TW201324188A - 散熱控制系統及其控制方法 - Google Patents

散熱控制系統及其控制方法 Download PDF

Info

Publication number
TW201324188A
TW201324188A TW100146344A TW100146344A TW201324188A TW 201324188 A TW201324188 A TW 201324188A TW 100146344 A TW100146344 A TW 100146344A TW 100146344 A TW100146344 A TW 100146344A TW 201324188 A TW201324188 A TW 201324188A
Authority
TW
Taiwan
Prior art keywords
values
heat dissipation
value
neural network
temperature sensing
Prior art date
Application number
TW100146344A
Other languages
English (en)
Other versions
TWI430108B (zh
Inventor
Chien-An Chen
Chih-Chien Lin
Original Assignee
Inventec Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Inventec Corp filed Critical Inventec Corp
Priority to TW100146344A priority Critical patent/TWI430108B/zh
Priority to US13/449,560 priority patent/US8897925B2/en
Publication of TW201324188A publication Critical patent/TW201324188A/zh
Application granted granted Critical
Publication of TWI430108B publication Critical patent/TWI430108B/zh

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D23/00—Control of temperature
    • G05D23/19—Control of temperature characterised by the use of electric means
    • G05D23/1927—Control of temperature characterised by the use of electric means using a plurality of sensors
    • G05D23/193—Control of temperature characterised by the use of electric means using a plurality of sensors sensing the temperaure in different places in thermal relationship with one or more spaces
    • G05D23/1932—Control of temperature characterised by the use of electric means using a plurality of sensors sensing the temperaure in different places in thermal relationship with one or more spaces to control the temperature of a plurality of spaces
    • 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
    • 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
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)
  • Control Of Temperature (AREA)

Abstract

一種散熱控制系統包括一感測模組、一類神經網路運算模組及二散熱模組。類神經網路運算模組分別依據感測模組發出之多個溫度感測值進行控制運算。其中控制運算為將一倒傳遞演算法的一目標函數定義為一誤差函數之平方項。藉此計算出各散熱模組適合的轉速值，以發揮至最大的散熱效益。

