进程集,其中,所述第一工作进程集为第一历史工作进程集;通过所述第一温度采集模块获得所述第一服务器芯片的第一温度信息集,所述第一温度信息集与所述第一历史工作进程具有第一对应关系;根据所述第一历史工作进程和所述第一温度信息集构建温度与工作进程关系模型;获得所述第一服务器芯片的实时工作进程;将所述实时工作进程输入所述温度与工作进程关系模型,获得第一温度预估值;根据所述第一温度预估值和所述第一工作标定温度获得第一温度差值;获得第一匹配指令,根据所述第一匹配指令基于所述第一温度差值匹配第一降温模式;基于所述第一降温模式通过所述第一冷却液制冷模块对所述第一服务器芯片进行降温处理。
另一方面,本申请还提供了一种基于冷却液的智能化服务器芯片制冷系统,所述系统包括:第一获得单元,所述第一获得单元用于获得第一服务器芯片信息;第二获得单元,所述第二获得单元用于根据所述第一服务器芯片信息获得第一工作标定温度;第三获得单元,所述第三获得单元用于获得所述第一服务器芯片的第一工作进程集,其中,所述第一工作进程集为第一历史工作进程集;第四获得单元,所述第四获得单元用于通过第一温度采集模块获得所述第一服务器芯片的第一温度信息集,所述第一温度信息集与所述第一工作进程集具有第一对应关系;第一构建单元,所述第一构建单元用于根据所述第一工作进程集和所述第一温度信息集构建温度与工作进程关系模型;第五获得单元,所述第五获得单元用于获得所述第一服务器芯片的实时工作进程;第六获得单元,所述第六获得单元用于将所述实时工作进程输入所述温度与工作进程关系模型,获得第一温度预估值;第七获得单元,所述第七获得单元用于根据所述第一温度预估值和所述第一工作标定温度获得第一温度差值;第八获得单元,所述第八获得单元用于获得第一匹配指令,根据所述第一匹配指令基于所述第一温度差值匹配第一降温模式;第一降温单元,所述第一降温单元用于基于所述第一降温模式通过第一冷却液制冷模块对所述第一服务器芯片进行降温处理。
第三方面,本发明提供了一种基于冷却液的智能化服务器芯片制冷系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了获得第一服务器芯片信息,基于所述第一服务器芯片信息获得第一工作标定温度,获得所述第一服务器芯片的第一工作进程集,通过所述第一温度采集模块获得所述第一工作进程集中对应工作进程的服务器芯片的温度信息集,基于所述第一温度信息集和所述第一工作进程集构建温度与工作进程关系模型,获得所述第一服务器芯片的实时工作进程,将所述实时工作进程输入所述温度与工作进程关系模型,获得第一温度预估值,根据所述第一温度预估值和所述第一工作标定温度获得第一温度差值,基于所述第一温度差值匹配第一降温模式,基于所述第一降温模式通过所述第一冷却液制冷模块对所述第一服务器芯片进行降温处理,通过智能化结合芯片进程与温度变化信息,对芯片的温度进行智能化控制,保证芯片性能的同时,有效降低制冷损失,完成智能化对芯片温度控制的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种基于冷却液的智能化服务器芯片制冷方法的流程示意图;
图2为本申请实施例一种基于冷却液的智能化服务器芯片制冷方法的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第一构建单元15,第五获得单元16,第六获得单元17,第七获得单元18,第八获得单元19,第一降温单元20,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例通过提供一种基于冷却液的智能化服务器芯片制冷方法、装置及系统,解决了现有技术中的对芯片温度控制存在不够智能准确的问题,不能结合芯片的实际使用信息智能化对芯片进行制冷控制的技术问题,达到结合芯片信息,智能化对芯片温度进行调控,保证芯片性能的同时,有效降低制冷损失,完成智能化对芯片温度控制的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
对于服务器而言,主板成为它高性能的载体,那对于服务器主板而言,芯片组为主板的灵魂。如果芯片组不能与CPU良好地协同工作,将严重地影响计算机的整体性能甚至不能正常工作。芯片组要求有良好的兼容性,互换性和扩展性,对稳定性和综合性能要求也是极高。随着CPU运算速度的提高和微电子技术不断发展,芯片功耗和发热量越来越大,如何控制芯片温度,保证芯片性能是急需解决的问题。