TWI799287B - 聲功率預估方法及聲功率預估系統 - Google Patents
聲功率預估方法及聲功率預估系統 Download PDFInfo
- Publication number
- TWI799287B TWI799287B TW111121175A TW111121175A TWI799287B TW I799287 B TWI799287 B TW I799287B TW 111121175 A TW111121175 A TW 111121175A TW 111121175 A TW111121175 A TW 111121175A TW I799287 B TWI799287 B TW I799287B
- Authority
- TW
- Taiwan
- Prior art keywords
- sound power
- server
- fan unit
- sound
- characteristic parameters
- Prior art date
Links
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
一種聲功率預估方法,包括:取得分別對應於多個第一伺服器系統的多筆第一風扇單體特性參數及多筆第一伺服器聲功率;根據第一風扇單體特性參數與第一伺服器聲功率之間的多個對應關係,建立聲功率預測模型;取得對應於第二伺服器系統的第二風扇單體特性參數;至少根據第二風扇單體特性參數及聲功率預測模型,產生第二伺服器聲功率。
Description
本發明關於聲功率預估領域,特別是一種利用聲功率預測模型進行聲功率預估的聲功率預估方法及聲功率預估系統。
近來,伺服器的效能逐漸提高,伺服器所產生的熱能也相應地提高,需風扇在伺服器產生熱能時進行散熱,因此風扇的優良與否決定伺服器的運作流暢度。為了提升伺服器的運作流暢度,散熱風扇速度則需增加,但風扇的轉速增加則會產生噪音問題。因此,針對噪音問題,研發人員在半無響室(semi-anechoic room)內利用聲功率計測量伺服器的聲功率,以確認伺服器的聲功率級(sound power level,SWL)是否符合國際標準。
在伺服器系統的設計中,研發人員需將伺服器系統進行打樣並接著將打樣後伺服器系統進行聲功率測試,以得知伺服器系統的噪音狀況。若聲功率測試結果顯示伺服器系統的聲功率過高而產生大量噪音,研發人員則須對伺服器規格重新設計並進行伺服器系統打樣。上述設計流程相當浪費時間。
根據前述,本發明提供一種聲功率預估方法及聲功率預估系統,能在伺服器系統打樣前,針對伺服器系統進行聲功率預估和判斷,可以改善伺服器系統重新打樣的問題。
依據本發明的一實施例的聲功率預估方法,包括:取得分別對應於多個第一伺服器系統的多筆第一風扇單體特性參數及多筆第一伺服器聲功率 ;根據前述多筆第一風扇單體特性參數與前述多筆第一伺服器聲功率之間的多個對應關係,建立聲功率預測模型;取得對應於第二伺服器系統的第二風扇單體特性參數;至少根據前述第二風扇單體特性參數及前述聲功率預測模型,產生第二伺服器聲功率。
依據本發明的一實施例的聲功率預估系統,包括輸入裝置及處理裝置。輸入裝置用於接收分別對應於多個第一伺服器系統的多筆第一風扇單體特性參數及多筆第一伺服器聲功率及接收對應於第二伺服器系統的第二風扇單體特性參數。處理裝置連接於輸入裝置且根據前述多筆第一風扇單體特性參數與前述多筆第一伺服器聲功率之間的多個對應關係建立聲功率預測模型,並至少根據第二風扇單體特性參數及聲功率預測模型產生第二伺服器聲功率。
綜上所述,本發明的聲功率預估方法和聲功率預估系統,透過建立聲功率預測模型,預測伺服器系統聲功率,而能在伺服器系統打樣前得知伺服器系統的聲功率,藉此簡化伺服器的設計流程,進而節省開發費用及時間。
以下在實施方式中詳細敘述本發明之詳細特徵以及優點,其內容足以使任何熟習相關技藝者了解本發明之技術內容並據以實施,且根據本說明書所揭露之內容、申請專利範圍及圖式,任何熟習相關技藝者可輕易地理解本發明相關之目的及優點。以下之實施例係進一步詳細說明本發明之觀點,但非以任何觀點限制本發明之範疇。
應當理解的是,儘管術語「第一」、「第二」等在本發明中可用於描述各種元件、部件、區域、層及/或部分,但是這些元件、部件、區域、層及/或部分不應受這些術語的限制。這些術語僅用於將一個元件、部件、區域、層及/或部分與另一個元件、部件、區域、層及/或部分區分開。