Description

散熱控制系統及其控制方法
本發明是有關於一種散熱控制系統，特別是用於電子裝置的散熱控制系統。
近年來，風扇常用來設置於電子裝置內，以對此電子裝置進行散熱。當風扇運轉時，風扇於電子裝置內會產生一強制對流，此強制對流用以引導外部環境的冷空氣流入電子裝置內。進入電子裝置內的冷空氣與電子裝置內之電子元件所產生的熱能進行熱交換後，再透過電子裝置的開口排至外部環境。其中，電子裝置包括伺服器、筆記型電腦或桌上型電腦。
為了避免電子裝置內之各電子元件因溫度過高而產生當機，各電子元件會搭配一溫度感測器，由各溫度感測器分別監控各電子元件的溫度，由控制器再依據感測結果以調整風扇之轉速值。
然而以伺服器為例，因伺服器內之電子元件之數量較多，而每一電子元件運轉時均會成為一位於伺服器內部一發熱源，而在這些發熱源之間的相互影響下便會使伺服器內部的溫度分佈變得十分複雜。此時勢必要改良控制器的演算法則，進而使各風扇能以更恰當的轉速值來降低伺服器內部之溫度。如此一來，控制器將可妥善分配各風扇的轉速值以發揮至較大的散熱效益，同時亦可降低所需之能源。因此，如何計算出各風扇適合的轉速值，將是研發人員應解決的問題。
本發明是關於一種散熱控制系統及其控制方法，藉以解決先前技術所存在無法妥善分配各風扇的轉速以發揮至最大之散熱效益的問題。
一實施例所揭露之散熱控制系統，適於配置於一電子裝置，其包括一感測模組、一類神經網路運算模組及二散熱模組。感測模組用於擷取電子裝置之各部位的多個溫度感測值。類神經網路運算模組用以接收這些溫度感測值，並將這些溫度感測值分別與對應之多個預設溫度值比較，當這些溫度感測值與對應之這些預設溫度值相異時，類神經網路運算模組會依據這些溫度感測值分別執行一控制運算以計算出多個控制訊號值，每一控制運算係將一目標函數定義為一誤差函數之平方項並進行一倒傳遞演算法。每一散熱模組同時接收到這些控制訊號值，並受其中一控制訊號值驅動而運轉。
其中，該些目標函數為
其中，Ji為該些目標函數，Ei為該些控制運算之誤差函數，ri為該些預設之溫度訊號，yi為該些溫度感測值，i：1~n。
一實施例所揭露之散熱控制方法，其包括經由一感測模組擷取多個溫度感測值。接著經由一類神經網路運算模組分別接收這些溫度感測值，並與多個預設溫度值比較。接著當這些溫度感測值與這些預設溫度值相異時，這類神經網路運算模組依據這些溫度感測值分別執行一控制運算以計算出多個控制訊號值，控制運算係將一目標函數定義為一誤差函數之平方項並進行一倒傳遞演算法。接著同時經由類神經網路運算模組輸出這些控制訊號值至二散熱模組。接著每一散熱模組受其中一控制訊號值驅動而運作。
上述實施例所揭露之散熱控制系統及控制方法，是將目標函數定義成誤差函數之平方項之後再進行一倒傳遞演算法以計算出各散熱模組適合的轉速值。如此一來，相較於習知之控制器，各類神經網路運算模組將可較精確計算出各散熱模組輸出之散熱強度，是以散熱控制系統能使電子裝置有較好的散熱效益，同時亦可降低散熱模組運轉時所需之能源。
以上之關於本發明內容之說明及以下之實施方式之說明是用以示範與解釋本發明之原理，並且提供本發明之專利申請範圍更進一步之解釋。
請參閱「第1圖」與「第2圖」，「第1圖」為第一實施例之散熱控制系統之方塊示意圖，「第2圖」為「第1圖」之控制流程的方塊示意圖。本實施例之散熱控制系統10適於配置於一電子裝置400，電子裝置400包括多個電子元件，電子元件包括中央處理器、記憶卡或顯示卡，而電子裝置400可以是伺服器、桌上型電腦、筆記型電腦或平板電腦。而本實施例以伺服器作為下述說明，但不以此為限。