现有技术中的对芯片温度控制存在不够智能准确的问题,不能结合芯片的实际使用信息智能化对芯片进行制冷控制的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种基于冷却液的智能化服务器芯片制冷方法,所述方法应用于一种智能服务器芯片制冷系统,所述系统与第一温度采集模块、第一冷却液制冷模块通信连接,所述方法包括:获得第一服务器芯片信息;根据所述第一服务器芯片信息获得第一工作标定温度;获得所述第一服务器芯片的第一工作进程集,其中,所述第一工作进程集为第一历史工作进程集;通过所述第一温度采集模块获得所述第一服务器芯片的第一温度信息集,所述第一温度信息集与所述第一历史工作进程具有第一对应关系;根据所述第一历史工作进程和所述第一温度信息集构建温度与工作进程关系模型;获得所述第一服务器芯片的实时工作进程;将所述实时工作进程输入所述温度与工作进程关系模型,获得第一温度预估值;根据所述第一温度预估值和所述第一工作标定温度获得第一温度差值;获得第一匹配指令,根据所述第一匹配指令基于所述第一温度差值匹配第一降温模式;基于所述第一降温模式通过所述第一冷却液制冷模块对所述第一服务器芯片进行降温处理。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种基于冷却液的智能化服务器芯片制冷方法,其中,所述方法应用于一种智能服务器芯片制冷系统,所述系统与第一温度采集模块、第一冷却液制冷模块通信连接,所述方法包括:
步骤S100:获得第一服务器芯片信息;
步骤S200:根据所述第一服务器芯片信息获得第一工作标定温度;
具体而言,所述智能服务器芯片制冷系统为可进行芯片的智能化控制的系统,所述第一温度采集模块为内置温度传感器,可进行实时芯片温度采集、连续温度采集、信息传输的模块,所述第一冷却液制冷模块为基于冷却液进行芯片制冷的模块,可根据冷却液的种类、流量等参数,调整制冷模式,达到对芯片进行准确的温度控制的技术效果。获所述第一服务器的芯片信息,所述芯片信息包括芯片的厂商、参数、功率等信息。基于所述第一服务器芯片信息,获得所述第一服务器芯片的第一工作标定温度信息,所述第一工作标定温度为厂商建议所述服务器芯片的最佳的工作状态的温度范围。
步骤S300:获得所述第一服务器芯片的第一工作进程集,其中,所述第一工作进程集为第一历史工作进程集;
具体而言,对所述第一服务器芯片进行进程监督,获得所述第一服务器芯片的处理进程的集合,所述进程集合为所述第一服务器芯片的历史工作进程的集合。通过对所述第一服务器芯片的进程进行获取,为后续实现进程监督,基于进程控制服务器芯片的温度夯实了基础。
步骤S400:通过所述第一温度采集模块获得所述第一服务器芯片的第一温度信息集,所述第一温度信息集与所述第一工作进程集具有第一对应关系;
步骤S500:根据所述第一工作进程集和所述第一温度信息集构建温度与工作进程关系模型;
具体而言,对所述进程集合进行获取过程中,对进行对应进程处理的服务器芯片进行实时的温度监控,即根据开启不同进程后服务器芯片的温度的变化信息进行温度监控,根据所述温度变化结果和进程处理信息进行映射关系的匹配,获得所述第一服务器芯片处理进程数量和温度变化的关系。基于所述温度信息与所述进程处理信息构建温度与工作进程关系的模型,所述模型为基于与所述第一服务器芯片的同类型芯片数据综合数据为基础搭建,基于所述第一服务器芯片的个性化数据为基础进行特异化处理修正的模型。
步骤S600:获得所述第一服务器芯片的实时工作进程;
步骤S700:将所述实时工作进程输入所述温度与工作进程关系模型,获得第一温度预估值;
具体而言 ,获得所述第一服务器芯片的实时信息,基于所述实时信息获得所述第一服务芯片的实时工作进程信息,将所述实时进程信息输入所述温度与工作进程关系模型,获得所述第一服务器芯片的第一预估温度信息,所述第一预估温度信息为所述第一服务器芯片处理当前进程下的信息时,服务器芯片的温度上升信息,获得所述上升温度的峰值信息。
步骤S800:根据所述第一温度预估值和所述第一工作标定温度获得第一温度差值;
步骤S900:获得第一匹配指令,根据所述第一匹配指令基于所述第一温度差值匹配第一降温模式;
步骤S1000:基于所述第一降温模式通过所述第一冷却液制冷模块对所述第一服务器芯片进行降温处理。
具体而言,所述第一温度差值为所述服务器芯片的处理当前进程的温度预估值与所述第一工作标定温度的温度差值,基于所述温度差值,可进行不同温度差值下的降温模式的匹配。举例而言,构建一温度差值与降温模式的匹配数据库,基于所述数据库,对不同温度差值下的服务器芯片采用不同的降温模式,通过所述第一温度差值匹配的第一降温模式,对所述服务器芯片进行降温处理,使得对所述服务器芯片的降温效果更佳,进而使得所述服务器芯片可以更好的进行进程处理的技术效果。
进一步而言,本申请实施例还包括:
步骤S1110:通过所述第一温度采集模块获得第一温度信息,其中,所述第一温度信息为对所述第一服务器芯片进行降温处理后的芯片温度信息;
步骤S1120:根据所述第一温度信息和所述第一工作标定温度获得第二温度差值;
步骤S1130:获得第一预设温度差值阈值;
步骤S1140:判断所述第二温度差值是否满足所述第一预设温度差值阈值;
步骤S1150:当所述第二温度不满足所述第一预设温度差值阈值时,获得第一校正指令;
步骤S1160:基于所述第一校正指令对所述温度与工作进程关系模型进行校正。
