CN113623256B - 一种风扇转速控制方法及装置 - Google Patents
一种风扇转速控制方法及装置 Download PDFInfo
- Publication number
- CN113623256B CN113623256B CN202110838426.4A CN202110838426A CN113623256B CN 113623256 B CN113623256 B CN 113623256B CN 202110838426 A CN202110838426 A CN 202110838426A CN 113623256 B CN113623256 B CN 113623256B
- Authority
- CN
- China
- Prior art keywords
- individual
- fitness
- individuals
- output parameter
- group
- 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 40
- 238000004891 communication Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 10
- 238000013459 approach Methods 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 description 29
- 230000017525 heat dissipation Effects 0.000 description 11
- 230000001276 controlling effect Effects 0.000 description 10
- 230000033001 locomotion Effects 0.000 description 6
- 230000033228 biological regulation Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
- F04D27/004—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids by varying driving speed
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Feedback Control In General (AREA)
Abstract
本申请实施例公开了一种风扇转速控制方法,获取包括多个个体的个体集合,该个体集合中的每个个体的位置坐标对应一组调节参数。将每个个体的位置坐标输入控制器中,以根据个体的位置坐标获得第一输出参数和输入偏差,并根据第一输出参数和输入偏差获得该个体的适应度。其中,个体的适应度用于反映该个体的位置坐标的优劣。同时,判断迭代次数是否达到最大迭代次数,如果未达到最大迭代次数,则对各个个体的位置坐标进行更新,并利用更新后的位置坐标获得个体的适应度,直至迭代次数达到最大迭代次数。在达到最大迭代次数后,根据各个体的适应度确定最佳个体,进而根据最佳个体的位置坐标获得第二输出参数,以利用该第二输出参数控制风扇的转速。
Description
技术领域
本申请涉及自动化控制技术领域,具体涉及一种风扇转速控制方法及装置。
背景技术
随着通信设备性能的不断提升,功耗也越来越大。对于某些通信设备,由于需要不间断的运行,使得内部的热量会不断堆积。例如,服务器需要7*24小时不间断运行。因此对于散热系统的要求也不断提高。一套高效稳定的散热系统不仅可以使通信设备维持在正常的工作温度,还可以在系统负载降低时降低散热效能,在确保通信设备平稳运行的同时节省能耗减少噪音。
目前通信设备的散热系统利用比例、积分、微分(Proportion IntegrationDifferentiation,PID)控制算法得到当前所需的风扇转速值,进而根据风扇转速控制风扇转动。然而,由于PID算法涉及到比例调节参数、积分调节参数以及微分调节参数,上述三种调节参数的取值直接影响着风扇转速值的准确性。目前PID控制算法主要依靠人力来设定上述三种调节参数的取值,不仅效率低下,还无法确定所设定的取值是否为最佳取值,导致无法对散热系统进行有效控制,影响通信设备的工作性能。
发明内容
有鉴于此,本申请实施例提供一种风扇转速控制方法和装置,以实现自动确定一组最优调节参数,在节省人力的同时发挥散热系统的最大效能。
为实现上述目的,本申请实施例提供的技术方案如下:
在本申请实施例第一方面,提供了一种风扇转速控制方法,所述方法包括:
获取个体集合,所述个体集合中包括多个个体,所述多个个体中每个个体的位置坐标为一组调节参数;
针对任一个体,根据所述个体的位置坐标获得第一输出参数和输入偏差,并根据所述第一输出参数和所述输入偏差获得所述个体的适应度,所述适应度用于反映所述个体的位置坐标的优劣,所述输入偏差是指利用所述第一输出参数调整风扇转速后通信设备的温度与预设的目标温度之间的偏差;
在迭代次数未达到最大迭代次数时,对各所述个体的位置坐标进行更新,并获得更新后的个体的适应度,直至所述迭代次数达到最大迭代次数;
在迭代次数达到最大迭代次数时,根据各所述个体的适应度确定最佳个体,所述最佳个体对应的适应度满足预设条件;
根据所述最佳个体的位置坐标获得第二输出参数,并利用所述第二输出参数控制风扇的转速。
在一种可能的实现方式中,所述根据所述个体的位置坐标获得第一输出参数和输入偏差,并根据所述第一输出参数和所述输入偏差获得所述个体的适应度,包括:
对所述第一输出参数进行平方,再与所述输入偏差相加,获得积分底数;
在预设空间上对所述积分底数进行积分,获得所述个体的适应度。
在一种可能的实现方式中,所述对所述第一输出参数进行平方,再与所述输入偏差相加,获得积分底数,包括:
将所述第一输出参数的平方与第一权重相乘,再加上所述输入偏差与第二权重相乘,获得积分底数,所述第一权重小于所述第二权重,所述第一权重和所述第二权重之和为1。
在一种可能的实现方式中,所述根据各所述个体的适应度确定最佳个体,包括:
将对应最大适应度的个体确定为最佳个体。
在一种可能的实现方式中,所述对各所述个体的位置坐标进行更新,包括:
根据各所述个体对应的适应度确定各所述个体所属的分组;
利用所述分组对应的更新规则对所述个体的位置坐标进行更新。
在一种可能的实现方式中,所述根据各所述个体对应的适应度确定各所述个体所属的分组,包括:
将适应度大于第一预设阈值的个体确定为属于第一分组;
将适应度小于第二预设阈值的个体确定为属于第二分组;
将剩余的个体确定为第三分组。
在一种可能的实现方式中,所述利用所述分组对应的更新规则对所述个体的位置坐标进行更新,包括:
针对所述第一分组中的个体,将所述个体的位置坐标乘以步长系数,获得更新后的位置坐标,所述步长系数由所述个体集合中的个体总数、当前迭代次数以及第一随机数确定,所述步长系数和第一随机数的取值范围为小于等于1的正数。
在一种可能的实现方式中,所述利用所述分组对应的更新规则对所述个体的位置坐标进行更新,包括:
针对所述第二分组中的个体,将所述个体的位置与第一移动步长相加,获得更新后的位置坐标,所述第一移动步长由第一预设步长、所述个体的位置坐标、所述个体的适应度、最差适应度以及所述最差适应度对应个体的位置坐标确定的。
在一种可能的实现方式中,所述利用所述分组对应的更新规则对所述个体的位置坐标进行更新,包括:
针对所述第三分组中的个体,将所述个体的位置坐标与第二移动步长相加,获得更新后的位置坐标,所述第二移动步长由距离所述个体最近且属于所述第一分组的个体的位置坐标与所述个体的位置坐标的差值以及第二随机数确定的,所述第二随机数的取值范围为小于等于1的正数。
在一种可能的实现方式中,所述利用所述分组对应的更新规则对所述个体的位置坐标进行更新,包括:
针对所述第三分组中的个体,将所述个体的位置坐标与第三移动步长相加,获得更新后的位置坐标,所述第三移动步长由第二预设步长以及第三随机数确定的,所述第三随机数的取值范围为小于等于1的正数。
在一种可能的实现方式中,所述利用所述分组对应的更新规则对所述个体的位置坐标进行更新,包括:
针对所述第三分组中的个体,将所述个体的位置坐标与第四移动步长相加,获得更新后的位置坐标,所述第四移动步长由第二移动步长、第三移动步长以及第四随机数确定的,所述第四随机数表示所述个体向所述第一分组靠近的概率,所述第四随机数的取值范围为小于等于1的正数。
在本申请实施例第二方面,提供了一种风扇转速控制装置,所述装置包括:
第一获取单元,用于获取个体集合,所述个体集合中包括多个个体,所述多个个体中每个个体的位置坐标为一组调节参数;
第二获取单元,用于针对任一个体,根据所述个体的位置坐标获得第一输出参数和输入偏差,并根据所述第一输出参数和所述输入偏差获得所述个体的适应度,所述适应度用于反映所述个体的位置坐标的优劣,所述输入偏差是指利用所述第一输出参数调整风扇转速后通信设备的温度与预设的目标温度之间的偏差;
更新单元,用于在迭代次数未达到最大迭代次数时,对各所述个体的位置坐标进行更新,并获得更新后的个体的适应度,直至所述迭代次数达到最大迭代次数;
确定单元,用于在迭代次数达到最大迭代次数时,根据各所述个体的适应度确定最佳个体,所述最佳个体对应的适应度满足预设条件;
控制单元,用于根据所述最佳个体的位置坐标获得第二输出参数,并利用所述第二输出参数控制风扇的转速。