另外,術語「包括」指所述特徵、區域、整體、步驟、操作、元件及/或部件的存在,但不排除一個或多個其他特徵、區域、整體、步驟、操作、元件、部件及/或其組合的存在或添加。
請參閱圖1,其為依據本發明一實施例所繪示的聲功率預估系統的功能方塊圖。如圖1所示,聲功率預估系統1包括輸入裝置10及處理裝置20,輸入裝置10有線連接或無線連接處理裝置20。
輸入裝置10用於接收分別對應於多個第一伺服器系統的多筆第一風扇單體特性參數及多筆第一伺服器聲功率及接收對應於第二伺服器系統的第二風扇單體特性參數。輸入裝置10可例如為有線或無線資料傳輸埠以用於接收外部資訊,舉例來說,外部裝置(例如電腦)可以透過USB等有線方式連接有線資料傳輸埠或無線網路等無線方式連接無線資料傳輸埠,以傳輸所述多筆第一風扇單體特性參數、所述多筆第一伺服器聲功率及所述第二風扇單體特性參數至聲功率預估系統1;或者,輸入裝置10可例如滑鼠鍵盤組或觸控螢幕,滑鼠鍵盤組或觸控螢幕透過有線資料傳輸埠連接處理裝置20或利用無線通訊的方式連接處理裝置20,前述僅為例舉而未侷限於本發明所列舉的範圍。具體而言,每個第一伺服器系統對應一筆第一風扇單體特性參數和一筆第一伺服器聲功率,即所述多個第一伺服器系統、所述多筆第一風扇單體特性參數及所述多筆第一伺服器聲功率之間具有一對一關係。第一伺服器系統可以為既有伺服器系統,第一風扇單體特性參數可以為第一伺服器系統內風扇的聲壓值或聲功率,第一伺服器聲功率可透過在半無響室內用多個麥克風(例如10個麥克風)圍繞並面向第一伺服器系統的環境下量測而取得。在一實施態樣中,從10%責任週期(duty cycle)增加至100%責任週期(例如每次增加5%或10%責任週期)的條件下,設定機殼為典型2U系統,測量多個第一伺服器系統之每一個所對應之風扇的聲壓值或聲功率和第一伺服器聲功率,其中多個第一伺服器系統可分別搭載例如標準風扇(standard fan,STD fan)、高性能風扇(high performance fan,HPR fan)、超級風扇(Super fan)的風扇。舉例來說,在10%責任週期的條件下,測量每一個第一伺服器系統所對應的風扇的聲壓值或聲功率和第一伺服器聲功率;接著,在20%責任週期的條件下,測量每一個第一伺服器系統所對應的風扇的聲壓值或聲功率和第一伺服器聲功率,其餘責任週期條件以此類推。第二伺服器系統可以為具有新的機殼或/及風扇設計的待預估伺服器系統,而第二風扇單體特性參數可以為研發人員針對第二伺服器系統的規格設定第二伺服器系統內風扇的聲壓值或聲功率。
處理裝置20可例如為具有處理器或微控制器的電子裝置,而未侷限於本發明所列舉的範圍。處理裝置20根據前述多筆第一風扇單體特性參數及前述多筆第一伺服器聲功率的多個對應關係建立聲功率預測模型,並至少根據第二風扇單體特性參數及聲功率預測模型產生第二伺服器聲功率。將於後文詳細說明聲功率預測模型的建立和利用聲功率預測模型產生第二伺服器聲功率的作動機制。
請參閱圖1及圖2,其中圖2為依據本發明一實施例所繪示的聲功率預估方法的流程圖。如圖2所示,聲功率預估方法包括步驟S1~步驟S4。圖2所示的聲功率預估方法可適用於圖1所示的聲功率預估系統1。以下示例地以圖1所示的聲功率預估系統1之運作來說明步驟S1~步驟S4。
步驟S1:取得分別對應於多個第一伺服器系統的多筆第一風扇單體特性參數及多筆第一伺服器聲功率。具體而言,處理裝置20從輸入裝置10取得對應於多個第一伺服器系統的多筆第一風扇單體特性參數及多筆第一伺服器聲功率。
步驟S2:根據前述多筆第一風扇單體特性參數與前述多筆第一伺服器聲功率之間的多個對應關係,建立聲功率預測模型。在一實施態樣中,處理裝置20可以找尋每一筆第一風扇單體特性參數及對應此第一風扇單體特性參數的一筆第一伺服器聲功率,並從而取得多筆第一風扇單體特性參數與前述多筆第一伺服器聲功率之間的多個對應關係及根據多個對應關係建立聲功率預測模型。換言之,處理裝置20對前述多筆第一風扇單體特性參數與前述多筆第一伺服器聲功率進行數據分析以取得多個對應關係,並根據多個對應關係建立聲功率預測模型。舉例而言,第一風扇單體特性參數及第一伺服器聲功率可以各自帶有所屬伺服器系統的標記,處理裝置20便可據以取得兩參數之間的對應關係。
步驟S3:取得對應於第二伺服器系統的第二風扇單體特性參數。具體而言,處理裝置20從輸入裝置10取得對應於第二伺服器系統的第二風扇單體特性參數。