具体而言,当对所述第一服务器芯片进行降温处理后,通过所述第一温度采集模块对所述第一服务器芯片进行实时温度采集,获得所述第一服务器芯片的实时温度信息,对所述服务器芯片在进行降温控制过程中的温度变化信息进行监控,获得所述温度信息与所述第一工作标定温度的第二温度差值,基于所述第二温度差值,对所述降温效果、降温温度的差异性进行评估,进一步而言,获得第一预设温度差值阈值,对所述第二温度差值是否满足所述第一预设温度差值阈值进行评估,当所述第二温度不满足所述第一预设温度差阈值时,此时表明所述第一服务器芯片的温度与标定的工作温度差异较大,此时获得第一校正指令,根据所述第一校正指令,对所述温度与工作关系模型进行校正,使得所述温度与工作关系模型的输出温度更加准确和契合实际降温情况,达到更好的、更准确的对服务器芯片进行智能控制的技术效果。
进一步而言,所述智能服务器芯片制冷系统还与第一温度校正模块通信连接,所述判断所述第二温度差值是否满足所述第一预设温度差值阈值,本申请实施例步骤S1140还包括:
步骤S1141:当所述第二温度差值满足所述第一预设温度差值阈值时,获得第一温度分级指令;
步骤S1142:根据所述第一温度分级指令对所述第二温度差值进行温度差值分级,获得第一温度差值分级结果;
步骤S1143:根据所述第一温度差值分级结果匹配第一液冷方式,基于所述第一液冷方式通过所述第一温度校正模块对所述第一服务器芯片进行降温处理。
具体而言,所述温度校正模块为对服务器芯片的持续温度控制计划进行温度的调整控制的模块,当检测所述第二温度差值满足所述第一预设温度差值阈值时,获得第一温度分级指令,根据所述第一温度分级指令对所述第二温度差值进行差值温度分级,获得第一温度差值分级结果,基于所述第一温度差值的分级结果,根据所述温度差值在所述第一标定工作温度的偏上温度/偏下温度信息,对所述温度进行基于预估变化的控制,即通过调整液冷方式/液冷参数,通过所述温度校正模块对所述第一服务器芯片进行温度的校正处理。
进一步的,本申请实施例还包括:
步骤S11431:获得第一连续温度采集指令,根据所述第一连续温度采集指令对所述第一服务器芯片进行连续的温度采集,获得所述第一服务器芯片的温度采集结果;
步骤S11432:根据所述温度采集结果绘制所述第一服务器芯片的温度时间变化曲线;
步骤S11433:根据所述温度时间变化曲线对所述第一服务器芯片的温度变化趋势进行预测,获得第一温度变化趋势预测结果;
步骤S11434:基于所述第一温度变化趋势预测结果获得第一制冷调整参数;
步骤S11435:根据所述第一制冷调整参数对所述第一温度校正模块进行制调整控制。
具体而言,所述通过第一温度校正模块对所述第一服务器芯片进行降温控制还包括,对所述第一服务器芯片进行连续的温度采集,根据所述连续的温度采集结果,获得所述第一服务器芯片的温度随时间的变化信息(所述温度与时间的变化信息是指在同一进程下,所述服务器芯片随时间的变化信息),根据所述收集结果,构建所述第一服务器芯片的温度时间变化曲线,所述温度时间变化曲线是指反映了所述第一服务器芯片的温度随时间的变化关系的曲线,基于所述温度时间变化曲线,对所述第一服务器芯片的温度走向进行预测,获得所述第一温度变化趋势预测结果,根据所述第一温度变化趋势预测结果,获得第一制冷的调整参数,根据所述第一制冷调整参数,通过所述第一温度校正模块对所述第一服务器信息芯片的冷却计划进行调整,对所述服务器芯片可能出现的温度进行预估,使得所述温度控制更加的准确,进而达到智能化控制服务器芯片温度的技术效果。
进一步的,本申请实施例还包括:
步骤S1210:获得第一温度变化预设阈值;
步骤S1220:将所述第一温度变化预设阈值输入所述温度与工作进程关系模型,获得第一输出结果,所述第一输出结果至少包括第一工作进程;
步骤S1230:获得第一标识指令;
步骤S1240:根据所述第一标识指令对所述第一工作进程进行标识,获得第一标识结果;
步骤S1250:当所述第一服务器芯片处理所述第一工作进程时,获得第二液冷方式;
步骤S1260:根据所述第二液冷方式对所述第一服务器芯片进行降温处理。
具体而言,所述第一温度变化阈值为基于温度对进程发热信息进行标识值的参考阈值,设定一温度变化阈值,将所述温度变化阈值输入所述温度与工作进程关系模型,获得温度变化超过所述第一温度变化阈值的进程信息,所述进程可以是单进程,也可以是多进程同时开启的组合进程,对能将所述第一服务器芯片的温度变化超过所述第一温度变化预设阈值的进程信息进行标识处理,所述标识的过程包括但不限于特殊标识,即当所述第一服务器芯片在同时处理所述标识进程时,获得第一调整指令,根据所述第一调整指令对所述进行服务器芯片降温处理的模式进行调整,获得第二液冷方式,基于所述第二液冷方式对所述第一服务器芯片进行降温处理。通过对所述第一服务器芯片的处理进程信息进行标识,使得所述芯片的降温方案更加适配于所述第一服务器芯片,进而达到更好更准确的降温效果的技术效果。
进一步而言,本申请实施例还包括:
步骤S1310:获得所述第一服务器芯片的第一预警温度阈值;
步骤S1320:当所述第一温度采集模块采集的实时温度信息满足所述第一预警温度阈值时,获得第一应急处理指令;
步骤S1330:根据所述第一应急处理指令中止所述第一服务器芯片的工作,并对所述第一服务器芯片进行应急降温处理。
