TWI859708B

TWI859708B - 溫度控制系統及溫度控制方法

Info

Publication number: TWI859708B
Application number: TW112102411A
Authority: TW
Inventors: 黃琮聖
Original assignee: 緯創資通股份有限公司
Priority date: 2023-01-18
Filing date: 2023-01-18
Publication date: 2024-10-21
Also published as: CN118363416A; TW202431055A; US20240241555A1; US12461575B2

Abstract

一種溫度控制系統及其溫度控制方法。溫度控制系統包括處理電路、控制電路以及檢測電路。處理電路接收與溫度相關且彼此相關的多個輸入參數並輸出第一訊號。控制電路耦接處理電路及接收第一訊號。控制電路依據第一訊號執行類神經網路演算法計算，並依據類神經網路演算法的計算結果輸出控制訊號以同時調整多個目標參數。檢測電路耦接控制電路及處理電路，接收調整後的多個目標參數，判斷調整後的多個目標參數是否收斂至對應的多個預定值，並輸出一回饋訊號至處理電路。

Description

溫度控制系統及溫度控制方法

本發明是有關於一種溫度控制裝置、系統及溫度控制方法。

隨著科技的進步與需求，許多的模擬軟體與繪圖軟體以及遊戲軟體都需要高效能的運算能力與大量的中央處理器(Central Processing Unit,CPU)資源，不管是在桌上型電腦(Desktop)或筆記型電腦(Laptop)皆如此。而為了提高中央處理器的工作效率來因應高複雜運算與運用，操作中央處理器並維持在高時脈將會是努力的方向與工作。而中央處理器為了在高時脈區間進行操作，並維持在晶片的極限或大於晶片上限時脈(Overclocking,OC)，相對的晶片組所產生的熱源也必須被快速的帶走與散熱，一旦超過晶片組的額定支援耐受溫度，系統將會出現不確定性的異常行為發生。因此為了達到系統的穩定且維持在高時脈的工作效率輸出，更高效率並且可以隨時監控溫度變化以維持工作溫度的溫度控制裝置及系統就成為重要的議題。

早期的散熱模組大多以室溫之空氣作為媒介，隨散熱模組的演進應用於電腦的散熱模組，之後隨使用者需求進化出經由空氣冷卻(Air cooling)或水冷(Liquid cooling)等方式進行散熱或是將前兩者整合為一起，但因空氣冷卻方式是透過常溫(例如25°)的空氣當作媒介，其散熱的效率有限。當中央處理器需瞬間操作在大於規格書的額定頻率值時，當下所產生的熱源與瓦特數將瞬間大於散熱設計功率(Thermal Design Power,TDP)，此時如果只透過常溫空氣方式來進行散熱其能被解決中央處理器瞬間所產生的高溫相對有限。現今電腦系統的溫度控制方法，為當到達指定溫度時由機台以開關方式來控制的風扇轉速。

傳統機台對溫度控制的方式大多為依照溫度感測器所讀取到的系統溫度，搭配查表方式找到對應的風扇轉速，以控制並改變風扇旋轉速度，利用風扇所產生的風流來帶走熱的方式以達到控制溫度的目的。然而，此種方式為藉由感測或監控所對應的元件中與溫度相關的環境參數或溫度參數(thermal parameter)(例如，由溫度感測器所測量到的溫度相關參數)以控制相同類型的元件(例如，控制風扇轉速)，並未考慮其他與溫度相關的環境參數(如功耗大小、風扇噪音等)，因而也無法對不同類型的元件輸出進行控制(例如，發光二極體(Light Emitting Diode，LED)的顯示、中央處理器(Central Processing Unit，CPU)或繪圖處理單元(Graphic Processing Unit，GPU)的升降頻以及功率控制等。

另一方面，傳統以查表方式控制風扇轉速的方式，大多採用固定溫度區間來設定風扇轉速。舉例來說，當溫度介於25℃至35℃時風扇轉速為35%、而當溫度介於36℃至45℃時風扇轉速為45%，並無法對應每一個溫度做出精細的控制。因此，風扇轉速控制方式不僅反應無法即時，且容易有無法達到精準控制的開關切換損失。

此外，現有的溫度控制裝置無法隨時監控所有與溫度相關的參數對於機台所帶來的整體影響，換言之，無法藉由多種類的溫度相關參數所對應的多項可控制元件的資訊來進行整體控制。

本發明提供一種溫度控制系統及溫度控制方法，可有效地提高溫度控制精準度及效率。

根據本公開的一些實施例，提供一種溫度控制系統。溫度控制系統包括處理電路、控制電路以及檢測電路。處理電路接收與溫度相關且彼此相關的多個輸入參數並輸出第一訊號。控制電路耦接處理電路及接收第一訊號。控制電路依據第一訊號執行類神經網路演算法計算，並依據類神經網路演算法的計算結果輸出控制訊號以同時調整多個第一目標參數以成為對應的多個第二目標參數。檢測電路耦接控制電路及處理電路，接收調整後的多個第二目標參數，判斷調整後的多個第二目標參數是否收斂至對應的多個預定值，並輸出一回饋訊號至處理電路以更新多個輸入參數。

