本專案針對資料中心伺服器散熱控制中的兩個常見問題：開迴路控制造成的過度保守，以及人工調校 PID 所需的時間成本。我開發了一套自動化熱特徵識別系統，用來建立較一致的測試流程與控制參數推導方式。

該系統整合 Golang 與 Python 自動化腳本，透過環境測試室（Chamber）建立伺服器的穩態熱特徵資料結構（Steady-state Thermal Profile），再透過參數關聯模型推導 PID 參數。此外，針對運算負載劇變（Load Dump）場景，引入「非零積分重置（Non-zero Integral Reset）」機制，降低風扇轉速過度下探與震盪風險。

🛑 產業背景與痛點 (Industry Context & Challenges)

在伺服器散熱領域，現行的主流作法面臨以下技術瓶頸：

1. 開迴路控制的過度設計 (Over-design in Open-loop Control)

傳統的「查表法（Lookup Table）」僅依賴溫度區間對應固定轉速。為了確保系統安全性，業界慣例是基於該機箱支援的最高階硬體配置 (Maximum Configuration) 與 最嚴苛環境條件 (Worst-case Scenario) 來設定單一散熱曲線。

  • 後果： 對於中低階配置的伺服器，風扇可能長期處於非必要的「過轉（Over-speeding）」狀態，造成額外能源消耗與噪音。

2. 傳統 PID 的人工調校瓶頸 (Manual Tuning Inefficiency)

即便採用閉迴路控制（Closed-loop PID），參數 ($K_p, K_i, K_d$) 的設定往往高度依賴資深工程師的經驗法則（Rule of Thumb）進行反覆試誤（Trial and Error）。

  • 後果： 缺乏標準化的系統識別（System Identification）流程，調校可能耗時數週，且不容易重現到不同伺服器個體。

3. 積分飽和與系統不穩 (Integral Windup & Instability)

在負載瞬間卸除（Load Dump）的情境下，傳統 PID 容易因積分項累積過多誤差，導致風扇轉速驟降（Undershoot）甚至發生震盪（Oscillation），影響散熱穩定性。

🛠️ 技術解決方案 (Technical Solution)

本方法提出一種基於穩態熱特徵資料結構的自動化控制參數生成流程，讓散熱控制從單純經驗調校，逐步轉向資料輔助的參數推導。

■ 系統架構 (System Architecture)

我們建構了一套自動化測試迴路 (Hardware-in-the-Loop)，整合軟硬體資源：

  • 自動化控制單元 (Host Controller): 使用 Golang 編寫核心控制邏輯，利用其高併發特性處理多台待測機 (SUT) 的連線管理；底層指令封裝則結合 Shell Script 與 Python 進行數據清洗與圖表繪製。
  • 待測伺服器 (SUT): 透過 BMC 介面接收轉速指令並回傳感測器數據。
  • 環境測試室 (Chamber): 提供穩定的環境溫度變因。

■ 核心演算法流程 (Core Methodology)

1. 自動化熱特性掃描 (Automated Thermal Profiling)

於工程驗證階段 (EVT/DVT)，自動化腳本控制伺服器遍歷從空載 (Idle) 到滿載 (Full Load) 的複數個運算負載點 $L_i$。在每個負載點下，控制風扇轉速 $\omega$ 進行階梯式掃描。

當系統偵測到溫度變化率 $\frac{dT}{dt} \approx 0$ 時，判定進入熱平衡狀態 (Thermal Equilibrium)，並記錄該點的數據，建立描述該伺服器物理散熱極限的**「穩態熱特徵資料結構 (Thermal Characteristic Profile)」**。

2. 參數推導與模型化 (Parameter Derivation)

系統解析上述資料結構，計算系統增益 (System Gain) 與響應斜率，首先決定第一控制增益（比例項 $K_p$）。 接著，透過預設的參數關聯模型 (Parameter Correlation Model)，將積分 ($K_i$) 與微分 ($K_d$) 項視為 $K_p$ 的函數進行推導。

令 $\mathcal{M}$ 為基於熱時間常數與系統阻尼比所建立的轉換模型，則 PID 參數推導如下：

$$K_p = f(\text{Slope}{profile}, \text{Gain}{system})$$

$$K_i, K_d = \mathcal{M}(K_p)$$

這確保了三項參數具備物理意義上的強耦合性，而非隨機湊數，實現了閉迴路控制的穩定性。

3. 動態運行控制：非零重置機制 (Runtime Control with Non-zero Reset)

在 BMC 運行階段，針對 Load Dump 造成的溫度急降，我設計了特殊的積分權重管理模組。 當誤差 $e(t)$ 急劇變化時，積分項 $I_{term}$ 不會像傳統 Anti-windup 直接歸零，而是重置為一個動態計算的基準值 $I_{base}$：

$$I_{new} = \begin{cases} 0 & \text{Traditional Approach (Risky)} \ I_{base} & \text{Proposed Approach (Stable)} \end{cases}$$

其中 $I_{base} \neq 0$，確保風扇能平滑過渡至低負載所需的安全轉速，消除 Undershoot 風險。

📊 專案成效 (Impact & Benefits)

1. 研發效率與標準化 (Efficiency & Standardization)

  • 將原本耗時 數週 的人工調校流程，縮短為 數小時 的全自動化程序。
  • 提升參數生成的「可重現性」，讓不同批次的伺服器更容易沿用一致的控制參數推導流程。

2. 極大化熱餘裕與節能 (Energy Optimization & ESG)

  • 透過 PID 溫度追隨，系統可嘗試維持接近需求的風扇轉速，減少無效過冷。
  • 有助於降低不必要的風扇功耗，支援後續能效最佳化。

3. 提升硬體可靠度 (Reliability)

  • 平滑的轉速控制與「非零重置」機制，有效避免了風扇轉速劇烈震盪。
  • 減少了電子元件承受的熱循環應力 (Thermal Stress)，延長了風扇軸承與晶片封裝的使用壽命。

步驟流程圖 (Control Flow Diagram)

PID 控制測試結果圖

控制流程圖 (Process Flow Diagram)

PID 控制參數分析圖