在本申请实施例第三方面,提供了一种通信设备,包括:处理器,存储器;
所述存储器,用于存储计算机可读指令或者计算机程序;
所述处理器,用于读取所述计算机可读指令或所述计算机程序,以使得所述设备实现第一方面所述的风扇转速控制方法。
在本申请实施例第四方面,提供了一种计算机可读存储介质,包括指令或计算机程序,当其在计算机上运行时,使得计算机执行以上第一方面所述的风扇转速控制方法。
由此可见,本申请实施例具有如下有益效果:
本申请实施例首先获取包括多个个体的个体集合,该个体集合中的每个个体的位置坐标对应一组调节参数,即获得多组调节参数。将每个个体的位置坐标输入控制器中,以根据每个个体的位置坐标进行计算获得第一输出参数和输入偏差,并根据第一输出参数和输入偏差获得该个体的适应度。其中,个体的适应度用于反映该个体的位置坐标的优劣,也即反映该组调节参数的优劣。个体的适应度的大小与个体位置坐标的优劣呈正相关,适应度越大,个体的位置坐标越优。在获得每个个体对应的适应度后,判断迭代次数是否达到最大迭代次数,如果没有达到最大迭代次数,则对各个个体的位置坐标进行更新,并利用更新后的位置坐标获得个体的适应度,直至迭代次数达到最大迭代次数。在达到最大迭代次数后,根据各个体的适应度确定最佳个体,进而根据最佳个体的位置坐标获得第二输出参数,以利用该第二输出参数控制风扇的转速,从而避免通信设备的热量堆积。可见,通过本申请实施例提供的方案无需人工参与实现自动确定控制算法的最优调节参数,不仅节省人力,还使得通信设备的散热系统发挥最大效能。
附图说明
图1为本申请实施例提供的一种PID算法示意图;
图2为本申请实施例提供的一种风扇转速控制方法流程图;
图3为本申请实施例提供的一种调节参数寻优示意图;
图4为本申请实施例提供的一种风扇转速控制装置结构图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请实施例作进一步详细的说明。
为便于理解本申请实施例的技术方案,下面将先对本申请实施例涉及的技术名词进行说明。
PID算法:是结合比例、积分和微分三种环节于一体的控制算法,其根据输入的偏差值,按照比例、积分、微分的函数关系进行运算,运算结果用以控制输出。其中,PID算法的结构如图1所示,PID算法公式如下:
其中,KP是比例调节系数、Ki是积分调节系数、Kd是微分调节系数、e(t)是输入和反馈的误差,u(t)为控制器的输出信号,e(t)为给定值r(t)与被控对象输出的实际值y(t)之差。其中,上述3个调节系数的大小直接影响着控制器的控制性能。
目前,通信设备的散热系统通过基本管理控制器(Baseboard ManagerController,BMC)来控制风扇的转速,具体为,BMC利用PID算法得到当前所需的风扇转速,以脉冲宽度调制PWM信号的形式来控制风扇转速。然而,目前PID算法中的调节参数的调整主要依靠工作人员的经验,这不仅导致效率低下,而且依据经验设定的调节参数未必满足当前的情况,使得散热系统无法发挥最大效能。
基于此,本申请实施例提供了一种风扇转速控制方法,通过该方法不断地更新每组调节参数的参数值,并定义了每组调节参数的适应度值,通过适应度值从多组调节参数中选择一组或多组满足条件的调节参数,以利用所选出的调节参数去控制风扇的转速。通过上述方法无需人工设定调节参数,而且所确定出的调节参数为符合当前情况的最优调节参数,可以使得散热系统发挥最大效能。
为便于理解本申请实施例的具体实现,下面将结合附图进行说明。
参见图2,该图为本申请实施例提供的一种风扇转速控制方法流程图,如图2所示,该方法可以包括:
S201:获取个体集合。
本实施例中,可以预先初始化多个个体,其中,每个个体的位置坐标为一组调节参数。也就是,一个个体的位置坐标可以看作是由一组比例调节参数Kp、微分调节参数Ki、积分调节参数Kd组成的矩阵。例如,个体的位置坐标表示如下:
其中,IN表示第N个个体,j表示第N个个体的迭代次数。
其中,个体集合中每个个体的位置可以根据实际情况预先设定。另外,还可以预先设定迭代次数、个体的最大运动范围以及个体集合中的个体总数等。例如,个体集合中共包括50个个体,迭代次数为100次等。
S202:针对任一个体,根据该个体的位置坐标获得第一输出参数和输入偏差,并根据第一输出参数和输入偏差获得该个体的适应度。
在获得个体集合后,针对个体集合中的任一个体,将该个体的位置坐标输入控制器中,以使得控制器基于PID算法以及个体的位置坐标获得第一输出参数和输入偏差。其中,输入偏差是指利用第一输出参数调整风扇转速后通信设备的温度与预设的目标温度之间的偏差。例如,当前个体的位置坐标为[Kp1 Ki1 Kd1],将该位置坐标输入图1的控制器中,获得第一输出参数u1(t)以及利用u1(t)控制风扇(被控对象)后输出的y1(t)与目标值r(t)之间的输入偏差e1(t)。