本實施例之散熱控制系統10包括一感測模組100、一類神經網路運算模組200及一散熱模組300。感測模組100包括多個感測器，每一個感測器用以感測電子裝置400一個元件或一個位置的溫度值，故多個感測器則用以感測電子裝置400多個元件或多個位置的溫度感測值。類神經網路運算模組200包括多個類神經網路控制器，類神經網路控制器的數量與感測器的數量相對應。換句話說，每一個感測器感測到溫度感測值後，會傳至對應的類神經網路控制器進行控制運算以分別獲得一控制訊號值。散熱模組300包括多個散熱器，而每一控制訊號值會傳送至多個相對應之散熱器，並令各散熱器運轉。其中，散熱器的數量可依實際需求而定，並未限定要與電子元件或類神經網路控制器的數量相同。其中散熱器例如為風扇。
再者，因為每一散熱器與各電子元件間的距離不同，是以各散熱器對各電子元件具有不同的散熱效益。舉例來說，各散熱器運轉時，鄰近之電子元件可獲得較佳的散熱效益，而距離較遠之電子元件可獲得次佳的散熱效益。因此，為了呈現出每個散熱模組300與各電子元件之間的不同散熱效益，控制訊號值還可另外經過加權值500的補正。其中，加權值500係將這些散熱效益的差異數值化，使各類神經網路控制器能夠更準確地控制各散熱器的動力輸出。
另外，如「第2圖」所示，散熱控制系統10為一回授控制系統，感測模組100會持續監控電子裝置400的溫度狀況，以持續追蹤並修正散熱模組300的輸出動力。
散熱控制系統10進行上述之控制運算前先是將這些溫度感測值與對應之多個預設溫度值比較。其中預設溫度值由可依據電子元件或電子裝置各部位的溫度條件作設定，以電子元件來說，每個電子元件具有一個預設溫度值。舉例來說，中央處理器適合運算的溫度值為攝氏60度以下，而超過攝氏60度時中央處理器當機的機率相對提高，此時即可設定中央處理器之預設溫度值為攝氏77度。
當這些溫度感測值與對應之這些預設溫度值相異時，類神經網路運算模組200會依據這些溫度感測值分別執行控制運算以計算出多個控制訊號值。在本實施例及其他實施例中，每一控制運算係將一目標函數定義為一誤差函數之平方項並進行一倒傳遞演算法。需注意的是，上述之目標函數為
其中，Ji為這些目標函數，Ei為這些控制運算之誤差函數，ri為這些預設之溫度值，yi為這些溫度感測值，i：1~n。
其中，倒傳遞演算法為
其中，Ji為該些目標函數，Whyi為該類神經網路之權重值，k為取樣點，(k+1)為下一個取樣點，η為修正速率，i：1~n。
上述之為
其中，Ji為該些目標函數，Ei為該些控制運算之誤差函數，yi為該些溫度感測值，υi為該些控制訊號值，xyi為控制運算輸出，uyi為控制運算輸入，i：1~n。
上述之各偏微分項為
其中，Ji為這些目標函數，Ei為這些誤差函數，ri為這些預設之溫度設定值，yi為這些溫度感測值，k為取樣點，(k-1)為上一個取樣點，υi為這些控制訊號值，xyi為控制運算輸出，uyi為控制運算輸入，Whyi為這些類神經網路之權重值，xhi為多個增益變數。
上述每一增益變數包括一比例參數、一微分參數及一積分參數，比例參數、微分參數及積分參數分別為
其中，xhi1為其一該增益變數之該比例參數，xhi2為其一該增益變數之該積分參數，xhi3為其一該增益變數之該微分參數，i：1~n。
以下將分成三個實施例來說明散熱控制系統10，首先，請參閱「第3圖」，「第3圖」為第二實施例散熱控制系統的方塊示意圖，第二實施例為電子裝置400具有一個電子元件(第一電子元件410)，且散熱模組300具有一個散熱器(第一散熱器310)的情況。
本實施例之散熱控制系統10包括一感測模組100、一類神經網路運算模組200及一散熱模組300。感測模組100具有一第一感測器110以監控第一電子元件410並輸出一第一溫度感測值710。類神經網路運算模組200具有一第一類神經網路控制器210，其接收第一溫度感測值710並執行上述之控制運算以獲得一第一控制訊號值810。散熱模組300具有一第一散熱器310，其第一散熱器310會依據第一控制訊號值810來決定自身的動力輸出值。