根據本公開的一些實施例，提供一種溫度控制方法。溫度控制方法包括接收與溫度相關且彼此相關的多個輸入參數並輸出一第一訊號、依據第一訊號執行類神經網路演算法計算，依據類神經網路演算法的計算結果輸出一控制訊號以同時調整多個第一目標參數以成為對應的多個第二目標參數以及判斷多個第二目標參數是否收斂至對應的多個預定值，並輸出一回饋訊號。

基於上述，本發明的溫度控制系統及溫度控制方法採用了類神經網路演算法架構，因而可達到多個相關聯的輸入參數計算及對多個目標參數進行控制。其控制方法較一般方式具有更高的線性度，且可做出更精細的控制，輸入輸出關係曲線更加線性且連續，除此之外，使用此架構並不需額外增加其他硬體架構即可達到更好的溫度控制效果。

為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。

100、200、300、400:溫度控制系統

102:處理電路

104:控制電路

106:檢測電路

108:加法器

110:感測電路

402:系統處理器

404:溫度感測電路

406:電源監控裝置

408:噪聲感測器

412:風扇或水冷系統

414:中央處理器/圖形處理器

416:介面傳輸速度控制系統

500:演算法模型

600:小腦模型控制器架構

602:聯想記憶體層

604:超立方體層

S802~S816:步驟

BS:回饋訊號

CS:控制訊號

L1:輸入層

L2:隱藏層

L3:輸出層

O1、O2、O3、O4、Y1,...,Yn:目標參數

P、P1、P2、P3、X1,...,Xn:輸入參數

S1:第一訊號

S2:第二訊號

SUM:加總運算

W:權重

圖1繪示本發明一實施例的溫度控制系統的示意圖。

圖2繪示本發明另一實施例的溫度控制系統的示意圖。

圖3繪示本發明一實施例的溫度控制系統的訊號傳輸示意圖。

圖4繪示本發明一實施例的溫度控制系統的硬體架構示意圖。

圖5繪示本發明一實施例的類神經網路演算法模型的示意圖。

圖6繪示本發明一實施例的小腦模型控制器的架構示意圖。

圖7繪示本發明一實施例的小腦模型控制與風扇轉速的關係曲線圖。

圖8繪示本發明一實施例的溫度控制系統的溫度控制方法的流程圖。

本發明概念的特徵和實現所述特徵的方法可通過參考實施例的以下詳細描述和隨附圖式更容易地加以理解。下文中，將參考隨附圖式更詳細地描述實施例，在所述隨附圖式中，相同參考標號通篇指代相同元件。然而，本發明可以各種不同形式體現，且不應理解為受限於僅本文中說明的實施例。相反，將這些實施例作為實例來提供以使得本揭露將透徹且完整，且將向本領域的技術人員充分地傳達本發明的各方面和特徵。因此，可能並不描述對於本領域普通技術人員對本發明的方面和特徵的完整理解非必要的工藝、元件以及技術。除非另外指出，否則相同參考標號貫穿隨附圖式和書面描述表示相同元件，且因此將不重複其描述。在圖式中，為清楚起見，可能放大元件、層以及區域的相對大小。

在以下描述中，出於解釋的目的，闡述許多特定細節以提供對各種實施例的透徹理解。然而，顯而易知，可在沒有這些具體細節或有一或多種等效佈置的情況下實踐各種實施例。在其它情況下，以框圖的形式示出眾所周知的結構和裝置以便避免不必要地混淆各種實施例。

本文中使用的術語僅用於描述特定實施例的目的，且並不希望限制本發明。如本文中所使用，除非上下文另作明確指示，否則單數形式“一(a/an)”也意欲包含複數形式。將進一步理解，術語“包括(comprises/comprising)”、“具有(have/having)”、“包含(includes/including)”當在本說明書中使用時，表示所陳述特徵、整體、步驟、操作、元件和/或元件的存在，但不排除一或多個其它特徵、整體、步驟、操作、元件、元件和/或其群組的存在或增加。如本文中所使用，術語“和/或”包含相關聯的所列項中的一或多個的任何和所有組合。

如本文中所使用，術語“大體上”、“約”、“大致”以及類似術語用作近似的術語且不用作程度的術語，且意圖考慮將由本領域普通技術人員識別的測量值或計算值中的固有偏差。考慮到所討論的測量和與特定量的測量相關聯的誤差(即，測量系統的限制)，如本文中所使用，“約”或“大致”包含所陳述值且意指在由本領域的普通技術人員確定的特定值的偏差的可接受範圍內。舉例來說，“約”可意味著在一或多個標準差內，或在所陳述值的±30%、20%、10%、5%內。此外，當描述本發明的實施例時，使用“可”是指“本發明的一或多個實施例”。