在获得第一输出参数和输入偏差后,根据第一输出参数和输入偏差获得个体的适应度。其中,个体的适应度用于反映个体的位置坐标的优劣。即,个体的适应度值越大,表明该个体的位置坐标越优。其中,计算个体的适应度可以为将第一输出参数进行平方,再与输入偏差相加,获得积分底数;在预设空间上对积分底数进行积分,获得该个体的适应度。考虑到第一输出参数和输入偏差对个体适应度影响程度不同的情况,可以分别为其分配相应的权重,以通过加权和的方式来确定个体的适应度。具体为,将第一输出参数的平方与第一权重相乘,再加上输入偏差与第二权重相乘,获得积分底数。其中,第一权重小于第二权重且第一权重与第二权重之和为1。具体可以参见以下公式(2):
其中,u(t)为第一输出参数,W2为第一权重;e(t)为输入偏差,W1为第二权重,W1和W2的取值位于[0,1]之间,W1+W2=1。
对于个体集合中的每个个体,均可以通过公式(2)计算个体的适应度。
S203:判断迭代次数是否达到最大迭代次数,如果否,执行S204;如果是,执行S205。
在本实施例中,执行S202之前或之后,将判断迭代次数,如果迭代次数达到了预先设定的最大迭代次数,则执行S205,通过每个个体的适应度值来确定最佳个体;如果未达到最大迭代次数,则对个体的位置坐标进行更新,并重新执行S202以及S203,直至迭代次数达到最大迭代次数。
S204:对各个体的位置坐标进行更新,并执行S202。
在完成一次迭代且尚未达到最大迭代次数时,将对各个体的位置坐标的进行更新,也就是调整一组调节参数的参数值。具体地,将根据各个体对应的适应度确定各个体所属的分组;根据该分组对应的更新规则对个体的位置进行更新。其中,将适应度大于第一预设阈值的个体确定为属于第一分组;将适应度小于第二预设阈值的个体确定为第二分组;将剩余的个体确定为第三分组。其中,第一预设阈值和第二预设阈值可以根据实际应用情况进行设定。另外,还可以通过其他方式来确定个体的分组,例如,根据个体的适应度值从大到小的顺序对个体集合中的所有个体进行排序,将个体总数的前10%的个体确定为属于第一分组,将个体总数的后5%的个体确定为属于第二分组,其他个体属于第三分组。由于适应度的大小反映个体的位置坐标的优劣,而第二分组中的个体所对应的适应度较小,因此,第二分组中的个体的位置坐标输入控制器中可能会导致散热系统不稳定,暂且将其看作为最差调节参数。
其中,对于第一分组中的个体,利用该分组对应的更新规则对个体的位置坐标进行更新,包括:将个体的位置坐标乘以步长系数,获得更新后的位置坐标。其中,步长系数由个体集合中的个体总数、当前迭代次数以及第一随机数确定的,步长系数和第一随机数均为大于0且小于1的数。具体可以参见公式(3):
通过公式(3)可知,将第一分组的个体的位置进行小范围的移动,从而获得移动后的位置坐标,并重新计算该个体的适应度以及确定该个体所属的分组。
对于属于第二分组中的个体,利用该分组对应的更新规则对个体的位置坐标进行更新,包括:将个体的位置与第一移动步长相加,获得个体更新后的位置坐标。其中,第一移动步长由第一预设步长、该个体的位置坐标、该个体的适应度、个体集合中的最差适应度以及最差适应度对应的个体的位置坐标确定的。其中,第一预设步长根据实际情况设定,其小于个体的最大运动范围。具体可以参见公式(4):
其中,β表示第一预设步长、fw表示当前迭代个体集合中最差适应度,Pworst表示最差适应度对应个体的位置坐标,fN表示当前个体的适应度。
由于第二分组中的个体被看作为最差调节参数,为避免该组中的调节参数导致散热系统不稳定,将对其进行移动,使其远离当前的位置,以靠近第一分组中的个体或第三分组中的个体。
对于第三分组中的个体,本实施例提供了三种更新个体位置坐标的方式,下面将分别进行说明。
一种实现方式是,将个体位置的坐标与第二移动步长相加,获得个体更新后的位置坐标。其中,第二移动步长由距离该个体最近且属于第一分组的个体的位置坐标与该个体的位置坐标的差值以及第二随机数确定的。具体参见公式(5):
通过公式(5)可知,使得当前个体在小范围内随机移动,以靠近第一分组所对应的位置坐标范围。
另一种实现方式是,将个体的位置坐标与第三移动步长相加,获得更新后的位置坐标。其中,第三移动步长由第二预设步长以及第三随机数确定的,第三随机数的取值范围为小于等于1的正数。具体参见公式(6):
其中,γ为第二预设步长,其可以为1*3的矩阵,Q为第三随机数。具体地,Q为正态分布随机数。
另一种实现方式是,将个体的位置坐标与第四移动步长相加,获得更新后的位置坐标。其中,第四移动步长由第二移动步长、第三移动步长以及第四随机数确定的,第四随机数表示个体向第一分组靠近的概率,其取值范围为小于等于1的正数。具体参见公式(7):