其中，在本實施例中，因為各模組呈現一對一的連接關係，故無需加入加權值。
接著，請參閱「第4圖」，「第4圖」為第三實施例之散熱控制系統的方塊示意圖。第三實施例為電子裝置400具有一個電子元件(第一電子元件410)，且散熱模組300具有二個散熱器(第一散熱器310及第二散熱器320)的情況。
本實施例之散熱控制系統10包括一感測模組100、一類神經網路運算模組200及一散熱模組300。感測模組100具有一第一感測器110以監控第一電子元件410並輸出一第一溫度感測值710。類神經網路運算模組200具有一第一類神經網路控制器210，其接收第一溫度感測值710並執行上述之控制運算以獲得一第一控制訊號值810。散熱模組300具有一第一散熱器310及一第二散熱器320，而第一散熱器310及第二散熱器320因對第一電子元件410有不同程度上的影響而具有一第一加權值510及一第二加權值520，第一類神經網路控制器210將第一控制訊號值810分別乘以第一加權值510與第二加權值520而控制第一散熱器310與第二散熱器320。
其中，若第一電子元件410之溫度僅超過預設溫度值些許，則第一類神經網路控制器210能夠只開啟第一散熱器310，而選擇將第二散熱器320關閉。若第一電子元件410之溫度超過預設溫度值太多，則第一類神經網路控制器210能夠將第一散熱器310及第二散熱器320同時打開，以求快速排除第一電子元件410所散出的熱能。
接著，請參閱「第5圖」，「第5圖」為第四實施例之散熱控制系統的方塊示意圖。第四實施例為電子裝置400具有二個電子元件(第一電子元件410及第二電子元件420)，且散熱模組300具有三個散熱器(第一散熱器310、第二散熱器320及第三散熱器330)的情況。
本實施例之散熱控制系統10包括一感測模組100、一類神經網路運算模組200及一散熱模組300。感測模組100具有一第一感測器110以監控第一電子元件410並輸出一第一溫度感測值710，以及具有一第二感測器120以監控第二電子元件420並輸出一第二溫度感測值720。
類神經網路運算模組200具有一第一類神經網路控制器210及一第二類神經網路控制器220。第一類神經網路控制器210依據第一溫度感測值710執行上述控制運算獲得一第一控制訊號值810，以及第二類神經網路控制器220依據第二溫度感測值720執行上述控制運算獲得一第二控制訊號值820。
散熱模組300具有一第一散熱器310、一第二散熱器320及一第三散熱器330，而第一控制訊號值810與第二控制訊號值820經由各散熱器之加權值的補正分別傳輸至對應的散熱器。以本實施例來說，第一散熱器310至第三散熱器330分別對第一電子元件410與第二電子元件420有不同的散熱效益，故分別以第一加權值510至第六加權值560加以補正而產生第一驅動負載值910至第六驅動負載值960。而第一散熱器310會同時接收到第一驅動負載值910及第四驅動負載值940，第二散熱器320會同時接收到第二驅動負載值920及第五驅動負載值950，第三散熱器330會同時接收到第三驅動負載值930及第六驅動負載值960。然而，為了同時滿足各電子元件的散熱需求，各散熱器會依據接收到之最大驅動負載值運轉。
舉例來說，第一散熱器310依據第一驅動負載值910運轉的轉速為100RPM，而依據第四驅動負載值940運轉的轉速為80RPM，此時最後轉速值即為100RPM，以此類推。
接著說明散熱控制系統10之控制方法，請同時參閱「第5圖」至「第9圖」，「第6圖」為「第5圖」未加入加權值之方塊示意圖，「第7圖」至「第9圖」為「第5圖」之控制方法的步驟流程圖。
下列步驟先不加入加權值的因素，首先，如「第6圖」與「第7圖」所示，在步驟S100中，經由一感測模組擷取多個溫度感測值。舉例來說，第一感測器110及第二感測器120分別監控第一電子元件410及第二電子元件420以擷取一第一溫度感測值710及一第二溫度感測值720。
