IBM本本的温度

一年前在动态买的T61,用起来一直很顺手,1680x1050的超高分辨率。

前几天由于错误判断,把硬盘噪音当成风扇噪音了,去动态维修了一下,并且把一直用着不太好的屏轴换了一对。

 

第一次维修后,总感觉风扇不出来热风,可是当时已经给风扇吹过灰了啊,怎么还会这样?

下午请假又去了动态一趟,他们很仔细的把原来的硅脂擦掉,又涂上新的硅脂,可是开机后,CPU温度仍然是60多,稍微在vmware中做编译工作,温度就涨到了68都,GPU温度始终都在65~68都之间。

 

很是郁闷,和动态老大夜猫换了硬盘之后,在他的机器上编译,CPU利用率50%左右,温度始终保持在52度左右,而相同的编译,在我的机器上至少要在62度~68度。我当时对这个温度很不满意,怎么越修理温度越高了呢?

 

夜猫很热心,在我和他的机器之间做对照,他的机器是T8300 45nm的,而我的是65nm的,本来他的那种cpu就是功耗很低的。可是他觉得我的这种T7500的cpu在系统待机状态下,温度到60多也还是有些高。

 

最后夜猫想出了绝招:把CPU散热风扇给稍微折了一下,还有那两个卡住风扇的卡子也折了一下,以增加它们和CPU/GPU的紧密程度。

 

这么修改后,我的机器在待机状态下CPU/GPU分别达到:45/50的温度,这个温度令我相当的满意。呵呵。

 

以后再也不怕长时间编译,对机器造成什么太大的伤害了,其实现在最想的,还是能换一台45nm的安静、低热的机器,而且又不花钱,哈哈。

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值