需要说明的是,对于个体集合中的每个个体,可以利用根据公式(3)-(7)对相应的个体的位置坐标进行更新,获得更新后的位置坐标。在更新完成后,重新计算每个个体的适应度,以及判断迭代次数是否达到最大迭代次数。如果达到最大迭代次数,则执行S205。
S205:根据各个体的适应度确定最佳个体,所述最佳个体的适应度满足预设条件。
在完成迭代后,根据个体对应的最新的适应度确定最佳个体,其中,最佳个体的适应度满足预设条件。例如,最佳个体的适应度大于第三预设阈值,或者最佳个体的适应度为个体集合中最大的适应度。可以理解的是,由于第一分组中个体的适应度比较大,可以直接从第一分组中确定最佳个体,无需遍历个体集合中所有个体的适应度,提高效率。
S206:根据该最佳个体的位置坐标获得第二输出参数,并利用第二输出参数控制风扇的转速。
在确定出最佳个体后,将最佳个体的位置坐标输入控制器,以使得控制器利用该最佳个体的位置坐标获得第二输出参数,并利用该第二输出参数控制风扇的转速,以使得散热系统稳定的工作,并发挥最大效能。
可见,通过本申请实施例提供的方法,首先获取包括多个个体的个体集合,该个体集合中的每个个体的位置坐标对应一组调节参数,即获得多组调节参数。将每个个体的位置坐标输入控制器中,以根据每个个体的位置坐标进行计算获得第一输出参数和输入偏差,并根据第一输出参数和输入偏差获得该个体的适应度。其中,个体的适应度用于反映该个体的位置坐标的优劣,也即反映该组调节参数的优劣。个体的适应度的大小与个体位置坐标的优劣呈正相关,适应度越大,个体的位置坐标越优。在获得每个个体对应的适应度后,判断迭代次数是否达到最大迭代次数,如果没有达到最大迭代次数,则对各个个体的位置坐标进行更新,并利用更新后的位置坐标获得个体的适应度,直至迭代次数达到最大迭代次数。在达到最大迭代次数后,根据各个体的适应度确定最佳个体,进而根据最佳个体的位置坐标获得第二输出参数,以利用该第二输出参数控制风扇的转速,从而避免通信设备的热量堆积。可见,通过本申请实施例提供的方案无需人工参与实现自动确定控制算法的最优调节参数,不仅节省人力,还使得通信设备的散热系统发挥最大效能
为便于理解本申请实施例的方案,参见图3所示的框架图,该图示出了寻找最优调节参数的原理。针对任意一个个体,将该个体的位置坐标(调节参数)输入给控制器,以得到第一输出参数u(t)和输入偏差e(t),根据该u(t)和e(t)获得该个体的适应度,进而根据个体的适应度获得最优调节参数。
基于上述方法实施例,本申请实施例提供了一种风扇转速控制装置,下面将结合附图进行说明。
参见图4,该图为本申请实施例提供的一种风扇转速控制装置结构图,如图4所示,该装置400可以包括:第一获取单元401、第二获取单元402、更新单元403、确定单元404和控制单元405。
第一获取单元401,用于获取个体集合,所述个体集合中包括多个个体,所述多个个体中每个个体的位置坐标为一组调节参数;
第二获取单元402,用于针对任一个体,根据所述个体的位置坐标获得第一输出参数和输入偏差,并根据所述第一输出参数和所述输入偏差获得所述个体的适应度,所述适应度用于反映所述个体的位置坐标的优劣,所述输入偏差是指利用所述第一输出参数调整风扇转速后通信设备的温度与预设的目标温度之间的偏差;
更新单元403,用于在迭代次数未达到最大迭代次数时,对各所述个体的位置坐标进行更新,并获得更新后的个体的适应度,直至所述迭代次数达到最大迭代次数;
确定单元404,用于在迭代次数达到最大迭代次数时,根据各所述个体的适应度确定最佳个体,所述最佳个体对应的适应度满足预设条件;
控制单元405,用于根据所述最佳个体的位置坐标获得第二输出参数,并利用所述第二输出参数控制风扇的转速。
在一种具体的实现方式中,所述第二获取单元402,具体用于对所述第一输出参数进行平方,再与所述输入偏差相加,获得积分底数;在预设空间上对所述积分底数进行积分,获得所述个体的适应度。
在一种具体的实现方式中,所述第二获取单元402,具体用于将所述第一输出参数的平方与第一权重相乘,再加上所述输入偏差与第二权重相乘,获得积分底数,所述第一权重小于所述第二权重,所述第一权重和所述第二权重之和为1。
在一种具体的实现方式中,所述确定单元404,具体用于将对应最大适应度的个体确定为最佳个体。
在一种具体的实现方式中,所述更新单元403,具体用于根据各所述个体对应的适应度确定各所述个体所属的分组;利用所述分组对应的更新规则对所述个体的位置坐标进行更新。
在一种具体的实现方式中,所述更新单元403,具体用于将适应度大于第一预设阈值的个体确定为属于第一分组;将适应度小于第二预设阈值的个体确定为属于第二分组;将剩余的个体确定为第三分组。
在一种具体的实现方式中,所述更新单元403,具体用于针对所述第一分组中的个体,将所述个体的位置坐标乘以步长系数,获得更新后的位置坐标,所述步长系数由所述个体集合中的个体总数、当前迭代次数以及第一随机数确定,所述步长系数和第一随机数的取值范围为小于等于1的正数。