當某一實施例可以不同方式實施時，特定處理次序可與所描述次序不同地執行。舉例來說，兩個連續描述的工藝可實質上同時執行或以與所描述次序相反的次序執行。

在本文中參考作為實施例和/或中間結構的示意說明的截面圖示來描述各種實施例。因而，應預期到作為例如製造技術和/ 或公差的結果而與圖示的形狀的差異。此外，出於描述根據本揭露的概念的實施例的目的，本文中所揭露的特定結構或功能性描述僅為說明性的。因此，本文中所揭露的實施例不應理解為受限於區域的特定圖示形狀，而是包含由(例如)製造引起的形狀偏差。

本文中所描述的根據本發明實施例的電子或電子裝置和/或任何其它相關裝置或元件可利用任一適合的硬體、韌體(例如專用積體電路)、軟體或軟體、韌體以及硬體的組合實施。舉例來說，這些裝置的各種元件可形成於一個積體電路(integrated circuit；IC)晶片上或在獨立IC晶片上。此外，這些裝置的各種元件可實施於柔性印刷電路膜、帶載封裝(tape carrier package；TCP)、印刷電路板(printed circuit board；PCB)上，或形成於一個基底上。此外，這些裝置的各種元件可以是在一或多個計算裝置中在一或多個處理器上運行、執行電腦程式指令以及與其它系統元件交互以用於執行本文中所描述的各種功能的進程或執行緒。電腦程式指令儲存於可使用例如隨機存取記憶體(random access memory；RAM)的標準記憶體裝置在計算裝置中實施的記憶體中。電腦程式指令也可儲存在例如CD-ROM、快閃記憶體驅動器或類似物的其它非暫時性電腦可讀媒體中。此外，本領域的技術人員應認識到可將各種計算裝置的功能組合或集成到單個計算裝置中，或可將特定計算裝置的功能分佈於一或多個其它計算裝置上而不脫離本發明的示範性實施例的精神和範圍。

除非另外定義，否則本文中所使用的所有術語(包含技術和科學術語)具有本發明所屬領域的普通技術人員所通常理解的相同意義。將進一步理解，術語(例如常用詞典中所定義的那些術語)應解釋為具有與其在相關技術的上下文和/或本說明書中的含義一致的含義，且不應在理想化或過分形式化的意義上進行解釋，除非在本文中這樣明確地定義。

圖1繪示本發明一實施例的溫度控制系統的示意圖，請參照圖1。溫度控制系統100可包括處理電路102、控制電路104以及檢測電路106。其中處理電路102可接收來自外部環境或其他裝置的多個輸入參數P並輸出一第一訊號S1。這些輸入參數P與溫度具有相關性。此外，多個輸入參數P彼此可以是正相關、負相關、線性相關或非線性相關，本申請並不加以限制。例如，這些輸入參數可以是溫度參數(單位：T)、系統功率消耗參數(單位：W)以及噪聲參數(單位：dB)的其中至少一者或其組合，本申請不加以限制。因此，第一訊號S1至少包括溫度參數的資訊、系統功率消耗參數的資訊以及噪聲參數的資訊的其中至少一者或其組合。

在一實施例中，溫度參數、系統功率消耗參數以及噪聲參數彼此相關。換言之，溫度參數、系統功率消耗參數以及噪聲參數的每一者至少具有一與溫度相關的變數。具體而言，在一實施例中，溫度參數可以表示系統、裝置或電路與溫度的關係。在一實施例中，系統功率消耗參數可以表示系統、裝置、中央處理器、繪圖處理器、電路或其他硬體的功率消耗程度。在一實施例中，噪聲參數可以表示系統、裝置、風扇、馬達或蜂鳴器等所產生的噪聲。

在本實施例中，控制電路104耦接該處理電路102。控制電路104被配置為接收來自該第一訊號S1，並且依據第一訊號S1執行類神經網路演算法計算。並且，控制電路104依據類神經網路演算法的計算結果輸出一控制訊號CS。在本實施例中，控制訊號CS可以用來同時調整或控制多個裝置的多個目標參數。在一些實施例中，每一個裝置可具有多個目標參數。舉例來說，這些目標參數至少包括發光二極體顏色參數(LED color)、風扇轉速參數(fan speed)、水冷系統參數(cooling control)、中央處理器的時脈頻率參數(CPU underclocking)、圖形處理器的時脈頻率參數(GPU underclocking)、風扇噪聲參數(fan noise)、電力參數(power control)以及介面傳輸速度參數(port speed)的其中至少一者或其組合，本申請不加以限制。在一些實施例中，控制訊號CS具有複數個相異的控制訊號的資訊，這些相異的控制訊號分別控制對應的系統或裝置。在一些實施例中，目標參數的個數可大於或等於輸入參數P的個數。