接著，在步驟S200中，經由一類神經網路運算模組分別接收這些溫度感測值，並且將每一溫度感測值分別與對應之一預設溫度值比較。
接著，在步驟S300中，當這些溫度感測值與這些預設溫度值相異時，類神經網路運算模組依據這些溫度感測值分別執行一控制運算以計算出多個對應的控制訊號值，控制運算係將一目標函數定義為誤差函數之平方項並進行一倒傳遞演算法。換言之，每一個溫度感測值係經過一次控制運算以獲得一個對應的控制訊號值。
其中，接下來將以例子來說明溫度感測值與相對應之預設溫度值相異時的狀況。
舉例來說，如「第5圖」所示，第一類神經網路控制器210接收第一溫度感測值710，並將第一溫度感測值710與內部之第一預設溫度值相比較。當第一溫度感測值710小於內部之第一預設溫度值時，第一類神經網路控制器210執行控制運算以計算出一第一控制訊號值810，此控制訊號值傳輸至相對應之各散熱器時，可令相對應之各散熱器維持現有轉速或降低現有轉速，以節省各散熱器的動力消耗。
但當第一溫度感測值710大於內部之第一預設溫度值時，第一類神經網路控制器210執行控制運算以計算出第一控制訊號值810。將此控制訊號值傳輸至相對應之各散熱器時，可令相對應之各散熱器提高現有轉速，以加速排除第一電子元件所產生的熱能。其中，控制運算如上所述，故不再贅述。
接著，在步驟S400中，同時經由類神經網路運算模組輸出這些控制訊號值至一散熱模組。舉例來說，如「第5圖」所示，第一類神經網路控制器210同時將第一控制訊號值810輸出至第一散熱器310、第二散熱器320及第三散熱器330。而第二類神經網路控制器220同時將第二控制訊號值820輸出至第一散熱器310、第二散熱器320及第三散熱器330。因此，第一散熱器310同時接收到第一控制訊號值810及第二控制訊號值820。同理，第二散熱器320與第三散熱器330亦同時接到到第一控制訊號值810及第二控制訊號值820。
接著，在步驟S500中，散熱模組受對應的控制訊號值驅動而運轉。舉例來說，第一散熱器310會被第一控制訊號值810或第二控制訊號值820控制而運轉。同理，第二散熱器320及第三散熱器330亦相同。
然而因為各散熱器與各電子元件間的距離不同，是以各散熱器對各電子元件的影響程度也不同。每一散熱器運轉時，鄰近之電子元件受到較強的風力，故可獲得較佳的散熱效果，遠處之電子元件受到較弱的風力，故獲得次佳的散熱效果。因此，每個散熱器與各電子元件之間具有不同的散熱效益而需要加入不同的加權值補正，以使各散熱器能以更精確地動力輸出值運轉。本實施例分別將多個加權值500加入散熱控制系統10。故請同時參閱「第5圖」與「第8圖」，步驟S400及步驟S500另包括下列所述。
首先，在步驟S600中，將每一控制訊號值乘於影響散熱效益的多個加權值，以獲得多個對應的驅動負載值，這些驅動負載值再分別輸送至散熱模組。接著，在步驟S700中，散熱模組受對應的驅動負載值驅動而運轉。
舉例來說，如「第5圖」所示，加入影響散熱效益的各加權值，如一第一加權值510、一第二加權值520、一第三加權值530反應出第一散熱器310、第二散熱器320及第三散熱器330對第一電子元件410的影響程度。
同理，加入一第四加權值540、一第五加權值550、一第六加權值560反應出第一散熱器310、第二散熱器320及第三散熱器330對第二電子元件420的影響程度。
其中，第一控制訊號值810經過第一加權值510的加乘後變成一第一驅動負載值910，以及第二控制訊號值820經過一第四加權值540的加乘後變成一第四驅動負載值940，而第一類神經網路控制器210將第一驅動負載值910以及第二類神經網路控制器220將第四驅動負載值940輸送到第一散熱器310。