具体而言,所述第一预警温度为对服务器芯片进行温度预警的预警温度,当所述第一服务器芯片温度达到所述第一预警温度时,说明所述第一服务器芯片已经达到温度预警阈值,所述第一预警温度可根据芯片的信息进行设定,根据设定的预警温度对所述第一服务器芯片进行预警处理,当所述第一温度采集模块实时采集的温度信息满足所述第一预警温度时,此时所述第一服务器芯片不能继续工作,否则将可能对芯片产生不可逆损害,此时获得第一应急处理指令,根据所述第一应急处理指令,将所述第一服务器芯片中止工作,并根据所述第一应急处理指令实现第一应急降温方案,根据所述第一应急降温方案对所述第一服务器芯片进行降温处理。
进一步而言,所述获得第一匹配指令,根据所述第一匹配指令基于所述第一温度差值匹配第一降温模式,本申请实施例步骤S900还包括:
步骤S910:构建温度差值与降温模式匹配模型,其中,所述温度差值与降温模式匹配模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括所述第一温度差值和标识降温模式的标识信息;
步骤S920:获得所述温度差值与降温模式匹配模型的第二输出结果,其中,所述第二输出结果包括所述第一降温模式。
具体而言,所述温度差值与降温模式匹配模型为包括机器学习中的神经网络模型,它可以不断地进行学习和调整,是一个高度复杂的非线性动力学习系统。简单来说它是一个数学模型,通过大量训练数据的训练,将所述温度差值与降温模式匹配模型训练至收敛状态后,基于输入数据,通过所述温度差值与降温模式匹配模型进行分析可获得所述第一降温模式。
更进一步而言,所述训练的过程还包括监督学习的过程,每一组监督数据都包括所述第一温度差值和标识降温模式的标识信息,将所述第一温度差值输入到神经网络模型中,根据用来标识降温模式的标识信息对所述温度差值与降温模式匹配模型进行监督学习,使得所述温度差值与降温模式匹配模型的输出数据与监督数据一致,通过所述神经网络模型进行不断的自我修正、调整,直至获得的输出结果与所述标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习;当所述神经网络模型的为收敛状态时,则监督学习过程结束。通过对所述模型的监督学习,进而使得所述模型处理所述输入信息更加准确,进而获得更加准确、合理的第一降温模式。
综上所述,本申请实施例所提供的一种基于冷却液的智能化服务器芯片制冷方法、装置及系统具有如下技术效果:
1、由于采用了获得第一服务器芯片信息,基于所述第一服务器芯片信息获得第一工作标定温度,获得所述第一服务器芯片的第一工作进程集,通过所述第一温度采集模块获得所述第一工作进程集中对应工作进程的服务器芯片的温度信息集,基于所述第一温度信息集和所述第一工作进程集构建温度与工作进程关系模型,获得所述第一服务器芯片的实时工作进程,将所述实时工作进程输入所述温度与工作进程关系模型,获得第一温度预估值,根据所述第一温度预估值和所述第一工作标定温度获得第一温度差值,基于所述第一温度差值匹配第一降温模式,基于所述第一降温模式通过所述第一冷却液制冷模块对所述第一服务器芯片进行降温处理,通过智能化结合芯片进程与温度变化信息,对芯片的温度进行智能化控制。
2、由于采用了通过所述第一温度校正模块对所述第一服务器信息芯片的冷却计划进行调整的方式,对所述服务器芯片可能出现的温度进行预估,使得所述温度控制更加的准确,进而达到智能化控制服务器芯片温度的技术效果。
3、由于采用了通过对所述第一服务器芯片的处理进程信息进行标识的方式,使得所述芯片的降温方案更加适配于所述第一服务器芯片,进而达到更好更准确的降温效果的技术效果。
实施例二
基于与前述实施例中一种基于冷却液的智能化服务器芯片制冷方法同样发明构思,本发明还提供了一种基于冷却液的智能化服务器芯片制冷系统,如图2所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一服务器芯片信息;
第二获得单元12,所述第二获得单元12用于根据所述第一服务器芯片信息获得第一工作标定温度;
第三获得单元13,所述第三获得单元13用于获得所述第一服务器芯片的第一工作进程集,其中,所述第一工作进程集为第一历史工作进程集;
第四获得单元14,所述第四获得单元14用于通过第一温度采集模块获得所述第一服务器芯片的第一温度信息集,所述第一温度信息集与所述第一工作进程集具有第一对应关系;
第一构建单元15,所述第一构建单元15用于根据所述第一工作进程集和所述第一温度信息集构建温度与工作进程关系模型;
第五获得单元16,所述第五获得单元16用于获得所述第一服务器芯片的实时工作进程;
第六获得单元17,所述第六获得单元17用于将所述实时工作进程输入所述温度与工作进程关系模型,获得第一温度预估值;
第七获得单元18,所述第七获得单元18用于根据所述第一温度预估值和所述第一工作标定温度获得第一温度差值;
第八获得单元19,所述第八获得单元19用于获得第一匹配指令,根据所述第一匹配指令基于所述第一温度差值匹配第一降温模式;
第一降温单元20,所述第一降温单元20用于基于所述第一降温模式通过第一冷却液制冷模块对所述第一服务器芯片进行降温处理。
