基于机器学习的电竞主机电源状态分析方法技术

本发明专利技术属于数据采集

【技术实现步骤摘要】
基于机器学习的电竞主机电源状态分析方法


[0001]本专利技术属于数据采集
、
实时监测
，具体涉及基于机器学习的电竞主机电源状态分析方法
。

技术介绍

[0002]电竞项目的应用需求往往具有高刷新率低延迟的需求，同时游戏图形具有相当的复杂性和重复性，因此针对电竞项目的电竞主机通常对硬件设备都具有相当高的性能需求，其中电竞主机的电源为主机中各个部件或者零器件提供电力供应，电力供应的稳定性对电竞主机起着至关重要的作用，而目前市面上有依赖于电源温度进行状态监测的方法普遍都具有滞后性，即在对电源状态进行的监测采用的实时反馈机制，这种监测机制只能对电源状态异常进行简单判别，即对主机电源的运行状态是否属于可控范围或者最大异常风险以下阈值进行判别，这样的电源状态分析不仅使得电竞主机的电源稳定性无法得到保证，同时由于对电源的确切问题无法精确判别，使得电源返厂维修或者专业人员对电源故障的诊析的过程变得低效耗时而且复杂，因此亟需一种有效提高电源状态分析效率的方法，能通过机器学习结合主机电源各个关键位点温度的常态特性与实事特性进行横向本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于机器学习的电竞主机电源状态分析方法，其特征在于，所述方法包括以下步骤：
S100
，在电源中布置子析点位监测系统，其中子析点位监测系统中包含温度测量仪器；
S200
，利用温度测量仪器进行数据采集，获得监测值；
S300
，通过监测值构建事件集解析模型并形成析态序列；
S400
，根据析态序列进行电源状态分析；其中步骤
S300
中通过监测值构建事件集解析模型并形成析态序列的方法是，利用
CPU
占用率的平均值和
GPU
占用率定义事件集刻度，并利用事件集刻度划分出事件集区间，通过事件集区间内的监测值筛选出下行区间，从下行区间的监测值计算测值下行量和缺省刻度比例，并通过这两个变量计算偏异解析值，将各个子析点位的偏异解析值构建成序列作为析态序列
。2.
根据权利要求1所述的基于机器学习的电竞主机电源状态分析方法，其特征在于，在步骤
S100
中，所述在电源中布置子析点位监测系统，其中子析点位监测系统中包含温度测量仪器的方法是：在电源中布置的子析点位监测系统包括若干子析点位，子析点位为在 PSU
电源供应单元的任一关键元器件上或关键元器件内的位置，这些关键元器件包括变压器
、
电感线圈
、
电容器
、
整流器
、
开关元件或者电路板中的一个或者多个；温度测量仪器包括热敏传感器
、
热敏电阻器
、
热电偶传感器
、
红外温度传感器或者其它可用于实时测量子析点位的温度值的仪器
。3.
根据权利要求1所述的基于机器学习的电竞主机电源状态分析方法，其特征在于，在步骤
S200
中，所述利用温度测量仪器进行数据采集，获得监测值的方法是：温度测量仪器实时对各个子析点位进行温度测量，并且获得温度值
hpt
；设定一个时间段作为基础溯源度
BsTrc,BsTrc∈[0.5,2]
分钟；如果一个时刻电源的峰值功率被触发，并且该触发不为开机或者关机导致，则定义该时刻发生功率触峰事件；当功率触峰事件触发，则获取当前时刻的前
BsTrc
时间段内各个时刻的
CPU
占用率中的最小值作为算核阈值，获取当前时刻的前
BsTrc
时间段内各个时刻的
GPU
占用率中的最小值作为显核阈值；从当前时刻开始往前搜索首个出现
CPU
占用率小于算核阈值的时刻以及首个出现
GPU
占用率小于显核阈值的时刻，将这两个时刻的时间刻度中距离当前时刻最远的对应刻度作为触峰溯源刻度，将当前时刻到触峰溯源刻度之间的时间段记为实测溯源度
RTrc
；获取一个子析点位当前
RTrc
时间段内各个时刻的温度值，把其中的最小值记作
Lw_pt
；则该子析点各个时刻对应的监测值为
Dtlv
＝
ln(hpt/Lw_pt)。4.
根据权利要求1所述的基于机器学习的电竞主机电源状态分析方法，其特征在于，在步骤
S300
中，所述通过监测值构建事件集解析模型并形成析态序列的方法是：获取当前
RTrc
时间段内各个时刻的
CPU
占用率的平均值和
GPU
占用率的平均值分别记作算核均度和显核均度，如果一个时刻的
CPU
占用率小于算核均度并且
GPU
占用率小于显核均度则定义该时刻发生算力缺省事件，定义发生算力缺省事件的时刻为事件集刻度；将一个子析点位当前
RTrc
时间段内各时刻下的监测值构建成序列作为监测序列，以一个事件集刻度与其前一个事件集刻度之间的各个时刻作为一个事件集区间，将事件集区间内各个监测值的平均值记作
G_Dtlv
，所有事件集区间对应的
G_Dtlv
的算数平均值记作
T_G_Dtlv
如果一个事件集区间满足
G_Dtlv
＜
T_G_Dtlv
，则定义这样的事件集区间为下行区间；
下行区间的数量为
n_tr, 以下行区间各个监测值中最大值与最小值的差值作为下行区间的测值下行量
Dmv
，各个行区间的测值下行量构成的序列记作
Dmv_Ls
；下行区间中事件集刻度的数量与其包含的时刻数量的比值为缺省刻度比例
...

【专利技术属性】
技术研发人员：赵宗晖，
申请(专利权)人：惠州市鑫晖源科技有限公司，
类型：发明
国别省市：