同理，第二散熱器320同時獲得第二驅動負載值920、第五驅動負載值950，以及第三散熱器330同時獲得第三驅動負載值930、第六驅動負載值960。
然而，各散熱器運轉時必需滿足所有電子元件的散熱需求，方可避免有任何電子元件因高溫而當機。故每一散熱器皆會以對應較大輸出轉數之驅動負載值，並依據對應較大輸出轉數之驅動負載值運轉。請同時參閱「第1圖」與「第5圖」，在步驟S800中，散熱模組依據一對應的最後轉速值運轉，最後轉速值為所接收到之最大之該驅動負載值。
舉例來說，第一散熱器310依據第一驅動負載值910運轉的轉速為100RPM，而依據第四驅動負載值940運轉的轉速為80RPM，此時最後轉速值即為100RPM，以此類推。
上述實施例所揭露之散熱控制系統及控制方法，是將目標函數定義成誤差函數之平方項之後再進行一倒傳遞演算法以計算出各散熱模組適合的轉速值。如此一來，相較於習知之控制器，各類神經網路運算模組將可較精確計算出各散熱器輸出之散熱強度，是以散熱控制系統能使電子裝置有較好的散熱效益，同時亦可降低散熱模組運轉時所需之能源。
另外，類神經網路運算模組考量散熱模組對電子元件的影響程度，以調整散熱模組於最佳的輸出散熱強度運轉。
雖然本發明之實施例揭露如上所述，然並非用以限定本發明，任何熟習相關技藝者，在不脫離本發明之精神和範圍內，舉凡依本發明申請範圍所述之形狀、構造、特徵及精神當可做些許之變更，因此本發明之專利保護範圍須視本說明書所附之申請專利範圍所界定者為準。
10．．．散熱控制系統
100．．．感測模組
110．．．第一感測器
120．．．第二感測器
200．．．類神經網路運算模組
210．．．第一類神經網路控制器
220．．．第二類神經網路控制器
300．．．散熱模組
310．．．第一散熱器
320．．．第二散熱器
330．．．第三散熱器
400．．．電子裝置
410．．．第一電子元件
420．．．第二電子元件
500．．．加權值
510．．．第一加權值
520．．．第二加權值
530．．．第三加權值
540．．．第四加權值
550．．．第五加權值
560．．．第六加權值
710．．．第一溫度感測值
720．．．第二溫度感測值
810．．．第一控制訊號值
820．．．第二控制訊號值
910．．．第一驅動負載值
920．．．第二驅動負載值
930．．．第三驅動負載值
940．．．第四驅動負載值
950．．．第五驅動負載值
960．．．第六驅動負載值
「第1圖」為第一實施例之散熱控制系統之方塊示意圖。
「第2圖」為「第1圖」之控制流程的方塊示意圖。
「第3圖」為第二實施例散熱控制系統的方塊示意圖。
「第4圖」為第三實施例之散熱控制系統的方塊示意圖。
「第5圖」為第四實施例之散熱控制系統的方塊示意圖。
「第6圖」為「第5圖」未加入加權值之方塊示意圖。
「第7圖」至「第9圖」為「第5圖」之控制方法的步驟流程圖。
10．．．散熱控制系統
100．．．感測模組
110．．．第一感測器
120．．．第二感測器
200．．．類神經網路運算模組
210．．．第一類神經網路控制器
220．．．第二類神經網路控制器
300．．．散熱模組
310．．．第一散熱器
320．．．第二散熱器
330．．．第三散熱器
400．．．電子裝置
410．．．第一電子元件
420．．．第二電子元件
500．．．加權值
510．．．第一加權值
520．．．第二加權值
530．．．第三加權值
540．．．第四加權值
550．．．第五加權值
560．．．第六加權值
710．．．第一溫度感測值
720．．．第二溫度感測值
810．．．第一控制訊號值
820．．．第二控制訊號值
910．．．第一驅動負載值
920．．．第二驅動負載值
930．．．第三驅動負載值
940．．．第四驅動負載值
950．．．第五驅動負載值
960．．．第六驅動負載值

