一种基于热传导理论的芯片温度预测方法与流程

本发明主要涉及到微处理器的设计领域，特指一种基于热传导理论的芯片温度预测方法。

背景技术：

图像处理、现代通信和天气数据分析等应用领域，需要超高性能的处理器对大量数据进行处理。在这种需求的驱动下，处理器的设计、制造技术及其性能也在不断的提高，典型的特征就是处理器的晶体管集成度和工作频率的不断提升。但是高集成度和高工作频率导致了处理器的高功耗密度，进而使得处理器全速运行时会产生大量的热量，也就产生了处理器温度较高的问题。

目前，在处理器设计中，一般设置温度传感器或者程序计数器来感知运行中的处理器的温度，每当处理器的温度到达一个温度警戒值的时候，就被动的降低该处理器的工作电压和工作频率，以达到降低处理器温度的目的。

上述传统的降温措施是以被动的等待温度超过一个特定的预设值为前提的。这个特定的预设值如果设置较高，那么可能在实施降温措施的过程中，有部分电子线路因为降温措施的固有反应时间而遭到不可逆的破坏；如果设置较低，那么就牺牲了处理器的部分性能。

技术实现要素：

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种原理简单、操作简便、硬件开销小、处理速度快的基于热传导理论的芯片温度预测方法。

为解决上述技术问题，本发明采用以下技术方案：

一种基于热传导理论的芯片温度预测方法，其步骤为：

S1：构建处理器的散热模型；采用一维稳态热传导的传热模型，将处理器于t时刻的温度变化率与t时刻的输入功率P(t)、t时刻的温度T(t)、处理器的热电阻R和热电容C关联，即形成温度变化的RC模型；

S2：在散热模型中进行RC数值抽取，得到热电阻R和热电容C的数值；

S3：利用热电阻R和热电容C的数值，构建温度预测表达式；

S4：进行温度预测；输入处理器某时刻的输入功率P(t)以及该时刻的温度T(t)，利用步骤S3中的温度预测表达式计算出处理器下一时刻的温度。

作为本发明的进一步改进：所述传热模型为：

$\frac{dT\left(t\right)}{dt}=\frac{P\left(t\right)}{C}-\frac{T\left(t\right)}{RC}$

其中，就是t时刻的温度变化率，这个温度变化率由采集到的信息当中的温度值相减并除以采集间隔来获取。

作为本发明的进一步改进：所述温度预测表达式为：

$T(t+\mathrm{\Δ}t)=(\frac{P\left(t\right)}{C}-\frac{T\left(t\right)}{RC})*\mathrm{\Δ}t+T\left(t\right)$

其中，P(t)为t时刻的输入功率，T(t)为t时刻的温度，Δt为预测的时间，T(t+Δt)为预测的温度。

作为本发明的进一步改进：所述步骤S2的具体步骤为：

S201：采集处理器运行过程中的输入功率和当前的温度信息，表示为(P_i，T_i)的形式；其中，P代表输入处理器的功率，T代表当前处理器的温度，下标i代表采样的时刻，从而形成若干组组信息对；

S202：将采集到的信息对组合，形成若干个单个的温度变化的RC模型表达式；

S203：将上述若干个RC模型表达式组成若干二元一次方程组的形式，利用这些方程组进行求解，得到R和C的数值；

S204：将求取得到的数值求取平均值，得到最终的热电阻R和热电容C的数值。

作为本发明的进一步改进：所述步骤S2中，利用信息对中温度信息的部分相减，以求得采样间隔t内的温度变化值dT，从而计算得到多组温度变化率的数值；将前两步中采样得到的多组(P_i，T_i)功率-温度信息对以及对应求出的多组温度变化率带入散热模型组成一系列的方程组。

作为本发明的进一步改进：在进行温度预测时，预测时间选择与温度传感器采集处理器信息的时间间隔保持一致。

与现有技术相比，本发明的优点在于：

1、本发明的基于热传导理论的芯片温度预测方法，原理简单、操作简便，RC数值抽取仅仅需要在处理器运行过程中采集输入功率和温度信息，经过上述的方法计算就可得出，具有可执行性好的优点。

2、本发明的基于热传导理论的芯片温度预测方法，由于处理器的热电阻R和热电容C是属于处理器自身的固有特征，一旦确定就无需再次计算。另外在温度预测中，每次温度传感器采集数据时仅仅需要进行两次加法和一次乘法操作，不会大幅占用处理器的计算资源，因此本发明具有运算开销小，速度快的优点。

3、本发明的基于热传导理论的芯片温度预测方法，是随着处理器中温度传感器的工作而工作，执行预测算法的频率和温度传感器采集温度信息的频率保持一致，因而不会产生很大的偏差，具有温度预测精度高的优点。

4、本发明在应用后，能够克服传统被动降温措施所产生的问题，形成主动预测处理器温度的方法。该方法会预测出处理器下一时刻的温度，使得处理器可以主动的采取相应的措施来避免过高温度的产生而损害处理器中的电子线路，同时也最大限度的利用了处理器的高性能，避免了性能的过多流失。