进一步的,所述系统还包括:
第九获得单元,所述第九获得单元用于通过所述第一温度采集模块获得第一温度信息,其中,所述第一温度信息为对所述第一服务器芯片进行降温处理后的芯片温度信息;
第十获得单元,所述第十获得单元用于根据所述第一温度信息和所述第一工作标定温度获得第二温度差值;
第十一获得单元,所述第十一获得单元用于获得第一预设温度差值阈值;
第一判断单元,所述第一判断单元用于判断所述第二温度差值是否满足所述第一预设温度差值阈值;
第十二获得单元,所述第十二获得单元用于当所述第二温度不满足所述第一预设温度差值阈值时,获得第一校正指令;
第一校正单元,所述第一校正单元用于基于所述第一校正指令对所述温度与工作进程关系模型进行校正。
进一步的,所述系统还包括:
第十三获得单元,所述第十三获得单元用于当所述第二温度差值满足所述第一预设温度差值阈值时,获得第一温度分级指令;
第十四获得单元,所述第十四获得单元用于根据所述第一温度分级指令对所述第二温度差值进行温度差值分级,获得第一温度差值分级结果;
第二降温单元,所述第二降温单元用于根据所述第一温度差值分级结果匹配第一液冷方式,基于所述第一液冷方式通过所述第一温度校正模块对所述第一服务器芯片进行降温处理。
进一步的,所述系统还包括:
第十五获得单元,所述第十五获得单元用于获得第一连续温度采集指令,根据所述第一连续温度采集指令对所述第一服务器芯片进行连续的温度采集,获得所述第一服务器芯片的温度采集结果;
第十六获得单元,所述第十六获得单元用于根据所述温度采集结果绘制所述第一服务器芯片的温度时间变化曲线;
第十七获得单元,所述第十七获得单元用于根据所述温度时间变化曲线对所述第一服务器芯片的温度变化趋势进行预测,获得第一温度变化趋势预测结果;
第十八获得单元,所述第十八获得单元用于基于所述第一温度变化趋势预测结果获得第一制冷调整参数;
第一调整单元,所述第一调整单元用于根据所述第一制冷调整参数对所述第一温度校正模块进行制调整控制。
进一步的,所述系统还包括:
第十九获得单元,所述第十九获得单元用于获得第一温度变化预设阈值;
第二十获得单元,所述第二十获得单元用于将所述第一温度变化预设阈值输入所述温度与工作进程关系模型,获得第一输出结果,所述第一输出结果至少包括第一工作进程;
第二十一获得单元,所述第二十一获得单元用于获得第一标识指令;
第二十二获得单元,所述第二十二获得单元用于根据所述第一标识指令对所述第一工作进程进行标识,获得第一标识结果;
第二十三获得单元,所述第二十三获得单元用于当所述第一服务器芯片处理所述第一工作进程时,获得第二液冷方式;
第一处理单元,所述第一处理单元用于根据所述第二液冷方式对所述第一服务器芯片进行降温处理。
进一步的,所述系统还包括:
第二十四获得单元,所述第二十四获得单元用于获得所述第一服务器芯片的第一预警温度阈值;
第二十五获得单元,所述第二十五获得单元用于当所述第一温度采集模块采集的实时温度信息满足所述第一预警温度阈值时,获得第一应急处理指令;
第二处理单元,所述第二处理单元用于根据所述第一应急处理指令中止所述第一服务器芯片的工作,并对所述第一服务器芯片进行应急降温处理。
进一步的,所述系统还包括:
第二构建单元,所述第二构建单元用于构建温度差值与降温模式匹配模型,其中,所述温度差值与降温模式匹配模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括所述第一温度差值和标识降温模式的标识信息;
第二十六获得单元,所述第二十六获得单元用于获得所述温度差值与降温模式匹配模型的第二输出结果,其中,所述第二输出结果包括所述第一降温模式。
前述图1实施例一中的一种基于冷却液的智能化服务器芯片制冷方法的各种变化方式和具体实例同样适用于本实施例的一种基于冷却液的智能化服务器芯片制冷系统,通过前述对一种基于冷却液的智能化服务器芯片制冷方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于冷却液的智能化服务器芯片制冷系统的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种基于冷却液的智能化服务器芯片制冷方法的发明构思,本发明还提供一种基于冷却液的智能化服务器芯片制冷系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种基于冷却液的智能化服务器芯片制冷方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种基于冷却液的智能化服务器芯片制冷方法,所述方法应用于一智能服务器芯片制冷系统,所述系统与第一温度采集模块、第一冷却液制冷模块通信连接,所述方法包括:获得第一服务器芯片信息;根据所述第一服务器芯片信息获得第一工作标定温度;获得所述第一服务器芯片的第一工作进程集,其中,所述第一工作进程集为第一历史工作进程集;通过所述第一温度采集模块获得所述第一服务器芯片的第一温度信息集,所述第一温度信息集与所述第一历史工作进程具有第一对应关系;根据所述第一历史工作进程和所述第一温度信息集构建温度与工作进程关系模型;获得所述第一服务器芯片的实时工作进程;将所述实时工作进程输入所述温度与工作进程关系模型,获得第一温度预估值;根据所述第一温度预估值和所述第一工作标定温度获得第一温度差值;获得第一匹配指令,根据所述第一匹配指令基于所述第一温度差值匹配第一降温模式;基于所述第一降温模式通过所述第一冷却液制冷模块对所述第一服务器芯片进行降温处理。