买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中捷通信有限公司;深圳博熵科技有限公司申请的专利一种基于深度学习的服务器温度控制方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121116029B 。

龙图腾网通过国家知识产权局官网在2026-04-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511165462.3，技术领域涉及：G06F1/20；该发明授权一种基于深度学习的服务器温度控制方法及系统是由江日新;黄斌;赵嘉焜;黄小勇;彭洁慧设计研发完成，并于2025-08-20向国家知识产权局提交的专利申请。

本一种基于深度学习的服务器温度控制方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的服务器温度控制方法及系统，属于服务器温度控制技术领域，首先同步采集服务器硬件温度、业务负载及环境参数，结合热成像技术捕捉热传导关系，通过时空融合处理构建动态关系网络；基于该网络构建热流预测模型，结合业务负载特征分析生成的热响应特性衰减系数动态修正模型参数，预测温度分布变化；并据此生成候选控制策略集，通过复合场景仿真筛选最优策略并生成控制指令；实时比对控制指令执行后的实际温度与模型预测温度，当偏差超出阈值时切换至安全控制模式，偏差恢复后提取增量样本更新模型参数，从而实现精准温控。

本发明授权一种基于深度学习的服务器温度控制方法及系统在权利要求书中公布了：1.一种基于深度学习的服务器温度控制方法，其特征在于：所述方法包括： S100：同步采集服务器硬件温度数据、业务运行负载数据和环境参数，通过热成像技术捕捉设备间的热传导关系；采用时空融合算法处理多维数据，构建反映热传递路径和强度的动态关系网络； 所述S100包括： S110：通过部署于服务器各关键部件的温度传感器阵列采集硬件温度数据，通过服务器内置的系统监控接口获取业务运行负载数据，通过环境监测设备采集机房温湿度及气流分布参数； S120：采用红外热成像设备周期性扫描服务器表面，获取服务器各部件及相邻设备间热辐射强度的空间分布图像、热传导路径的空间拓扑形态，提取温度场梯度变化率作为热传导关系的量化指标； S130：采用最近邻插值法对硬件温度数据、业务负载数据、环境参数及热传导关系进行时间戳同步，将不同采样频率的多维数据统一到相同的时间网格中，构建多维时序数据集D={xt1,xt2,...,xtn}，t∈[1,T]；其中xtn表示t时刻第n类数据的特征值；T表示时间序列的总长度；对多维时序数据集进行标准化预处理，同时对热成像数据进行高斯平滑降噪处理； 基于预处理后的多维时序数据构建动态关系网络，其中节点集表示服务器组件，每个节点包含温度值、负载特征值及环境参数值的特征向量；边集表示组件间的热传导关系，边权重wij通过热成像数据计算得到，具体计算公式为：wij=▽Tij||▽Tmax||×α+β；其中▽Tij表示节点i与j之间的温度梯度向量，||▽Tmax||表示全局最大温度梯度范数，α为热传导敏感度系数，取值范围为0,2]，用于调节归一化温度梯度对边权重的影响幅度；β为基础热关联偏置项，取值范围为[0.1,0.3]；α和β均为模型可学习的调整参数，在模型训练阶段通过最小化热流预测误差进行优化； 设计时空注意力机制捕捉热传递动态特征，通过空间注意力层对各组件节点的特征向量进行交互计算，得到当前时刻组件间热传导关联度的权重分布；通过时间注意力层对同一组件在当前时刻与历史时刻的特征向量进行时序关联分析，得到不同时间尺度下热传导关联性的权重分布；通过时空融合层将空间关联权重与时间关联权重进行加权融合，基于融合结果更新各节点的特征向量； S200：基于动态关系网络构建热流预测模型，预测未来时间段内的温度分布变化；基于业务负载特征构建硬件状态模型，分析负载类型与持续时间对服务器热响应特性的影响，输出热响应特性衰减系数；将所述热响应特性衰减系数作为动态修正项输入热流预测模型，实时调整模型中与热传递相关的参数； S300：基于输出的温度分布变化及修正后的热传递参数，生成候选控制策略集；通过仿真模拟业务负载波动与设备局部异常的复合场景，计算各候选策略在场景中综合评分，筛选出最优策略生成控制指令； S400：实时比对控制指令执行后的实际温度与预测温度，当局部偏差超过设定阈值时，自动切换至预设的安全控制模式；当偏差恢复至容差范围内时，提取安全控制期间的运行数据形成增量样本，更新热流预测模型与硬件状态模型的参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中捷通信有限公司;深圳博熵科技有限公司，其通讯地址为：510040 广东省广州市越秀区较场西路21号大院二栋首层(仅限办公)；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。