在本實施例中，檢測電路106耦接該控制電路104及該處理電路102。檢測電路106接收透過控制電路104的控制訊號CS調整後的多個目標參數，並且檢測電路106可判斷該調整後的多個目標參數是否已收斂至對應的多個預定值，並輸出一回饋訊號BS至處理電路102。在一實施例中，檢測電路102可以根據系統的環境溫度或裝置的工作溫度之需求對多個目標參數預先設定對應的多個預定值。此外，控制電路104在不同環境及多個輸入參數P下可以依據類神經網路演算法以自動控制溫度控制系統100收斂至多個預定值。

在本實施例中，回饋訊號BS包括調整後的多個目標參數與各自對應的該多個預定值的差值的資訊。舉例來說，溫度目標參數與溫度的預定值之差值為1℃(即，△T=1℃)。功率損耗目標參數與功率損耗的預定值之差值為20瓦特(W)(即，△W=20W)。噪聲目標參數與噪聲的預定值之差值為5分貝(dB)(即，△dB=5dB)。

圖2繪示本發明另一實施例的溫度控制系統的示意圖，請參考圖2。相較於圖1實施例，本實施例的溫度控制系統200包括處理電路102、控制電路104以及檢測電路106。其中處理電路102更包括感測電路110以及加法器108。在本實施例中，感測電路110耦接該處理電路102。感測電路110還可感測多個輸入參數P，並依據多個輸入參數P輸出一第二訊號S2。其中，第二訊號S2包括多個感測目標所各自對應的多個輸入參數的資訊。舉例來說，感測目標可以是馬達，其對應的輸入參數例如是馬達轉速及/或馬達的輸入功率。或者，感測目標可以是風扇，其對應的輸入參數例如是風扇轉速或風扇開啟的數量。

在一些實施例中，感測電路110可連接熱源(未繪示)，熱源可例如為中央處理器或顯示晶片等運作時會產生熱能的裝置，然不以此為限。在一些實施例中，感測電路110可感測導熱件(未繪示)的溫度而產生溫度感測訊號。導熱件可例如包括鋁合金、銀合金或銅合金等具有高熱傳導係數的金屬材質。在一些實施例中，導熱件可例如為金屬容器，其可與散熱模組的水冷裝置(未繪示)中的循環管路連接。

在一些實施例中，處理電路102可例如為嵌入式控制晶片，控制電路104可依據第一訊號S1產生控制訊號CS給檢測電路106的熱電致冷晶片。在一些實施例中，導熱件可例如是耦合於檢測電路106的熱電致冷晶片(未繪示)的冷面上。熱電致冷晶片可依據所接收的電壓產生熱面與冷面，當熱電致冷晶片所接收的電壓越高時，熱面與冷面間的溫差越大，換言之，冷面的溫度將越低，而熱面的溫度將越高。在一些實施例中，熱電致冷晶片可依據輸出電壓調整熱電致冷晶片的冷面的溫度，進而調整導熱件的溫度，而對熱源進行散熱。例如熱源為在高頻率高效能下運作的中央處理器時，熱電致冷晶片可透過導熱件有效地降低中央處理器的溫度，而使中央處理器可正常地發揮高頻率高效能的運作。

在本實施例中，加法器108具有第一端、第二端及第三端。其中加法器108的第一端耦接感測電路110並接收第二訊號S2。加法器108的第二端耦接檢測電路106，並接收由檢測電路106所傳送的回饋訊號BS。加法器108將第二訊號S2與回饋訊號BS(具有與目標值的差值資訊)進行加總，以更新原來的多個輸入參數P，使更新後的輸入參數逐漸收斂至預定的目標值。加法器108的第三端輸出具有更新後的多個輸入參數的資訊的第一訊號 S1。在一些實施例中，加法器108的第一端為正向輸入端，加法器108的第二端為負向輸入端。在一些替代性的實施例中，加法器108的第一端為負向輸入端，加法器108的第二端為正向輸入端。其中，正向與負向可視系統設計而定，本申請不加以限制。