Claims (10)

  1. 一種散熱控制系統，適於配置於一電子裝置，其包括：一感測模組，用於擷取該電子裝置之各部位的多個溫度感測值；一類神經網路運算模組，用以接收該些溫度感測值，並分別將該些溫度感測值與對應之多個預設溫度值比較，當該些溫度感測值與對應之該些預設溫度值相異時，該類神經網路運算模組會依據該些溫度感測值分別執行一控制運算以計算出多個控制訊號值，每一該控制運算係將一目標函數定義為一誤差函數之平方項並進行一倒傳遞演算法；以及一散熱模組，包括一第一散熱器，該第一散熱器同時接收到該些控制訊號值，並受其中一該控制訊號值驅動而運轉；其中，該些目標函數為 其中，Ji為該些目標函數，Ei為該些控制運算之該誤差函數，ri為該些預設之溫度訊號，yi為該些溫度感測值，i：1~n。
  2. 如請求項1所述之散熱控制系統，其中該倒傳遞演算法用以修正一類神經網路之權重值以將該目標函數值趨近極小值，且該倒傳遞演算法為 其中，Ji為該些目標函數，Why為該類神經網路之權重值，k為取樣點，(k+1)為下一個取樣點，η為修正速率，i：1~n。
  3. 如請求項2所述之散熱控制系統，其中每一該目標函數對該類神經網路之權重值的偏微分為 其中，Ji為該些目標函數，Ei為該些控制運算之該誤差函數，yi為該些溫度感測值，υi為該些控制訊號值，xyi為控制運算輸出，uyi為控制運算輸入，i：1~n。
  4. 如請求項3所述之散熱控制系統，其中每一該目標函數對該類神經網路之權重值的偏微分的各項分別為 其中，Ji為該些目標函數，Ei為該些誤差函數，ri為該些預設之溫度設定值，yi為該些溫度感測值，k為取樣點，(k-1)為上一個取樣點，υi為該些控制訊號值，xyi為控制運算輸出，uyi為控制運算輸入，Whyi為該些類神經網路之權重值，xhi為一增益變數。
  5. 如請求項4所述之散熱控制系統，其中每一該增益變數包括一比例參數、一微分參數及一積分參數，該比例參數、該微分參數及該積分參數分別為 其中，xhi1為其一該增益變數之該比例參數，xhi2為其一該增益變數之該積分參數，xhi3為其一該增益變數之該微分參數，i：1~n。
  6. 如請求項1所述之散熱控制系統，其中該第一散熱器具有對應該電子裝置之各部位的多個加權值，每一該控制訊號值乘於各該加權值，以令該類神經網路運算模組取得多個驅動負載值，該第一散熱器同時接收到該些驅動負載值，並依據較大之該驅動負載值運轉產生一最後轉速值。
  7. 如請求項1所述之散熱控制系統，該散熱模組另包括一第二散熱器，該第二散熱器具有對應該電子裝置之各部位的多個加權值，每一該控制訊號值乘於各該加權值，以令每一該類神經網路運算模組取得多個驅動負載值。
  8. 一種散熱控制方法，包括：經由一感測模組擷取多個溫度感測值；經由一類神經網路運算模組分別接收該些溫度感測值，每一該溫度感測值與對應之一預設溫度值比較；當該些溫度感測值與該些預設溫度值相異時，該類神經網路運算模組依據該些溫度感測值分別執行一控制運算以計算出多個對應的控制訊號值，該控制運算係將一目標函數定義為一誤差函數之平方項並進行一倒傳遞演算法，其中該誤差函數為其中一該預設溫度值減去對應之該溫度感測值；同時經由該類神經網路運算模組輸出該些控制訊號值至一散熱模組；以及該散熱模組受對應的該控制訊號值驅動而運轉。
  9. 如請求項8所述之散熱控制方法，其中同時經由該類神經網路運算模組輸出該些控制訊號值至該散熱模組的步驟另包括：將每一該控制訊號值乘於影響散熱效益的多個加權值，以獲得多個對應的驅動負載值，該些驅動負載值再分別輸送至該散熱模組；以及該散熱模組受對應的該些驅動負載值驅動而運轉。
  10. 如請求項9所述之散熱控制方法，其中該散熱模組受對應的該些驅動負載值驅動而運轉的步驟另包括步驟：該散熱模組依據一對應的最後轉速值運轉，該最後轉速值為所接收到之最大之該驅動負載值。
TW100146344A 2011-12-14 2011-12-14 散熱控制系統及其控制方法 TWI430108B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW100146344A TWI430108B (zh) 2011-12-14 2011-12-14 散熱控制系統及其控制方法
US13/449,560 US8897925B2 (en) 2011-12-14 2012-04-18 Heat dissipation control system and control method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW100146344A TWI430108B (zh) 2011-12-14 2011-12-14 散熱控制系統及其控制方法