解决了现有技术中的对芯片温度控制存在不够智能准确的问题,不能结合芯片的实际使用信息智能化对芯片进行制冷控制的技术问题,达到结合芯片信息,智能化对芯片温度进行调控,保证芯片性能的同时,有效降低制冷损失,完成智能化对芯片温度控制的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种基于冷却液的智能化服务器芯片制冷方法,其特征在于,所述方法应用于一种智能服务器芯片制冷系统,所述系统与第一温度采集模块、第一冷却液制冷模块通信连接,所述方法包括:
获得第一服务器芯片信息;
根据所述第一服务器芯片信息获得第一工作标定温度;获得所述第一服务器芯片的第一工作进程集,其中,所述第一工作进程集为第一历史工作进程集;
通过所述第一温度采集模块获得所述第一服务器芯片的第一温度信息集,所述第一温度信息集与所述第一工作进程集具有第一对应关系;
根据所述第一工作进程集和所述第一温度信息集构建温度与工作进程关系模型;
获得所述第一服务器芯片的实时工作进程;
将所述实时工作进程输入所述温度与工作进程关系模型,获得第一温度预估值;
所述第一温度预估值为所述第一服务器芯片处理当前进程下的信息时,服务器芯片的温度上升值,获得上升温度的峰值;根据所述第一温度预估值和所述第一工作标定温度获得第一温度差值;
获得第一匹配指令,根据所述第一匹配指令基于所述第一温度差值匹配第一降温模式;
基于所述第一降温模式通过所述第一冷却液制冷模块对所述第一服务器芯片进行降温处理。
2.如权利要求1所述的一种基于冷却液的智能化服务器芯片制冷方法,其特征在于,所述方法还包括:
通过所述第一温度采集模块获得第一温度信息,其中,所述第一温度信息为对所述第一服务器芯片进行降温处理后的芯片温度信息;
根据所述第一温度信息和所述第一工作标定温度获得第二温度差值;
获得第一预设温度差值阈值;
判断所述第二温度差值是否满足所述第一预设温度差值阈值;
当所述第二温度不满足所述第一预设温度差值阈值时,获得第一校正指令;
基于所述第一校正指令对所述温度与工作进程关系模型进行校正。
3.如权利要求2所述的一种基于冷却液的智能化服务器芯片制冷方法,其特征在于,所述智能服务器芯片制冷系统还与第一温度校正模块通信连接,所述判断所述第二温度差值是否满足所述第一预设温度差值阈值,还包括:
当所述第二温度差值满足所述第一预设温度差值阈值时,获得第一温度分级指令;
根据所述第一温度分级指令对所述第二温度差值进行温度差值分级,获得第一温度差值分级结果;
根据所述第一温度差值分级结果匹配第一液冷方式,基于所述第一液冷方式通过所述第一温度校正模块对所述第一服务器芯片进行降温处理。
4.如权利要求3所述的一种基于冷却液的智能化服务器芯片制冷方法,其特征在于,所述方法还包括:
获得第一连续温度采集指令,根据所述第一连续温度采集指令对所述第一服务器芯片进行连续的温度采集,获得所述第一服务器芯片的温度采集结果;
根据所述温度采集结果绘制所述第一服务器芯片的温度时间变化曲线;
根据所述温度时间变化曲线对所述第一服务器芯片的温度变化趋势进行预测,获得第一温度变化趋势预测结果;
基于所述第一温度变化趋势预测结果获得第一制冷调整参数;
根据所述第一制冷调整参数对所述第一温度校正模块进行制调整控制。
5.如权利要求1所述的一种基于冷却液的智能化服务器芯片制冷方法,其特征在于,所述方法还包括:
获得第一温度变化预设阈值;
将所述第一温度变化预设阈值输入所述温度与工作进程关系模型,获得第一输出结果,所述第一输出结果至少包括第一工作进程;
获得第一标识指令;
根据所述第一标识指令对所述第一工作进程进行标识,获得第一标识结果;
当所述第一服务器芯片处理所述第一工作进程时,获得第二液冷方式;
根据所述第二液冷方式对所述第一服务器芯片进行降温处理。
6.如权利要求1所述的一种基于冷却液的智能化服务器芯片制冷方法,其特征在于,所述方法还包括:
获得所述第一服务器芯片的第一预警温度阈值;
当所述第一温度采集模块采集的实时温度信息满足所述第一预警温度阈值时,获得第一应急处理指令;
根据所述第一应急处理指令中止所述第一服务器芯片的工作,并对所述第一服务器芯片进行应急降温处理。
7.如权利要求1所述的一种基于冷却液的智能化服务器芯片制冷方法,其特征在于,所述获得第一匹配指令,根据所述第一匹配指令基于所述第一温度差值匹配第一降温模式,还包括:
构建温度差值与降温模式匹配模型,其中,所述温度差值与降温模式匹配模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括所述第一温度差值和标识降温模式的标识信息;