步驟S4:至少根據前述第二風扇單體特性參數及前述聲功率預測模型,產生第二伺服器聲功率。具體而言,處理裝置20輸入第二風扇單體特性參數至聲功率預測模型,聲功率預測模型根據第二風扇單體特性參數輸出第二伺服器聲功率,處理裝置20進而取得第二伺服器聲功率。
在另一實施例中,除了上述步驟外,聲功率預估方法可進一步包括以處理裝置20取得對應於第二伺服器系統的散熱風扇速度的步驟,散熱風扇速度為第二伺服器系統對風扇轉速的需求。相應地,上述步驟S4可進一步包括:根據第二風扇單體特性參數、聲功率預測模型及第二伺服器系統的散熱風扇速度,產生第二伺服器聲功率。
具體而言,在步驟S4前,處理裝置20可以先根據不同脈衝寬度調變(pulse width modulation)佔空比之散熱風扇速度和多個風扇單體特性參數(例如聲壓)找出散熱風扇速度和風扇單體特性參數的對應關係。或者,所述散熱風扇速度和風扇單體特性參數的對應關係可以由系統外部的處理裝置提供或自系統外部的資料庫取得並儲存於處理裝置20中。於步驟S4中,處理裝置20可以根據第二伺服器所選用的風扇特性預估散熱風扇所需轉速(散熱風扇速度),並根據散熱風扇速度和風扇單體特性參數的對應關係計算對應第二伺服器系統的散熱風扇速度的第二風扇單體特性參數,且將第二風扇單體特性參數輸入至聲功率預測模型,聲功率預測模型輸出第二伺服器聲功率。其中,不同種類之風扇所對應的散熱風扇速度可以查找表的形式儲存於處理裝置20,或由處理裝置20將特定種類之風扇特性帶入伺服器的電腦模擬而得。
特別來說,在此實施例所述的聲功率預估方法和聲功率預估系統可以在風扇轉速需求已知的狀況下對伺服器系統的聲功率進行預估,如表1所示。
表1
風扇轉速需求 | 第二風扇單體特性參數 | 聲功率預測模型的輸出結果 | |
狀況1 | 已知 | 單體聲壓 | 第二伺服器聲功率 |
狀況2 | 已知 | 單體聲功率 | 第二伺服器聲功率 |
請參閱圖3,其為依據本發明另一實施例所繪示的聲功率預估方法的流程圖。如圖3所示,在本實施例中,聲功率預估方法包括步驟S1~步驟S8,步驟S1~步驟S4為圖2所示之實施例所述,於此不再重複敘述,但本實施例與前述實施例仍有差異,其在於:聲功率預估方法可進一步包括步驟S5~步驟S8,步驟S5為判斷第二伺服器聲功率是否與預設聲功率相符,步驟S6~步驟S8為對應步驟S5的判斷結果所執行的步驟。以下示例地以圖1所示的聲功率預估系統1之運作來說明步驟S5~步驟S8。
步驟S5:判斷第二伺服器聲功率是否落於預設聲功率範圍。具體而言,處理裝置20先從聲功率預測模型取得第二伺服器聲功率,並判斷第二伺服器聲功率是在預設聲功率範圍還是不在預設聲功率範圍。另外,預設聲功率範圍可為研發人員根據第二伺服器系統需符合的聲功率標準規格而在處理裝置20設定的範圍或預先儲存在處理裝置20之記憶體的聲功率範圍,預設聲功率範圍的邊界數值可依據第二伺服器系統的規格而有所變更,於此並未限定預設聲功率範圍邊界數值。舉例而言,預設聲功率範圍可以設定為ISO-3744、ISO-7779、ISO-9296或ECMA-74所規定的範圍,但不限於此。
當處理裝置20判斷第二伺服器聲功率在預設聲功率範圍內時,接續執行步驟S8;當處理裝置20判斷第二伺服器聲功率不在預設聲功率範圍內時,接續執行步驟S6。
步驟S6:重新設計第二伺服器系統的規格以取得更新的第二風扇單體特性參數。具體而言,操作人員重新設計第二伺服器系統的規格且根據重新設計後第二伺服器系統的規格更新第二風扇單體特性參數,並透過輸入裝置10輸入更新的第二風扇單體特性參數至處理裝置20,處理裝置20取得更新的第二風扇單體特性參數。所述規格可以包含但不限於機殼的類型,例如1U、2U等,或/及風扇的類型,例如標準風扇、高性能風扇、超級風扇等。
步驟S7:至少根據更新的第二風扇單體特性參數及聲功率預測模型,產生更新的第二伺服器聲功率。具體而言,處理裝置20輸入更新的第二風扇單體特性參數至聲功率預測模型,並控制聲功率預測模型根據更新的第二風扇單體特性參數輸出更新的第二伺服器聲功率,以取得更新的第二伺服器聲功率。
步驟S8:結束。亦即,聲功率預測模型所輸出的第二伺服器聲功率符合預設聲功率範圍所對應的聲功率標準規範(例如前述ISO-3744、ISO-7779、ISO-9296、ECMA-74之其一)。