圖3繪示本發明一實施例的溫度控制系統的訊號傳輸示意圖，請參考圖3。溫度控制系統300包括處理電路102、控制電路104以及檢測電路106。處理電路102可接收來自外部環境或其他裝置的多個輸入參數並輸出一第一訊號S1。第一訊號S1至少包括溫度參數的資訊、系統功率消耗參數的資訊以及噪聲參數的資訊等多個輸入參數(X1,...,Xn)的資訊。控制電路104接收第一訊號S1，並經過類神經網路演算法計算後輸出控制訊號CS以同時控制多個裝置。控制訊號CS至少包括發光二極體顏色參數、風扇轉速參數、水冷系統參數、中央處理器的時脈頻率參數、圖形處理器的時脈頻率參數、風扇噪聲參數、電力參數以及介面傳輸速度參數等多個輸出目標參數(Y1,...,Yn)的資訊。舉例來說，發光二極體顏色參數至少包括紅色、綠色、藍色等三種顏色的發光二極體的其中一種或其組合是否開啟或關閉。另一方面，中央處理器或圖形(繪圖)處理器的時脈頻率參數可包括升、降頻參數，控制訊號CS可以藉由控制中央處理器或圖形(繪圖)處理器的時脈來調整其對應的功耗。或者，水冷系統參數則可由控制訊號CS控制，以決定是否啟動水冷系統，以輔助目標系統或裝置降溫。

圖4繪示本發明一實施例的溫度控制系統的硬體架構示意圖，請參考圖4。在本實施例中，溫度控制系統400的硬體裝置包括系統處理器(System processor)402、溫度感測電路(Temperature sensor)404、電源監控裝置(Power monitor)406、噪聲感測器(Noise sensor)408、發光二極體(LED)410、風扇或水冷系統(Fan/cooling system)412、處理器414(例如，處理器還可以是中央處理器(CPU)、數位訊號處理器(digital signal processor，DSP)、微處理器(micro-processor unit，MPU)、圖形處理器(GPU)、微控制器(microcontroller unit，MCU))以及介面傳輸速度控制系統(Port speed)416，然本發明不限於此。在一些實施例中，系統處理器402與溫度感測電路404、電源監控裝置406以及噪聲感測器408電性連接。系統處理器402將自溫度感測電路404、電源監控裝置406以及噪聲感測器408所接收到的輸入參數進行類神經網路運算後，將運算結果傳送到與系統處理器402的輸出端分別電性連接的發光二極體410、風扇或水冷系統412、中央處理器/圖形處理器416以及介面傳輸控制系統418處，並對其所對應的目標參數進行調整或更新。其中，關於類神經網路運算的詳細說明，請參見下文。

圖5繪示本發明一實施例的類神經網路演算法模型的示意圖，圖6繪示本發明一實施例的小腦模型控制器的架構示意圖。請同時參考圖5及圖6。

在本實施例中，類神經網路演算法模型500使用一小腦模型控制器(Cerebellar Model Articulation Controller(CMAC))的架構600。小腦模型控制器利用一組索引指標，針對不同的輸入參數P1、P2、P3產生對應的記憶體位址以讀取記憶體空間內的資料，並且利用記憶體空間內的資料內容產生一組輸出目標參數，而輸出目標參數的資訊與預期輸出(即，預定的目標值)之間的差異，會透過回授或回饋(feedback)到記憶體空間內以調整原記憶體空間內的資料內容。經過多次反饋調整直到輸出目標參數收斂到一個容許的誤差範圍內或滿足預定的目標值才停止學習。在本實施例中，CMAC至少包括三個階層，每一階層具有相對應的神經元，該三個階層包括一輸入層(input layer)L1、一隱藏層(hidden layer)L2以及一輸出層(output layer)L3。在本實施例中，輸入層L1接收多個輸入參數P1、P2、P3，然本實施例不限制輸入參數的個數。在本實施例中，隱藏層L2耦接輸入層L1，並依據多個輸入參數P1、P2、P3進行監督式運算或監督式學習運算。在本實施例中，輸出層L3耦接隱藏層L2，並依據監督式運算的結果輸出溫度控制系統所欲控制的多個目標參數O1、O2、O3、O4，然本實施例不限制目標參數的個數。在一些實施例中，每個輸入參數可劃分為多個特徵(或狀態)參數，而所劃分的特徵參數的個數多寡，與CMAC的學習效果具有高度相關性。這些特徵參數在CMAC學習運算的過程中可作為取樣函數(sampling function)。在一些實施例中，每個特徵參數所分配到的記憶體空間可彼此重疊。

請參考圖6，在本實施例中，隱藏層L2包括一聯想記憶體層(Association layer)602。其中，聯想記憶體層602具有多組聯想記憶體空間，每一組的聯想記憶體空間具有多個特徵函數(character function)。具體而言，每一組的聯想記憶體空間具有多層的記憶體空間，每層記憶體空間具有對應的特徵函數。在一些實施例中，位於同一組的多個特徵函數彼此相關(correlated)。在一實施例中，特徵函數使用高斯函數(Gaussian function)作為基底函數以取代常數函數，來增進小腦模型控制器的學習能力。特別是是，如此不但輸出與輸入之間的微分訊息可被保留，且擁有相對較佳的學習準確度，其中學習性能的比較採用均方根誤差(root mean square error)來進行評估。值得注意的是，在執行運算時高斯基底函數只對其對應的該層超立方體有作用，對其它層超立方體並無影響。在一實施例中，特徵函數也可使用其他基底函數。在一些實施例中，聯想記憶體層602接收多個輸入參數P1、P2、P3，並將多個輸入參數P1、P2、P3對應的聯想記憶體空間與高斯函數進行內積運算。