获得所述温度差值与降温模式匹配模型的第二输出结果,其中,所述第二输出结果包括所述第一降温模式。
8.一种基于冷却液的智能化服务器芯片制冷装置,其特征在于,所述装置包括:
第一获得单元,所述第一获得单元用于获得第一服务器芯片信息;
第二获得单元,所述第二获得单元用于根据所述第一服务器芯片信息获得第一工作标定温度;
第三获得单元,所述第三获得单元用于获得所述第一服务器芯片的第一工作进程集,其中,所述第一工作进程集为第一历史工作进程集;
第四获得单元,所述第四获得单元用于通过第一温度采集模块获得所述第一服务器芯片的第一温度信息集,所述第一温度信息集与所述第一工作进程集具有第一对应关系;
第一构建单元,所述第一构建单元用于根据所述第一工作进程集和所述第一温度信息集构建温度与工作进程关系模型;
第五获得单元,所述第五获得单元用于获得所述第一服务器芯片的实时工作进程;
第六获得单元,所述第六获得单元用于将所述实时工作进程输入所述温度与工作进程关系模型,获得第一温度预估值;
所述第一温度预估值为所述第一服务器芯片处理当前进程下的信息时,服务器芯片的温度上升值,获得上升温度的峰值;
第七获得单元,所述第七获得单元用于根据所述第一温度预估值和所述第一工作标定温度获得第一温度差值;
第八获得单元,所述第八获得单元用于获得第一匹配指令,根据所述第一匹配指令基于所述第一温度差值匹配第一降温模式;
第一降温单元,所述第一降温单元用于基于所述第一降温模式通过第一冷却液制冷模块对所述第一服务器芯片进行降温处理。
9.一种基于冷却液的智能化服务器芯片制冷系统,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110551642.0A CN112987895B (zh) | 2021-05-20 | 2021-05-20 | 一种基于冷却液的智能化服务器芯片制冷方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110551642.0A CN112987895B (zh) | 2021-05-20 | 2021-05-20 | 一种基于冷却液的智能化服务器芯片制冷方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112987895A CN112987895A (zh) | 2021-06-18 |
CN112987895B true CN112987895B (zh) | 2021-08-10 |
Family
ID=76337145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110551642.0A Active CN112987895B (zh) | 2021-05-20 | 2021-05-20 | 一种基于冷却液的智能化服务器芯片制冷方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112987895B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114980681B (zh) * | 2022-06-02 | 2023-11-03 | 北京亿安天下科技股份有限公司 | 低碳型模块化数据中心温控方法、装置、电子设备和介质 |
CN116600553B (zh) * | 2023-07-18 | 2023-09-19 | 科瑞特空调集团有限公司 | 一种室内服务器动态降温控制方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106681453A (zh) * | 2016-11-24 | 2017-05-17 | 电子科技大学 | 一种高性能多核微处理器的动态热管理方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3879492B2 (ja) * | 2001-11-16 | 2007-02-14 | 株式会社日立製作所 | 制御装置の故障診断方法 |
CN109324648A (zh) * | 2018-12-07 | 2019-02-12 | 银河航天(北京)通信技术有限公司 | 一种温度控制系统,航天器以及航天器温度控制的方法 |
CN111552360B (zh) * | 2019-02-25 | 2022-04-19 | 研祥智能科技股份有限公司 | 工控机降温方法、装置、计算机设备及存储介质 |
CN111795488B (zh) * | 2020-07-10 | 2021-11-02 | 哈尔滨工程大学 | 一种分布式机房温度的智能调控系统及方法 |
CN112038726B (zh) * | 2020-08-14 | 2022-06-17 | 广汽埃安新能源汽车有限公司 | 一种车辆电池温度控制方法及其系统、装置 |
-
2021