此外,在步驟S7之後,可接續步驟S5。具體而言,處理裝置20在取得更新的第二伺服器聲功率後判斷更新的第二伺服器聲功率是否落入預設聲功率範圍。當處理裝置20判斷更新的第二伺服器聲功率在預設聲功率範圍時,接續步驟S8。當處理裝置20判斷更新的第二伺服器聲功率不在預設聲功率範圍時,接續步驟S6和步驟S7,亦即,輸入裝置10接收相異於更新的第二風扇單體特性參數之另一個更新的第二風扇單體特性參數,處理裝置20輸入另一個更新的第二風扇單體特性參數至聲功率預測模型並控制聲功率預測模型根據另一個更新的第二風扇單體特性參數產生另一個更新的第二伺服器聲功率,另一個更新的第二伺服器聲功率相異於更新的第二伺服器聲功率。根據前述,處理裝置20可在步驟S7後持續執行步驟S5直到聲功率預測模型所輸出的第二伺服器聲功率落入預設聲功率範圍。
在另一實施例中,考量到散熱風扇速度,步驟S6可進一步包括:重新設計第二伺服器系統的規格以取得更新的第二風扇單體特性參數及更新的散熱風扇速度。具體而言,操作人員重新設計第二伺服器系統的規格且根據重新設計後第二伺服器系統的規格更新第二風扇單體參數及散熱風扇速度,輸入裝置10接收更新的第二風扇單體參數和更新的散熱風扇速度,處理裝置20取得更新的第二風扇單體參數和更新的散熱風扇速度。
相應地,上述步驟S7可進一步包括:根據更新的第二風扇單體特性參數、更新的散熱風扇速度及聲功率預測模型,產生更新的第二伺服器聲功率。 具體而言,處理裝置10根據散熱風扇速度和風扇單體特性參數的對應關係計算對應更新的第二伺服器系統的散熱風扇速度的更新的第二風扇單體特性參數,且將更新的第二風扇單體特性參數輸入至聲功率預測模型,聲功率預測模型輸出更新的第二伺服器聲功率。
請參閱圖4,其為依據本發明一實施例所繪示的聲功率預估方法中建立聲功率預測模型步驟的流程圖。如圖4所示,建立聲功率預測模型的步驟(即為圖2和圖3所示的步驟S2)包括步驟S21A及步驟S22A,以下示例地以圖1所示的聲功率預估系統1之運作來說明步驟S21A及步驟S22A。
步驟S21A:取得前述多個對應關係的線性回歸函數。具體而言,處理裝置20根據前述多個對應關係運算出線性回歸函數,線性回歸函數可如圖5所示直線L1,圖5所示的每個點表示一筆第一伺服器聲功率(y軸數值)和一筆第一風扇單體特性參數(x軸數值)。更進一步來說,處理裝置20將根據如下列所示的公式和前述多筆第一風扇單體特性參數與前述多筆第一伺服器聲功率計算出線性回歸函數。
y=ax+b
其中,
為第一風扇單體特性參數的數值,
為第一伺服器聲功率的數值,
為多筆第一風扇單體特性的個數,
為多筆第一風扇單體特性的平均值,
為多筆第一伺服器聲功率的平均值。
步驟S22A:將線性回歸函數作為聲功率預測模型。具體而言,處理裝置20將前述的線性回歸函數作為聲功率預測模型,完成聲功率預測模型的建立。
請參閱圖6,其為依據本發明另一實施例所繪示的聲功率預估方法中建立聲功率預測模型步驟的流程圖。如圖6所示,建立聲功率預測模型的步驟(即為圖2和圖3所示的步驟S2)包括步驟S21B~步驟S23B,以下示例地以圖1所示的聲功率預估系統1之運作來說明步驟S21B~步驟S23B。
步驟S21B:將前述多筆第一風扇特性參數和前述多筆第一伺服器聲功率分成多個群體,前述多個群體之每一個具有平均第一伺服器聲功率及對應平均第一伺服器聲功率的平均第一風扇單體特性參數。舉例來說,如圖7所示,每個點表示一筆第一伺服器系統的第一伺服器聲功率(y軸數值)和一筆第一風扇單體特性參數(x軸數值),處理裝置20將前述多筆第一風扇特性參數和前述多筆第一伺服器聲功率分成4個群體,4個群體分別為第一群體、第二群體、第三群體以及第四群體。第一群體具有第一群體中心AV1,第一群體中心AV1的y軸數值表示第一群體的平均第一伺服器聲功率,而第一群體中心AV1的x軸數值表示第一群體的平均第一風扇單體特性參數。第二群體具有第二群體中心AV2,第二群體中心AV2的y軸數值表示第二群體的平均第一伺服器聲功率,而第二群體中心AV2的x軸數值表示第二群體的平均第一風扇單體特性參數。第三群體具有第三群體中心AV3,第三群體中心AV3的y軸數值表示第三群體的平均第一伺服器聲功率,而第三群體中心AV3的x軸數值表示第三群體的平均第一風扇單體特性參數。第四群體具有第四群體中心AV4,第四群體中心AV4的y軸數值表示第四群體的平均第一伺服器聲功率,而第四群體中心AV4的x軸數值表示第四群體的平均第一風扇單體特性參數。
