为 Asus 笔记本添加 PID 风扇控制

June 30, 2025

正值夏日，AMD 酷热难当，好似室内暖机，惹得风扇轰鸣。

PID 算法简介

PID（比例-积分-微分）控制器是一种广泛应用于工业控制系统的反馈回路机制。

它通过计算误差（设定值与实际值之间的差异），并根据比例、积分和微分三个部分来调整输出，从而实现对系统的精确控制。 PID 控制器的基本公式为：

$$ u(t) = K_p e(t) + K_i \int_0^t e(\tau) d\tau + K_d \frac{de(t)}{dt} $$

其中：

$ u(t) $ 是控制输出
$ e(t) $ 是误差（设定值与实际值的差异）
$ K_p $、$ K_i $、$ K_d $ 分别是比例、积分和微分增益系数

探寻如何设置风扇转速

我使用的是 windows，有一精妙软件GHelper可用，盖其底层使用 ACPI 设置风扇曲线。则设一平坦曲线，或可实现风扇转速的手动控制。

当即 fork 它，思之直接写死，颇为不雅，应加入一插件系统，接受传感器数据，返回转速，如此甚便。

设计插件系统

为了实现最大的灵活性，我决定使用Lua作为插件的脚本语言。Lua 轻量、快速且易于嵌入到 .NET 应用中。通过 NLua 这个库，C#可以方便地调用 Lua 脚本。

插件的核心 API 非常简单，只包含一个必须实现的全局函数：update。

function update(sensors, dt)
    -- 你的逻辑代码在这里

    return {
        cpu_fan = 50, -- CPU 风扇转速 (0-100)
        gpu_fan = 50, -- GPU 风扇转速 (0-100)
    }
end

sensors: 一个包含所有硬件传感器数据的 table，例如 sensors.cpu_temp。
dt: 距离上次调用的时间差（秒），对于 PID 算法中的微分和积分计算至关重要。
返回值: 一个包含风扇转速目标的 table。

实现核心逻辑

为了管理插件的生命周期，我创建了 FanPluginManager.cs。它负责：

发现插件: 在 Plugins/fans/ 目录下查找所有 .lua 文件。
加载插件: 读取并执行选定的 Lua 脚本。
运行插件: 定期调用脚本中的 update 函数，并将返回的风扇转速应用到系统中。

// GHelper/app/Plugins/FanPluginManager.cs

public Dictionary<string, int> RunPlugin(Dictionary<string, float> sensorData)
{
    // ...
    try
    {
        LuaFunction updateFunction = _luaState["update"] as LuaFunction;
        // ...
        double dt = AppConfig.Get("sensor_timer", 1000) / 1000.0;
        var result = updateFunction.Call(sensorTable, dt);

        if (result != null && result.Length > 0 && result[0] is LuaTable resultTable)
        {
            var fanSpeeds = new Dictionary<string, int>();
            foreach (var key in resultTable.Keys)
            {
                fanSpeeds[key.ToString()] = Convert.ToInt32(resultTable[key]);
            }
            return fanSpeeds;
        }
    }
    //...
}

同时，我修改了主循环，将传感器刷新率提高到 100ms，以便插件能够更实时地响应温度变化，并定期调用 AutoFans() 方法来执行插件逻辑。

编写默认的 PID 控制器

为了提供一个开箱即用的高级示例，我编写了一个名为 default.lua 的 PID 控制器插件。

-- GHelper/app/Plugins/fans/default.lua

local cpu_pid = {
  target_temperature = 93,
  Kp = 12.0,
  Ki = 0.8,
  Kd = 1.2,
  integral = 0,
  previous_error = 0
}

function calculate_fan_speed(pid_controller, current_temperature, dt)
  local error = current_temperature - pid_controller.target_temperature

  pid_controller.integral = pid_controller.integral + error * dt
  pid_controller.integral = math.max(integral_min, math.min(integral_max, pid_controller.integral))

  local derivative = (error - pid_controller.previous_error) / dt

  local pid_output = (pid_controller.Kp * error) + (pid_controller.Ki * pid_controller.integral) + (pid_controller.Kd * derivative)

  pid_controller.previous_error = error

  local base_fan_speed = 30
  local fan_speed = base_fan_speed + pid_output

  return math.max(base_fan_speed, math.min(100, fan_speed))
end

function update(sensors, dt)
  local fan_speeds = {}
  if sensors.cpu_temp then
    fan_speeds.cpu_fan = calculate_fan_speed(cpu_pid, sensors.cpu_temp, dt)
  end
  -- ... for gpu_fan
  return fan_speeds
end

用户可以直接在脚本中调整 target_temperature（目标温度）以及 Kp, Ki, Kd 这三个 PID 核心参数，以满足个性化的散热需求。

G1 vs. G2 圆角：理论与 wgpu 实现剖析