在一种具体的实现方式中,所述更新单元403,具体用于针对所述第二分组中的个体,将所述个体的位置与第一移动步长相加,获得更新后的位置坐标,所述第一移动步长由第一预设步长、所述个体的位置坐标、所述个体的适应度、最差适应度以及所述最差适应度对应个体的位置坐标确定的。
在一种具体的实现方式中,所述更新单元403,具体用于针对所述第三分组中的个体,将所述个体的位置坐标与第二移动步长相加,获得更新后的位置坐标,所述第二移动步长由距离所述个体最近且属于所述第一分组的个体的位置坐标与所述个体的位置坐标的差值以及第二随机数确定的,所述第二随机数的取值范围为小于等于1的正数。
在一种具体的实现方式中,所述更新单元403,具体用于针对所述第三分组中的个体,将所述个体的位置坐标与第三移动步长相加,获得更新后的位置坐标,所述第三移动步长由第二预设步长以及第三随机数确定的,所述第三随机数的取值范围为小于等于1的正数。
在一种具体的实现方式中,所述更新单元403,具体用于针对所述第三分组中的个体,将所述个体的位置坐标与第四移动步长相加,获得更新后的位置坐标,所述第四移动步长由第二移动步长、第三移动步长以及第四随机数确定的,所述第四随机数表示所述个体向所述第一分组靠近的概率,所述第四随机数的取值范围为小于等于1的正数。
需要说明的是,本实施例中各个单元的实现可以参见图2所示方法实施例中的相关描述。
另外,本申请实施例还提供了一种通信设备,包括:处理器,存储器;
所述存储器,用于存储计算机可读指令或者计算机程序;
所述处理器,用于读取所述计算机可读指令或所述计算机程序,以使得所述设备实现所述的风扇转速控制方法。
本申请实施例提供了一种计算机可读存储介质,包括指令或计算机程序,当其在计算机上运行时,使得计算机执行所述的风扇转速控制方法。
需要说明的是,本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统或装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (11)
1.一种风扇转速控制方法,其特征在于,所述方法包括:
获取个体集合,所述个体集合中包括多个个体,所述多个个体中每个个体的位置坐标为一组调节参数,所述调节参数包括:比例调节参数、微分调节参数以及积分调节参数;
针对任一个体,根据所述个体的位置坐标获得第一输出参数和输入偏差,并根据所述第一输出参数和所述输入偏差获得所述个体的适应度,所述适应度用于反映所述个体的位置坐标的优劣,所述输入偏差是指利用所述第一输出参数调整风扇转速后通信设备的温度与预设的目标温度之间的偏差;
在迭代次数未达到最大迭代次数时,对各所述个体的位置坐标进行更新,并获得更新后的个体的适应度,直至所述迭代次数达到最大迭代次数;
所述对各所述个体的位置坐标进行更新,包括:
根据各所述个体对应的适应度确定各所述个体所属的分组,包括:将适应度大于第一预设阈值的个体确定为属于第一分组;将适应度小于第二预设阈值的个体确定为属于第二分组;将剩余的个体确定为第三分组;
利用所述分组对应的更新规则对所述个体的位置坐标进行更新,包括:针对所述第一分组中的个体,将所述个体的位置坐标乘以步长系数,获得更新后的位置坐标,所述步长系数由所述个体集合中的个体总数、当前迭代次数以及第一随机数确定,所述步长系数和第一随机数的取值范围为小于等于1的正数;
在迭代次数达到最大迭代次数时,根据各所述个体的适应度确定最佳个体,所述最佳个体对应的适应度满足预设条件;
根据所述最佳个体的位置坐标获得第二输出参数,并利用所述第二输出参数控制风扇的转速。
2.根据权利要求1所述的方法,其特征在于,所述根据所述个体的位置坐标获得第一输出参数和输入偏差,并根据所述第一输出参数和所述输入偏差获得所述个体的适应度,包括:
对所述第一输出参数进行平方,再与所述输入偏差相加,获得积分底数;
在预设空间上对所述积分底数进行积分,获得所述个体的适应度。
3.根据权利要求2所述的方法,其特征在于,所述对所述第一输出参数进行平方,再与所述输入偏差相加,获得积分底数,包括:
将所述第一输出参数的平方与第一权重相乘,再加上所述输入偏差与第二权重相乘,获得积分底数,所述第一权重小于所述第二权重,所述第一权重和所述第二权重之和为1。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据各所述个体的适应度确定最佳个体,包括:
将对应最大适应度的个体确定为最佳个体。
5.根据权利要求1所述的方法,其特征在于,所述利用所述分组对应的更新规则对所述个体的位置坐标进行更新,还包括:
针对所述第二分组中的个体,将所述个体的位置与第一移动步长相加,获得更新后的位置坐标,所述第一移动步长由第一预设步长、所述个体的位置坐标、所述个体的适应度、最差适应度以及所述最差适应度对应个体的位置坐标确定的。
6.根据权利要求1所述的方法,其特征在于,所述利用所述分组对应的更新规则对所述个体的位置坐标进行更新,还包括:
针对所述第三分组中的个体,将所述个体的位置坐标与第二移动步长相加,获得更新后的位置坐标,所述第二移动步长由距离所述个体最近且属于所述第一分组的个体的位置坐标与所述个体的位置坐标的差值以及第二随机数确定的,所述第二随机数的取值范围为小于等于1的正数。
7.根据权利要求1所述的方法,其特征在于,所述利用所述分组对应的更新规则对所述个体的位置坐标进行更新,还包括:
针对所述第三分组中的个体,将所述个体的位置坐标与第三移动步长相加,获得更新后的位置坐标,所述第三移动步长由第二预设步长以及第三随机数确定的,所述第三随机数的取值范围为小于等于1的正数。
8.根据权利要求7所述的方法,其特征在于,所述利用所述分组对应的更新规则对所述个体的位置坐标进行更新,还包括:
针对所述第三分组中的个体,将所述个体的位置坐标与第四移动步长相加,获得更新后的位置坐标,所述第四移动步长由第二移动步长、第三移动步长以及第四随机数确定的,所述第四随机数表示所述个体向所述第一分组靠近的概率,所述第四随机数的取值范围为小于等于1的正数。
9.一种风扇转速控制装置,其特征在于,所述装置包括:
第一获取单元,用于获取个体集合,所述个体集合中包括多个个体,所述多个个体中每个个体的位置坐标为一组调节参数,所述调节参数包括:比例调节参数、微分调节参数以及积分调节参数;
第二获取单元,用于针对任一个体,根据所述个体的位置坐标获得第一输出参数和输入偏差,并根据所述第一输出参数和所述输入偏差获得所述个体的适应度,所述适应度用于反映所述个体的位置坐标的优劣,所述输入偏差是指利用所述第一输出参数调整风扇转速后通信设备的温度与预设的目标温度之间的偏差;
更新单元,用于在迭代次数未达到最大迭代次数时,对各所述个体的位置坐标进行更新,并获得更新后的个体的适应度,直至所述迭代次数达到最大迭代次数;
所述更新单元对各所述个体的位置坐标进行更新具体包括:根据各所述个体对应的适应度确定各所述个体所属的分组,包括:将适应度大于第一预设阈值的个体确定为属于第一分组;将适应度小于第二预设阈值的个体确定为属于第二分组;将剩余的个体确定为第三分组;利用所述分组对应的更新规则对所述个体的位置坐标进行更新,包括:针对所述第一分组中的个体,将所述个体的位置坐标乘以步长系数,获得更新后的位置坐标,所述步长系数由所述个体集合中的个体总数、当前迭代次数以及第一随机数确定,所述步长系数和第一随机数的取值范围为小于等于1的正数;
确定单元,用于在迭代次数达到最大迭代次数时,根据各所述个体的适应度确定最佳个体,所述最佳个体对应的适应度满足预设条件;
控制单元,用于根据所述最佳个体的位置坐标获得第二输出参数,并利用所述第二输出参数控制风扇的转速。
10.一种通信设备,其特征在于,包括:处理器,存储器;
所述存储器,用于存储计算机可读指令或者计算机程序;
所述处理器,用于读取所述计算机可读指令或所述计算机程序,以使得所述设备实现如权利要求1-8中任意一项所述的风扇转速控制方法。
11.一种计算机可读存储介质,包括指令或计算机程序,当其在计算机上运行时,使得计算机执行以上权利要求1-8任意一项所述的风扇转速控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110838426.4A CN113623256B (zh) | 2021-07-23 | 2021-07-23 | 一种风扇转速控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110838426.4A CN113623256B (zh) | 2021-07-23 | 2021-07-23 | 一种风扇转速控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113623256A CN113623256A (zh) | 2021-11-09 |
CN113623256B true CN113623256B (zh) | 2023-03-31 |
Family
ID=78380803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110838426.4A Active CN113623256B (zh) | 2021-07-23 | 2021-07-23 | 一种风扇转速控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113623256B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI564683B (zh) * | 2015-10-21 | 2017-01-01 | 財團法人工業技術研究院 | 未知pid控制器之參數調諧方法 |