在本實施例中，隱藏層L2還包括一超立方體層(Receptive field)604，超立方體層604中具有多個超立方體空間，每個超立方體空間為由聯想記憶體空間與高斯函數經過內積運算的結果所映射而成的位於不同層的記憶體空間。其中，在一些實施例中，超立方體空間的個數與該溫度控制系統所需的記憶體空間成正相關。或者，在一些實施例中，超立方體空間的個數與該溫度控制系統所需的記憶體空間相等。在一些實施例中，在多個輸入參數P1、P2、P3中，相關性越高的輸入參數所共用的超立方體空間的個數愈多。舉例來說，輸入參數P1(例如：風扇轉速)與輸入參數P2(例如：風扇功率損耗)相關性為70%，其所共用的超立方體空間個數為3個。輸入參數P3(例如：風扇啟動個數)與輸入參數P2(例如：風扇功率損耗)相關性為90%，其所共用的超立方體空間個數為6個。其中，相關性之計算視輸入參數與CMAC演算法計算結果而定，本申請不加以限制。在一些實施例中，輸入參數P1、P2、P3的個數與超立方體空間的個數(或者劃分的記憶體空間的區域個數)相同。在一些實施例中，輸入參數可以由單變數或多變數的矩陣來表示。在一些實施例中，針對不同狀態(state)或特徵的輸入參數資料可存放於不同層的超立方體空間所指向的記憶體空間中。

在本實施例中，隱藏層L2還包括一權重層W，該權重層包括多組權重空間(例如：W₁=(w₁₁,w₁₂,w₁₃)、W₂=(w₂₁,w₂₂,w₂₃)、W₃=(w₃₁,w₃₂,w₃₃))，每組權重空間具有依據溫度控制系統的目標參數的邊界值(boundary value)預先設定的多個權重向量(weighting vector)(例如：(w₁₁,w₁₂,w₁₃)、(w₂₁,w₂₂,w₂₃)、(w₃₁,w₃₂,w₃₃))。在本實施例中，每一超立方體空間與對應的權重向量進行運算，再經過代數加總運算(Σ)SUM後得到隱藏層L2的輸出，隱藏層L2的輸出接著再被傳送至輸出層L3。因此，輸出層L3具有經過CMAC演算法計算後的輸出目標參數O1、O2、O3、 O4。在一些實施例中，輸入參數個數與輸出的目標參數的個數不加以限制。在一些實施例中，輸出目標參數可以由一由單變數或多變數的矩陣來表示。

在一實施例中，輸入參數P1、P2、P3所構成的矩陣P可表示為P=[P₁,P₂,P₃]，輸出目標參數O1、O2、O3、O4所構成的矩陣O可表示為O=[O₁,O₂,O₃,O₄]。其中，溫度參數(P₁)的範圍介於0℃至125℃之間(即，P₁

[0,125])、功率消(損)耗參數(P₂)的範圍介於0瓦特(W)至1500瓦特(W)之間(即，P₂

[0,1500])、噪聲參數(P₃)的範圍介於0分貝(dB)至150分貝(dB)之間(即，P₃

[0,150])。其中，目標參數O₁可例如是LED顏色參數、目標參數O₂可例如是風扇系統或水冷系統參數、目標參數O₃可例如是GPU/CPU的時脈升降頻參數以及目標參數O₄可例如是禁能(或致能)介面輸入/輸出埠參數，本申請上述僅為實例且不旨在進行限制。

圖7繪示本發明一實施例的小腦模型控制與風扇轉速的關係曲線圖，請參考圖7。一般而言，溫度監控技術僅限於針對同一種類型的環境參數來對應控制目標裝置或目標系統，並無法同時控制多種類型的關聯輸入參數所對應的多項可控制目標裝置或目標系統。此外，一般的溫度控制使用查表型式對目標裝置或目標系統的輸出參數進行控制，無法精準針對每一種情況，做出精細的控制。相較之下，根據圖7所示，採用CMAC運算模型可以有效提高輸入參數與輸出目標參數之間的關係曲線的線性度，且其曲線的趨勢較為連續。舉例來說，風扇轉速與系統溫度之間的關係具有不確定性，但風扇轉速將間接影響到系統溫度變化，利用控制電路的目標輸出參數對風扇轉速進行自適應性調整或自適應控制可最佳化系統的整體溫度與風扇轉速之間的關係，因而可間接地讓執行中的CPU發揮最佳的效能。