- 2021-05-20 CN CN202110551642.0A patent/CN112987895B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106681453A (zh) * | 2016-11-24 | 2017-05-17 | 电子科技大学 | 一种高性能多核微处理器的动态热管理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112987895A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112987895B (zh) | 一种基于冷却液的智能化服务器芯片制冷方法、装置及系统 | |
US10754312B2 (en) | Cleaning process optimization device and machine learning device | |
EP3220219B1 (en) | Setting support device, setting support method, information processing porgram and recording medium | |
US20180164756A1 (en) | Control system and machine learning device | |
CN116009480B (zh) | 一种数控机床的故障监测方法、装置、设备及存储介质 | |
CN114167916B (zh) | 一种电路板温度调节方法、装置、电子设备及存储介质 | |
CN109508895A (zh) | 烟草制丝设备的控制性能评估装置、方法以及存储介质 | |
JP2019082894A (ja) | 加工条件調整装置及び機械学習装置 | |
de Farias et al. | Simple machine learning allied with data-driven methods for monitoring tool wear in machining processes | |
CN112182910A (zh) | 一种用于控制交联材料制备效果的方法及装置 | |
CN114393520A (zh) | 一种机器人智能化冲切工艺监测方法及系统 | |
CN112848182B (zh) | 基于大数据分析的注塑工艺优化方法及装置 | |
CN109926452B (zh) | 应用于轧钢的过程控制方法、过程控制装置及终端 | |
CN113011055B (zh) | 一种基于有限元技术的电机高温故障模拟方法及系统 | |
CN116826976B (zh) | 一种配网运行自动化监管控制系统 | |
CN109870978A (zh) | 一种基于熵权法和犹豫模糊语言项集的数控机床可靠性分配方法 | |
CN116167200A (zh) | 一种配电柜使用年限检测方法和装置 | |
CN113531838B (zh) | 一种智能化调整空间温度的制冷控制方法及系统 | |
CN109032853B (zh) | 用于控制fpga卡组的方法和装置 | |
CN113358236B (zh) | 一种提高温度测量精度的方法及装置 | |
CN116339145A (zh) | 机台参数调控方法、设备及存储介质 | |
CN111156831B (zh) | 冷端优化方法、数据处理系统及计算机存储介质 | |
CN111108738A (zh) | 数据处理设备、数据分析设备、数据处理系统和用于处理数据的方法 | |
CN114509000B (zh) | 一种基于激光点云扫描的手机螺钉固定方法和装置 | |
JP2022139055A (ja) | 制御システム、予測モデル生成装置、及びコンピュータプログラム |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240112 Address after: Room 502, Floor 5, Building 11, Changzhou Innovation Park, No. 18-67, Changwu Middle Road, Wujin District, Changzhou City, Jiangsu Province, 213164 Patentee after: Linhao (Changzhou) Technology Co.,Ltd. Address before: 210000 no.18-h1596, Yinchun Road, science and technology R & D base, Maigaoqiao Pioneer Park, Qixia District, Nanjing City, Jiangsu Province Patentee before: Lingdu (Nanjing) Technology Co.,Ltd. |
|
TR01 | Transfer of patent right |