附图说明

图1是在具体应用实例中处理器散热模型示意图。

图2是本发明在具体应用实例中RC抽取流程示意图。

图3是本发明在具体应用实例中进行温度预测的流程示意图。

图4是本发明方法的整体流程示意图。

具体实施方式

以下将结合说明书附图和具体实施例对本发明做进一步详细说明。

如图1所示，为在具体应用实例中一种处理器散热模型的原理示意图。独立的运算节点排列组成一层硅层101，下面设置有散热板102和散热片103，而相同的几个硅层组成整个处理器。由于硅层101和硅层101之间的接触面积要比一层之内运算节点间的接触面积大得多，所以处理器产生的热量大部分是按照从上到下的纵向来传递的，很小一部分热量是通过横向的运算节点传出系统的。因此，本发明的核心思想就是将处理器的散热模型进行化简，认为热流量是按照纵向传递的，横向的热流量忽略不计，靠近散热片的硅层温度较低，而远离散热片的温度较高。在这种情况的设定下，本发明运用一维稳态热传导的传热模型，来作为本发明整个技术方案的主要出发点。

如图4所示，本发明的基于热传导理论的芯片温度预测方法，其步骤为：

S1：构建处理器的散热模型；

采用一维稳态热传导的传热模型，将处理器于t时刻的温度变化率与t时刻的输入功率P(t)、t时刻的温度T(t)、处理器的热电阻R和热电容C关联，即形成温度变化的RC模型。

在具体应用实例中，上述传热模型可以为：

$\frac{dT\left(t\right)}{dt}=\frac{P\left(t\right)}{C}-\frac{T\left(t\right)}{RC}$

其中，就是t时刻的温度变化率，这个温度变化率可以由采集到的信息当中的温度值相减并除以采集间隔来获取。

S2：在散热模型中进行RC数值抽取，即得到热电阻R和热电容C的数值；

S3：利用热电阻R和热电容C的数值，构建温度预测表达式；

将散热模型进行变化，得到如下的温度预测表达式：

$T(t+\mathrm{\Δ}t)=(\frac{P\left(t\right)}{C}-\frac{T\left(t\right)}{RC})*\mathrm{\Δ}t+T\left(t\right)$

其中，P(t)为t时刻的输入功率，T(t)为t时刻的温度，Δt为预测的时间，T(t+Δt)为预测的温度。

S4：进行温度预测；

输入处理器某时刻的输入功率P(t)以及该时刻的温度T(t)，利用步骤S3中的温度预测表达式计算出处理器下一时刻的温度，以供处理器进行相应的温控措施。

在具体应用实例中，所述步骤S2包括以下过程：

S201：采集处理器运行过程中的输入功率和当前的温度信息，表示为(P_i，T_i)的形式。其中，P代表输入处理器的功率，T代表当前处理器的温度，下标i代表采样的时刻。这样就能采集并表示出很多组信息对，如(P₁，T₁)、(P₂，T₂)、(P₃，T₃)等。

S202：将采集到的信息对组合，形成若干个单个的温度变化的RC模型表达式；

S203：将上述若干个RC模型表达式组成若干二元一次方程组的形式，利用这些方程组进行求解，得到R和C的数值；

S204：将求取得到的数值求取平均值，得到最终的热电阻R和热电容C的数值。

如图2所示，也就是说在具体应用实例中，首先采集多组处理器运行过程中的输入功率P和其相对应的处理器温度T，组成形如(P₁，T₁)、(P₂，T₂)、(P₃，T₃)、……、(P_n，T_n)的功率-温度信息对；然后，利用信息对中温度信息的部分相减，也即T_n-T_n-1、T_n-1-T_n-2、……、T₂-T₁求得采样间隔t内的温度变化值dT，这样就可以计算得到多组温度变化率的数值；将前两步中采样得到的多组(P_i，T_i)功率-温度信息对(i＝1,2,3,…,n)以及对应求出的多组温度变化率带入传热模型(温度变化模型的表达式)：

$\frac{dT\left(t\right)}{dt}=\frac{P\left(t\right)}{C}-\frac{T\left(t\right)}{RC}$

组成一系列的方程组；接下来求解这一系列的方程组，得到一系列的R_i和C_i的值；然后求取上一步中R₁、R₂、R₃、……、R_n的平均值R和C₁、C₂、C₃、……、C_n的平均值C，该求得的平均R和C值就是最终抽取得到的RC值，RC数值抽取的流程结束。

在具体应用实例中，上述步骤S3和步骤S4的具体操作为：

如图3所示，首先将抽取出来的R和C的数值带入到温度预测表达式：

$T(t+\mathrm{\Δ}t)=(\frac{P\left(t\right)}{C}-\frac{T\left(t\right)}{RC})*\mathrm{\Δ}t+T\left(t\right)$

形成该表达式的基本要素，等待输入功率P，相应的温度T以及采样间隔Δt的确定；然后采集处理器运行某时刻的输入功率P，该时刻对应的温度T以及温度传感器的采样间隔Δt的信息，将这些信息也带入到温度预测表达式中，这样一来预测表达式中的所有要素全部准备完成；最后一步是根据表达式计算得到预测的温度T(t+Δt)，温度预测的流程结束。

在较佳实施例中，预测时间Δt可以选择与温度传感器采集处理器信息的时间间隔保持一致，这样能够最大可能的保证预测出来的温度有足够的精确度。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。