风扇运行控制方法、装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115915734A(43)申请公布日2023.04.04(21)申请号202310193137.2G06N3/086(2023.01)(22)申请日2023.03.02G06N3/048(2023.01)(71)申请人苏州浪潮智能科技有限公司地址215000江苏省苏州市吴中经济开发区郭巷街道官浦路1号9幢(72)发明人李欣陈翔(74)专利代理机构北京润泽恒知识产权代理有限公司11319专利代理师莎日娜(51)Int.Cl.H05K7/20(2006.01)F04D27/00(2006.01)G06F1/20(2006.01)G06F11/30(2006.01)G06N3/084(2023.01)权利要求书3页说明书20页附图9页(54)发明名称风扇运行控制方法、装置、电子设备及存储介质(57)摘要本申请实施例提供了一种风扇运行控制方法、装置、电子设备及存储介质，涉及散热技术领域，方法用于终端设备，终端设备上设有用于散热的风扇，方法包括：检测终端设备的运行状态，若终端设备的运行状态为正常运行状态，则获取终端设备的运行参数，将运行参数输入风扇转速预测模型，预测风扇的目标转速，基于目标转速控制风扇的运行。本申请实施例中，在终端设备的运行状态为正常状态时，采用BP神经网络建立了风扇转速预测模型，并以终端设备的运行参数作为输入，实现对终端设备中风扇的目标转速的自动化预测，可以提前、准确地预测出风扇的目标转速，避免因依赖设备内部温度计算风扇转速而导致风扇控制动作滞后，给设备的安全稳定运行造成隐患。CN115915734ACN115915734A权利要求书1/3页1.一种风扇运行控制方法，其特征在于，应用于终端设备，所述终端设备上设有用于散热的风扇，所述方法包括：检测所述终端设备的运行状态；若所述终端设备的运行状态为正常运行状态，则获取所述终端设备的运行参数；将所述运行参数输入风扇转速预测模型，预测所述风扇的目标转速；所述风扇转速预测模型为所述终端设备的历史运行参数对BP神经网络进行训练后得到的；基于所述目标转速控制所述风扇的运行。2.根据权利要求1所述的方法，其特征在于，在所述将运行参数输入风扇转速预测模型之前，还包括：获取所述终端设备的历史运行参数作为训练集和测试集；依据所述训练集对BP神经网络进行训练，得到初始BP神经网络模型；依据测试集对所述初始的BP神经网络模型进行验证，得到训练好的风扇转速预测模型。3.根据权利要求1所述的方法，其特征在于，所述的BP神经网络包括：输入层、隐藏层及输出层，所述输入层的神经元节点个数为8个、所述隐藏层的神经元节点个数为5个、所述输出层的神经元节点个数为1个。4.根据权利要求2所述的方法，其特征在于，在所述依据所述训练集对BP神经网络进行训练，得到初始BP神经网络模型之前，还包括：确定所述BP神经网络的结构；根据所述BP神经网络的结构确定所述BP神经网络的初始权值和阈值；采用遗传算法对所述初始权值和阈值进行优化，得到所述BP神经网络的最佳权值和阈值，以便基于所述最佳权值和阈值对所述BP神经网络进行训练。5.根据权利要求4所述的方法，其特征在于，所述采用遗传算法对所述初始权值和阈值进行优化，得到所述BP神经网络的最佳权值和阈值，包括：根据所述初始权值和阈值进行编码以形成所述遗传算法的初始种群；对所述初始种群进行选择、交叉和变异操作，得到候选种群；在操作次数达到预设最大进化次数时，将所述候选种群中的最优种群群体进行解码操作，得到所述BP神经网络的最佳权值和阈值；在操作次数小于所述预设最大进化次数时，将所述候选种群作为初始种群，并返回执行所述对所述初始种群进行选择、交叉和变异操作步骤。6.根据权利要求1所述的方法，其特征在于，所述终端设备中设有CPU和交换芯片，所述运行参数至少包括所述CPU的温度、所述CPU的电流、所述CPU的电压、所述CPU的功耗、所述交换芯片的温度、所述交换芯片的电流、所述交换芯片的电压、所述交换芯片的功耗和所述风扇的转速。7.根据权利要求1所述的方法，其特征在于，在所述检测所述终端设备的运行状态之后，还包括：若所述终端设备的运行状态为异常运行状态，则基于所述异常运行状态控制所述风扇的运行。8.根据权利要求7所述的方法，其特征在于，还包括：2CN115915734A权利要求书2/3页若所述终端设备的运行状态为异常运行状态，则输出告警信号。9.根据权利要求7所述的方法，其特征在于，所述基于所述异常运行状态控制所述终端设备中风扇的运行，包括：若所述终端设备处于高温测试状态，则控制所述风扇以第一转速运行；在所述高温测试阶段状态后，返回执行所述检测所述终端设备的运行状态步骤。10.根据权利要求7所述的方法，其特征在于，所述终端设