CN109839967B (zh) * | 2019-01-24 | 2021-03-19 | 广东国颂能源科技有限公司 | 一种自整定pid节能温度控制方法及模块 |
CN110376900B (zh) * | 2019-08-16 | 2022-06-07 | 中国科学院深圳先进技术研究院 | 参数优化方法、终端设备以及计算机存储介质 |
CN111622976B (zh) * | 2020-05-28 | 2022-03-08 | 浪潮电子信息产业股份有限公司 | 一种风扇控制方法、装置及电子设备和存储介质 |
AU2020103709A4 (en) * | 2020-11-26 | 2021-02-11 | Daqing Oilfield Design Institute Co., Ltd | A modified particle swarm intelligent optimization method for solving high-dimensional optimization problems of large oil and gas production systems |
-
2021
- 2021-07-23 CN CN202110838426.4A patent/CN113623256B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113623256A (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tian et al. | Reliability-redundancy allocation for multi-state series-parallel systems | |
CN106842914B (zh) | 一种温度控制节能处理方法、装置及系统 | |
CN108050671B (zh) | 空调器的控制方法及空调器 | |
CN110059345B (zh) | 一种抽水蓄能机组相继甩负荷关机规律优化方法与系统 | |
CN111476422A (zh) | 一种基于机器学习框架下LightGBM的建筑冷负荷预测方法 | |
CN110083896B (zh) | 风电机组运行功率曲线达标符合度评价方法 | |
CN112861362B (zh) | 一种基于整车油耗的动力总成性能参数优化方法和装置 | |
JP2010134863A (ja) | 制御対象の制御入力決定手段 | |
CN104980069B (zh) | 一种无刷直流电机双闭环调速系统多目标优化方法 | |
KR20170023098A (ko) | 타겟 시스템 제어 | |
CN114444648A (zh) | 一种基于强化学习和粒子群算法的智能寻优方法 | |
JP7006859B2 (ja) | 空調制御装置、空調システム、空調制御方法、空調制御プログラム | |
CN116520909A (zh) | 哈里斯鹰算法优化模糊pid参数的高值耗材柜温度控制方法 | |
CN108825543A (zh) | 一种服务器风扇调控方法及系统 | |
CN110032706A (zh) | 一种低阶时滞系统的两阶段参数估计方法及系统 | |
CN110928341B (zh) | 温度控制方法、装置、设备及存储介质 | |
CN110397553B (zh) | 一种不基于模型的风电场尾流管理方法及系统 | |
CN113623256B (zh) | 一种风扇转速控制方法及装置 | |
CN113152595A (zh) | 一种变频恒压供水系统及其节能控制方法 | |
CN109635999B (zh) | 一种基于粒子群-细菌觅食的水电站调度方法及系统 | |
CN114282445A (zh) | 循环水系统运行优化方法以及相关设备 | |
CN110588654A (zh) | 一种自动整定车辆速度相应pid控制参数的方法 | |
CN105571064A (zh) | 一种预测气象数据的方法及系统 | |
CN114492163A (zh) | 一种高炉风机运行工况预测方法、装置、设备及存储介质 | |
CN111027666A (zh) | 函数优化方法、装置及系统 |
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 |