步驟S22B:根據前述群體任兩個所對應的平均第一伺服器聲功率和平均第一風扇單體特性參數,計算多個線性回歸函數。舉例來說,如圖7所示,處理裝置20根據第一群體中心AV1和第二群體中心AV2計算線性回歸函數L11,處理裝置20根據第二群體中心AV2和第三群體中心AV3計算線性回歸函數L12,處理裝置20根據第三群體中心AV3和第四群體中心AV4計算線性回歸函數L13。
步驟S23B:根據前述多個線性回歸函數,建立聲功率預測模型。舉例來說,如圖7所示,處理裝置20連接線性回歸函數L11、L12及L13來形成一條折線(broken line),並將此折線作為聲功率預測模型。特別來說,根據多個線性回歸函數所建立的聲功率預測模型相較於根據單個線性回歸函數所建立的聲功率預測模型和根據單個多項式回歸函數所建立的聲功率預測模型可以具有較小的最大絕對誤差(Max Absolute Error)。
請參閱圖8,其為依據本發明又另一實施例所繪示的聲功率預估方法的流程圖。如圖8所示,聲功率預估方法包括步驟S101~步驟S107。圖8所示得聲功率預估方法可適用於圖1所示的聲功率預估系統1。以下示例地以圖1所示的聲功率預估系統1之運作來說明步驟S101~步驟S109。
步驟S101:設計第二伺服器系統的規格。具體而言,處理裝置20可以從輸入裝置10接收來自研發人員所設計的第二伺服器系統的規格。
步驟S102:選擇第二伺服器系統的風扇類型。具體而言,處理裝置20可以從輸入裝置10接收來自研發人員所選擇的第二伺服器系統的風扇類型,或者,處理裝置20可以根據第二伺服器系統的規格提供多個第二伺服器系統的風扇類型給研發人員選擇。
步驟S103:取得第二伺服器系統的風扇。具體而言,處理裝置20或研發人員可以根據所選擇的第二伺服器系統的風扇類型取得第二伺服器系統的風扇樣本。
步驟S104:測量第二風扇單體特性參數。具體而言,處理裝置20或研發人員可以控制聲壓計或聲功率量測系統測量第二伺服器系統的風扇樣本的第二風扇單體特性參數,輸入裝置10接收第二風扇單體特性參數。
步驟S105:取得散熱風扇速度的需求。具體而言,處理裝置20可以從輸入裝置10取得散熱風扇速度的需求 。需說明的是,步驟S106可與步驟S104同時完成。
步驟S106:聲功率預測模型預測。具體而言,處理裝置20根據第二風扇單體特性參數、散熱風扇速度及聲功率預測模型,產生第二伺服器聲功率。
步驟S107:判斷第二伺服器聲功率是否落於預設聲功率範圍。具體而言,處理裝置20先從聲功率預測模型取得第二伺服器聲功率,並判斷第二伺服器聲功率是在預設聲功率範圍還是不在預設聲功率範圍。
當判斷第二伺服器聲功率在預設聲功率範圍時,接續執行步驟S109;當判斷第二伺服器聲功率不在預設聲功率範圍時,接續執行步驟S102。
特別來說,本發明前述一或多個實施例所述的聲功率預估方法和聲功率預估系統可以在各種沿用狀況下對伺服器系統的聲功率進行預估,如表2所示。
表2
機殼 | 風扇 | 是否可透過聲功率預測模型預測第二伺服器聲功率 | 預測誤差 | |
狀況1 | V | V | 是 | 5% |
狀況2 | V | 是 | 5% | |
狀況3 | V | 是 | 5% | |
狀況4 | 是 | 5% |
其中,狀況1為沿用機殼和風扇的狀況,狀況2為沿用風扇的狀況,狀況3為沿用機殼的狀況,狀況4為無沿用機殼和風扇的狀況。由表1可知,本發明前述一或多個實施例所述的聲功率預估方法和聲功率預估系統在狀況1至狀況4都能預測出精準的第二伺服器聲功率。
在本實施例中伺服器係可用於人工智慧(英語:Artificial Intelligence,簡稱AI)運算、邊緣運算(edge computing),亦可當作5G伺服器、雲端伺服器或車聯網伺服器使用。
綜上所述,本發明的聲功率預估方法和聲功率預估系統,透過建立聲功率預測模型,預測伺服器系統聲功率,而能在伺服器系統打樣前得知伺服器系統的聲功率,藉此簡化伺服器的設計流程,進而節省開發費用及時間。
雖然本發明以前述實施例揭露如上,然其並非用以限定本發明。在不脫離本發明之精神和範圍內,所為之更動與潤飾,均屬本發明之專利保護範圍。關於本發明所界定之保護範圍請參考所附之申請專利範圍。
1:聲功率預測系統
10:輸入裝置
20:處理裝置
S1~S8, S21A~S22A, S21B~S23B, S101~S107:步驟
L1, L11~L13:線性回歸函數
AV1:第一群體中心
AV2:第二群體中心
AV3:第三群體中心
AV4:第四群體中心
圖1為依據本發明一實施例所繪示的聲功率預估系統的功能方塊圖。
圖2為依據本發明一實施例所繪示的聲功率預估方法的流程圖。
圖3為依據本發明另一實施例所繪示的聲功率預估方法的流程圖。
圖4為依據本發明一實施例所繪示的聲功率預估方法中建立聲功率預測模型步驟的流程圖。
圖5為依據本發明一實施例所繪示的線性回歸函數圖。
圖6為依據本發明另一實施例所繪示的聲功率預估方法中建立聲功率預測模型步驟的流程圖。
圖7為依據本發明另一實施例所繪示的線性回歸函數圖。
圖8為依據本發明又另一實施例所繪示的聲功率預估方法的流程圖。
S1~S4:步驟
Claims (8)
- 一種聲功率預估方法,包括以一處理裝置執行:取得分別對應於多個第一伺服器系統的多筆第一風扇單體特性參數及多筆第一伺服器聲功率;根據該些第一風扇單體特性參數與該些第一伺服器聲功率之間的多個對應關係,建立一聲功率預測模型;取得對應於一第二伺服器系統的一第二風扇單體特性參數;以及至少根據該第二風扇單體特性參數及該聲功率預測模型,產生一第二伺服器聲功率;其中根據該些第一風扇單體特性參數與該些第一伺服器聲功率之間的該些對應關係,建立該聲功率預測模型包括:將該些第一風扇特性參數及該些第一伺服器聲功率分成多個群體,該些群體之每一個具有一平均第一伺服器聲功率及對應該平均第一伺服器聲功率的一平均第一風扇單體特性參數; 根據該些群體之任兩個所對應的該平均第一伺服器聲功率和該平均第一風扇單體特性參數,計算多個線性回歸函數;以及根據該些線性回歸函數,建立該聲功率預測模型。
- 如請求項1所述之聲功率預估方法,更包括:判斷該第二伺服器聲功率是否落於一預設聲功率範圍;以及當該第二伺服器聲功率未落於該預設聲功率範圍時,重新設計該第二伺服器系統的規格以取得更新的該第二風扇單體特性參數,並至少根據更新的該第二風扇單體特性參數及該聲功率預測模型,產生更新的該第二伺服器聲功率。
- 如請求項1所述之聲功率預估方法,其中至少根據該第二風扇單體特性參數及該聲功率預測模型,產生該第二伺服器聲功率包括:根據該第二風扇單體特性參數、該聲功率預測模型及該第二伺服器系統的一散熱風扇速度,產生該第二伺服器聲功率。
- 如請求項1所述之聲功率預測方法,其中根據該些第一風扇單體特性參數與該些第一伺服器聲功率之間的該 些對應關係,建立該聲功率預測模型包括:取得該些對應關係的一線性回歸函數,並將該線性回歸函數作為該聲功率預測模型。
- 一種聲功率預估系統,包括:一輸入裝置,用於接收分別對應於多個第一伺服器系統的多筆第一風扇單體特性參數及多筆第一伺服器聲功率及接收對應於一第二伺服器系統的一第二風扇單體特性參數;以及一處理裝置,連接於該輸入裝置,且根據該些第一風扇單體特性參數與該些第一伺服器聲功率之間的多個對應關係,建立一聲功率預測模型,並至少根據該第二風扇單體特性參數及該聲功率預測模型,產生一第二伺服器聲功率;其中,該處理裝置所執行之根據該些第一風扇單體特性參數與該些第一伺服器聲功率之間的多個對應關係建立該聲功率預測模型包括:將該些第一風扇特性參數及該些第一伺服器聲功率分成多個群體,該些群體之每一個具有一平均第一伺服器聲功率及對應該平均第一伺服器聲功率的一平均第一風扇單體特性參數; 根據該些群體之任兩個所對應的該平均第一伺服器聲功率和該平均第一風扇單體特性參數,計算多個線性回歸函數;以及根據該些線性回歸函數,建立該聲功率預測模型。
- 如請求項5所述之聲功率預估系統,該處理裝置更判斷該第二伺服器聲功率是否落於一預設聲功率範圍,當該第二伺服器聲功率未落於該預設聲功率範圍時,該處理裝置重新設計該第二伺服器系統的規格以取得更新的該第二風扇單體特性參數,並至少根據更新的該第二風扇單體特性參數及該聲功率預測模型,產生更新的該第二伺服器聲功率。
- 如請求項5所述之聲功率預估系統,其中該處理裝置所執行之至少根據該第二風扇單體特性參數及該聲功率預測模型產生該第二伺服器聲功率包括:根據該第二風扇單體特性參數、該聲功率預測模型及該第二伺服器系統的一散熱風扇速度,產生該第二伺服器聲功率。
- 如請求項5所述之聲功率預估系統,其中該處理裝置所執行之根據該些第一風扇單體特性參數與該些第一伺服器聲功率之間的多個對應關係建立該聲功率預測模型包括:取 得該些對應關係的一線性回歸函數,並將該線性回歸函數作為該聲功率預測模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111121175A TWI799287B (zh) | 2022-06-08 | 2022-06-08 | 聲功率預估方法及聲功率預估系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111121175A TWI799287B (zh) | 2022-06-08 | 2022-06-08 | 聲功率預估方法及聲功率預估系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI799287B true TWI799287B (zh) | 2023-04-11 |
TW202349196A TW202349196A (zh) | 2023-12-16 |
Family
ID=86948702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111121175A TWI799287B (zh) | 2022-06-08 | 2022-06-08 | 聲功率預估方法及聲功率預估系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI799287B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200408339A (en) * | 2002-11-08 | 2004-05-16 | Inventec Corp | Noise evaluation method for heat sink module |
US20050171648A1 (en) * | 2002-06-20 | 2005-08-04 | Minebea Co., Ltd. | System and method of designing cooling fans |
US20060020435A1 (en) * | 2004-07-01 | 2006-01-26 | Samsung Electronics Co., Ltd. | Method of predicting noise of air conditioner, and method of manufacturing air conditioner using the same |
TW200636528A (en) * | 2005-04-12 | 2006-10-16 | Mitac Int Corp | Noise prediction expert system |
CN114294086A (zh) * | 2021-12-15 | 2022-04-08 | 华南理工大学 | 具有叶尖锯齿结构的冷却风扇及其气动噪声的计算方法 |
CN114412816A (zh) * | 2021-12-20 | 2022-04-29 | 盐城聚德机械零部件有限公司 | 一种发动机冷却风扇的噪音降低方法 |
-
2022
- 2022-06-08 TW TW111121175A patent/TWI799287B/zh active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050171648A1 (en) * | 2002-06-20 | 2005-08-04 | Minebea Co., Ltd. | System and method of designing cooling fans |
TW200408339A (en) * | 2002-11-08 | 2004-05-16 | Inventec Corp | Noise evaluation method for heat sink module |
US20060020435A1 (en) * | 2004-07-01 | 2006-01-26 | Samsung Electronics Co., Ltd. | Method of predicting noise of air conditioner, and method of manufacturing air conditioner using the same |
TW200636528A (en) * | 2005-04-12 | 2006-10-16 | Mitac Int Corp | Noise prediction expert system |
CN114294086A (zh) * | 2021-12-15 | 2022-04-08 | 华南理工大学 | 具有叶尖锯齿结构的冷却风扇及其气动噪声的计算方法 |
CN114412816A (zh) * | 2021-12-20 | 2022-04-29 | 盐城聚德机械零部件有限公司 | 一种发动机冷却风扇的噪音降低方法 |
Also Published As
Publication number | Publication date |
---|---|
TW202349196A (zh) | 2023-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10034417B2 (en) | System and methods for simulation-based optimization of data center cooling equipment | |
US7644051B1 (en) | Management of data centers using a model | |
JP7254819B2 (ja) | ファンの効率および/もしくは動作性能またはファン配置を最適化する方法 | |
JP4763716B2 (ja) | 回路評価のための方法、システム及びプログラム | |
US20210156388A1 (en) | Method for determining operating states of a fan | |
US12038191B2 (en) | Air conditioner timing estimation controller using machine learning model | |
US20150269293A1 (en) | Diagnostic model generating apparatus and method, and abnormality diagnostic apparatus | |
CN109586954A (zh) | 一种网络流量预测方法、装置及电子设备 | |
TW201324188A (zh) | 散熱控制系統及其控制方法 | |
CN114330099A (zh) | 一种网卡功耗调整方法、装置、设备及可读存储介质 | |
TWI799287B (zh) | 聲功率預估方法及聲功率預估系統 | |
JP6455937B2 (ja) | シミュレーション装置、シミュレーション方法及びプログラム | |
KR20230071059A (ko) | 신경망 모델의 경량화 방법, 신경망 모델의 경량화 장치, 및 신경망 모델의 경량화 시스템 | |
JP2015011365A (ja) | プロビジョニング装置、システム、プロビジョニング方法、および、プロビジョニングプログラム | |
US20240110719A1 (en) | Air conditioning control device and air conditioning control method | |
US20210224435A1 (en) | Method for designing new purley cpu heat sink | |
TWI704859B (zh) | 智慧風扇轉速調整方法、電腦裝置及伺服器 | |
CN117216888A (zh) | 声功率预估方法及声功率预估系统 | |
Zhang et al. | Real time thermal management controller for data center | |
JP6439474B2 (ja) | 解析モデル調整プログラム、情報処理装置、及び解析モデル調整方法 | |
US9052881B2 (en) | Discovering thermal relationships in data processing environments | |
JP2019204274A (ja) | 発熱密度算出プログラム、発熱密度算出方法および情報処理装置 | |
JP2019046041A (ja) | 情報処理装置、情報処理システム、情報処理装置の制御方法及び情報処理装置の制御プログラム | |
KR102074972B1 (ko) | 모터 제어기의 성능 시험 시뮬레이션 장치 및 방법 | |
TWI498749B (zh) | 裝置拓撲與性能探索以及通報技術 |