【技术实现步骤摘要】
一种基于神经网络的机箱风扇排布风道预测方法
[0001]本专利技术涉及机箱风扇风道预测技术，特别涉及一种基于神经网络的机箱风扇排布风道预测方法。
技术介绍
[0002]个人计算机及大型计算服务器是人类生活及生产活动的重要工具，具有广阔的市场。但是计算机运行过程中会产生大量的热量，积热导致的温度升高会影响计算机的正常运行，严重的甚至会导致过载、宕机等问题，从而损害到计算机的使用寿命。为解决散热问题，需要对机箱及机箱内的主要配件进行散热，而目前机箱的主要散热方式主要为风冷和水冷。风冷技术通过在机箱侧面及内部布置相应的风扇形成风道，将热量排出机箱。合理的风道设计可有效减小计算机运行过程中的热负荷问题。
[0003]然而，市面上有大量的机箱类型，每种机箱可布置风扇的数量和位置也不尽相同。另外，市面上不同品牌不同功率的风扇有大量的选择，选择错误的风扇，或者不合理的布置，未必可以获得最佳的散热流道，同时也有相应的成本问题。同时，由于气流的不可见的特征，人们很难直接了解到机箱内的流道。尽管可以通过数值模拟的方法获得机箱内部流场的具...
【技术保护点】
【技术特征摘要】
1.一种基于神经网络的机箱风扇排布风道预测方法，其特征在于，包括以下步骤：步骤1，在机箱每个风扇位分别均匀布置至少4个压力传感器，利用压力传感器获取机箱运行过程中每个风扇位的压力，记为P1；步骤2，将每个风扇位的压力分别分解到x和y方向上；其中x方向为水平方向，y方向为竖直方向；步骤3，利用格子玻尔兹曼方法模拟机箱在相同条件下每个风扇位沿x和y方向的流场数据，分别获得每个风扇位沿x和y方向上的平均压力模拟值；步骤4，将风扇位沿x和y方向上的平均压力模拟值进行合成，将合成后的压力模拟值记为P2，比较P1和P2的压力差，当压力差小于预设值时，认可模拟值，并输出模拟的流场数据；步骤5，将步骤4中模拟得到的流场和压力场数据分成训练集和验证集，利用训练集训练神经网络模型，并利用验证集对神经网络模型进行验证；步骤6，利用完成验证后的神经网络模型对机箱中任意风扇位置预测机箱风道。2.根据权利要求1所述的基于神经网络的机箱风扇排布风道预测方法，其特征在于，在步骤1中，利用均值表示风扇位的压力，则其中均值的表达式为：其中，N表示压力传感器的总数量，N≥4，下标p表示机箱中的第p个风扇位。3.根据权利要求2所述的基于神经网络的机箱风扇排布风道预测方法，其特征在于，在步骤2中风扇位的压力满足下式：式中，表示机箱中的第p个风扇位x方向上的平均压力，表示机箱中的第p个风扇位y方向上的平均压力，i、j分别表示x和y方向上的向量。4...
【专利技术属性】
技术研发人员：霍宇涛，沈仕轩，李冰冰，王淞，郭成龙，梁林，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。