圖8繪示本發明一實施例的溫度控制系統的溫度控制方法的流程圖，請參考圖8。由上述實施例可知，溫度控制系統的溫度控制方法可包括下列步驟S802~S814。首先，在接收到輸入參數(步驟S802)及設定第一目標參數的目標值(步驟S804)後，系統即進入控制流程。具體而言，在步驟S802中，接收與溫度相關且彼此相關的多個第一輸入參數(溫度、系統功耗、風扇噪音)並輸出一第一訊號。然後，在步驟S804中，對多個第一目標參數設定對應的多個預定值。換言之，步驟S804對於欲控制的參數設定對應的目標值。之後，在步驟S806中，可依據該第一訊號執行一類神經網路演算法(小腦網路模型控制器或小腦模型控制器)計算。在步驟S808中，並依據該類神經網路演算法的計算結果輸出一控制訊號以同時調整該多個第一目標參數以成為對應的多個第二目標參數。接著，在步驟S810中，判斷調整後的多個第二目標參數是否收斂至對應的多個預定值，並輸出一回饋訊號以更新該多個輸入參數。例如，溫度是否小於70℃、風扇噪聲是否小於80dB以及功率損耗是否小於1200W。在步驟S812中，若不滿足目標值，則對控制的第一目標參數的權重、平均值、變異數進行更新，並使用更新後的參數進行新一輪或下一回合的控制，直至收斂至預定的目標值。在步驟S814中，若收斂至對應的多個預定值(或多個預定的目標值)，則停止執行類神經網路演算法的運算。控制電路仍然持續監控系統中的多個第二目標參數直到多個第二目標參數未收斂至對應的多個預定值(或未達多個預定的目標值)，再進入新一輪或下一回合的參數更新及控制。換言之，控制電路會持續監控系統，也就是說，控制電路仍保持原來的監控狀態，而不會停止監控。若更新後的多個輸入參數經過下一回合的小腦(或小腦網路)模型控制器的計算後所輸出的更新後的多個第二目標參數收斂至多個預定值，則持續監控更新後的多個第二目標參數，直到更新後的多個第二目標參數再度未收斂至該多個預定值，並進行下一回合的溫度控制。值得注意的是，控制電路將持續監控系統，不論是否收斂至目標，控制電路都會不斷監控系統的輸入參數值，當偵測到未收斂至目標參數的目標值則進入更新參數的程序。

在一實施例中，第一訊號至少包括溫度參數的資訊、系統功率消耗參數的資訊以及噪聲參數的資訊，其中控制訊號控制多個第一目標參數。此外，多個第一目標參數至少包括發光二極體顏色參數、風扇轉速參數、水冷系統參數、中央處理器的時脈頻率參數、圖形處理器的時脈頻率參數、風扇噪聲參數、介面傳輸速度參數的至少其中兩者或其任意之組合。

綜上所述，本發明的溫度控制系統及溫度控制方法採用了小腦網路控制器的演算法架構，因而可達到多個相關聯的輸入參數計算及對多個目標參數進行控制。其控制方法較一般方式具有更高的線性度，且可做出更精細的控制，輸入輸出關係曲線更加線性且連續，除此之外，使用此架構並不需額外增加其他硬體架構即可達到更好的溫度控制效果。

雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。

100：溫度控制系統 102：處理電路 104：控制電路 106：檢測電路 BS：回饋訊號 CS：控制訊號 P：輸入參數 S1：第一訊號

Claims

一種溫度控制系統，該溫度控制系統包括：一處理電路，接收與溫度相關的多個輸入參數並輸出一第一訊號；一控制電路，耦接該處理電路及接收該第一訊號，依據該第一訊號執行一類神經網路演算法計算，依據該類神經網路演算法的計算結果輸出一控制訊號以調整多個第一目標參數以成為對應的多個第二目標參數；以及一檢測電路，耦接該控制電路及該處理電路，該檢測電路接收該多個第二目標參數，判斷該多個第二目標參數是否收斂至對應的多個預定值，並輸出一回饋訊號至該處理電路以更新該多個輸入參數，若該多個第二目標參數收斂至所述多個預定值，則停止執行所述類神經網路演算法的運算，其中該控制訊號控制多個目標參數，其中該多個目標參數包括發光二極體顏色參數、風扇轉速參數、水冷系統參數、中央處理器的時脈頻率參數、圖形處理器的時脈頻率參數、風扇噪聲參數、介面傳輸速度參數的至少其中兩者。
如申請專利範圍第1項所述的溫度控制系統，其中該回饋訊號包括該多個第二目標參數與對應的該多個預定值的差值的資訊。
如申請專利範圍第1項所述的溫度控制系統，其中該處理電路還包括：一感測電路，耦接該處理電路，感測該多個輸入參數，依據該多個輸入參數輸出一第二訊號；以及一加法器，具有第一端、第二端及第三端，其中該第一端耦接該感測電路並接收該第二訊號，該第二端耦接該檢測電路並接收該回饋訊號，該加法器將該第二訊號與該回饋訊號進行加總以更新該多個輸入參數，該第三端輸出具有更新後的多個輸入參數的資訊的第一訊號。
如申請專利範圍第3項所述的溫度控制系統，其中該第二訊號包括多個感測目標所各自對應的該多個輸入參數的資訊。
如申請專利範圍第3項所述的溫度控制系統，其中該第一端為正輸入端，該第二端為負輸入端。
如申請專利範圍第1項所述的溫度控制系統，其中該第一訊號至少包括溫度參數的資訊、系統功率消耗參數的資訊以及噪聲參數的資訊，且該溫度參數、該系統功率消耗參數以及該噪聲參數彼此相關。
如申請專利範圍第1項所述的溫度控制系統，其中該控制訊號控制該多個第一目標參數，該多個第一目標參數包括發光二極體顏色參數、風扇轉速參數、水冷系統參數、中央處理器的時脈頻率參數、圖形處理器的時脈頻率參數、風扇噪聲參數、介面傳輸速度參數的至少其中兩者。
如申請專利範圍第1項所述的溫度控制系統，其中該多個第一目標參數個數大於該多個輸入參數個數。
如申請專利範圍第1項所述的溫度控制系統，其中該檢測電路對該多個第一目標參數預先設定對應的該多個預定值，該控制電路在不同環境及該多個輸入參數下依據該類神經網路演算法自動控制該溫度控制系統收斂至該多個預定值。
如申請專利範圍第1項所述的溫度控制系統，其中該類神經網路演算法使用一小腦模型控制器的架構。
如申請專利範圍第10項所述的溫度控制系統，其中該小腦模型控制器至少包括三個階層，每一階層具有相對應的神經元，該三個階層包括：一輸入層，接收該多個輸入參數；一隱藏層，耦接該輸入層，依據該多個輸入參數進行監督式運算；以及一輸出層，耦接該隱藏層，依據該監督式運算的結果輸出該溫度控制系統所欲控制的該多個第一目標參數。
如申請專利範圍第11項所述的溫度控制系統，其中該隱藏層包括一聯想記憶體層，該聯想記憶體層具有多組聯想記憶體空間，每一組的聯想記憶體空間具有相關的多個特徵函數，該多個特徵函數使用高斯函數作為基底函數。
如申請專利範圍第12項所述的溫度控制系統，其中該聯想記憶體層接收該多個輸入參數並將該多個輸入參數對應的聯想記憶體空間與該高斯函數進行內積運算。
如申請專利範圍第13項所述的溫度控制系統，其中該隱藏層還包括一超立方體層，該超立方體層中具有多個超立方體空間，每個超立方體空間為由該內積運算的結果映射而成的記憶體空間，其中該多個超立方體空間的個數與該溫度控制系統所需的記憶體空間成正相關。
如申請專利範圍第14項所述的溫度控制系統，其中在該多個輸入參數中，相關性越高的輸入參數所共用的超立方體空間的個數愈多。
如申請專利範圍第14項所述的溫度控制系統，其中該多個輸入參數的個數與該多個超立方體空間的個數相同。
如申請專利範圍第14項所述的溫度控制系統，其中該隱藏層還包括一權重層，該權重層包括多組權重空間，每組權重空間具有依據該溫度控制系統的邊界值預先設定的多個權重向量。
如申請專利範圍第17項所述的溫度控制系統，其中每一超立方體空間與對應的權重向量進行運算，再經過代數加總後得到該隱藏層的輸出，並將該隱藏層的輸出傳送至該輸出層。
一種溫度控制方法，該溫度控制方法包括：接收與溫度相關的多個輸入參數並輸出一第一訊號；依據該第一訊號執行一類神經網路演算法計算；依據該類神經網路演算法的計算結果輸出一控制訊號以同時調整多個第一目標參數以成為對應的多個第二目標參數；判斷該多個第二目標參數是否收斂至對應的多個預定值，並輸出一回饋訊號以更新該多個輸入參數；以及若該多個第二目標參數收斂至所述多個預定值，則停止執行所述類神經網路演算法的運算，其中該控制訊號控制多個目標參數，其中該多個目標參數包括發光二極體顏色參數、風扇轉速參數、水冷系統參數、中央處理器的時脈頻率參數、圖形處理器的時脈頻率參數、風扇噪聲參數、介面傳輸速度參數的至少其中兩者。
如申請專利範圍第19項所述的溫度控制方法，該溫度控制方法還包括：對多個第一目標參數設定對應的多個預定值，其中該第一訊號至少包括溫度參數的資訊、系統功率消耗參數的資訊以及噪聲參數的資訊。