Publications (2)

Publication Number Publication Date
TW201324188A true TW201324188A (zh) 2013-06-16
TWI430108B TWI430108B (zh) 2014-03-11

Family

ID=48610958

Family Applications (1)

Application Number Title Priority Date Filing Date
TW100146344A TWI430108B (zh) 2011-12-14 2011-12-14 散熱控制系統及其控制方法

Country Status (2)

Country Link
US (1) US8897925B2 (zh)
TW (1) TWI430108B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109214507A (zh) * 2017-06-29 2019-01-15 上海寒武纪信息科技有限公司 计算装置及方法

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103616945B (zh) * 2013-11-20 2016-10-26 浪潮电子信息产业股份有限公司 一种大规模云数据中心中服务器节能方法
US9820409B1 (en) * 2015-09-28 2017-11-14 Amazon Technologies, Inc. Rack cooling system
CN108012513B (zh) * 2017-12-29 2023-10-20 华南理工大学 一种无需行间空调的数据中心及其散热系统
CN108563249B (zh) * 2018-07-25 2021-11-26 浙江工商大学 一种基于uwb定位的自动追踪加热系统及方法
TWI689221B (zh) * 2019-03-14 2020-03-21 國家中山科學研究院 基地站主動式智慧型散熱系統
CN113138902A (zh) * 2021-04-27 2021-07-20 上海英众信息科技有限公司 一种电脑主机散热系统及装置
CN115915734B (zh) * 2023-03-02 2023-05-23 苏州浪潮智能科技有限公司 风扇运行控制方法、装置、电子设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200630819A (en) * 2005-02-23 2006-09-01 Northern Taiwan Inst Of Science And Technology Method of using intelligent theory to design heat dissipation module and device thereof

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109214507A (zh) * 2017-06-29 2019-01-15 上海寒武纪信息科技有限公司 计算装置及方法

Also Published As

Publication number Publication date
US20130158738A1 (en) 2013-06-20
TWI430108B (zh) 2014-03-11
US8897925B2 (en) 2014-11-25

Similar Documents

Publication Publication Date Title
TWI430108B (zh) 散熱控制系統及其控制方法
WO2015131723A1 (zh) 一种ptn设备风扇调速的方法及装置
US10034417B2 (en) System and methods for simulation-based optimization of data center cooling equipment
US20230376094A1 (en) Advanced thermal control for ssd
US20120329377A1 (en) Fan control system, computer system, and method for controlling fan speed thereof
US9207732B1 (en) Optimized fan duty control for computing device
US9671839B2 (en) Information handling system dynamic acoustical management
US8463456B2 (en) Minimizing aggregate cooling and leakage power
WO2018126546A1 (zh) 一种控制温度的方法、终端设备及装置
US10390463B2 (en) Backflow prevention for computing devices
CN111005799B (zh) 一种水温的控制方法、装置、热管理系统和存储介质
US20160266560A1 (en) Fan duty control for multi-node computing device
JP2013165270A (ja) サーバーの温度制御システム
US20150118017A1 (en) Electronic device and fan controlling method
TWI683215B (zh) 計算裝置中使用管理控制器的散熱管理方法與系統
US7789130B2 (en) System air fans in integrated control apparatus
US8237387B2 (en) System and method for controlling duty cycle of CPU fan
CN115263793B (zh) 一种服务器风扇的调速方法、调速装置、设备及介质
TWI819468B (zh) 電子設備、動態控制之散熱方法及動態散熱控制系統
CN103176573B (zh) 散热控制系统及其控制方法
US9936614B2 (en) System and method for automated open loop fan control
Zhang et al. Real time thermal management controller for data center
CN116360566A (zh) 风扇调速方法、装置、计算机设备、存储介质和程序产品
CN102312850A (zh) 风扇散热控制系统及方法
CN114837977A (zh) 一种风扇调速方法及装置

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees