自适应方法

2024-07-11

自适应方法（精选十篇）

自适应方法篇1

1 插件的工作原理

插件的实质是在不改变程序主体结构的基础上, 对软件功能进行扩展加强, 用户可以根据自己的需要安装相应的插件, 通常插件的框架结构包括两大部分[2,3]:主程序和插件。插件要安装到主程序中, 必须满足相应的接口标准, 以便于插件与主程序之间相互通信。其中, 主程序是单独能够运行的程序, 插件能够通过主程序向用户提供服务, 是整个系统能够运行的基础。其作用有以下3点: (1) 主程序是插件运行的基础, 能够用来初始化插件, 配置插件的接口, 用于管理插件的运行[4]; (2) 主程序管理插件的安装、卸载和更新, 处理插件的故障, 保证运行稳定; (3) 能够通过界面的方式将插件的功能展现给用户, 便于用户操作。插件功能能够通过动态链接库[5]实现, 主程序能够根据接口标准安装、更新插件, 并将插件接口在内存中分配的地址发送给插件, 插件接收该地址, 并依据所述地址来调用插件函数, 完成相应功能, 获取相应资源等。

2 传统插件更新方法

在现有技术中, 插件的更新通常是配置管理终端先将管理员发布的插件上传到系统软件版本发布服务器, 更新时直接将插件更新到最新版本。易程软件股份有限公司在中国专利CN102195804A提出了一种自动更新插件的方法[6], 具体内容为:系统软件版本发布服务器接收客户端插件并进行存储, 同时为每个插件生成版本编号;客户端每间隔一定时间向系统软件版本发布服务器发送版本检测请求, 同时携带本地插件的版本号;系统软件版本发布服务器将所携带的本地插件版本号与最新版本号进行比较, 当本地插件版本号小于服务器中最新版本号时, 客户端从服务器下载最新版本插件, 并在客户端更新所述最新版本插件。这种插件更新方式虽然能够自动检查服务器端插件的最新版本并能实现下载更新, 实现了对客户端软件的自动更新, 减少了客户端应用程序维护的复杂性, 降低了成本。但是这种更新方式只是将软件更新到最新版本, 而没有相应检测客户端的软件运行环境, 如果客户端运行的环境与最新版本的插件不兼容时, 那么将插件更新到最新版本将会造成软件运行故障。

奇智软件有限公司于2010年在中国专利CN 102222091A提出了一种浏览器中插件扩展的方法[7], 其通过检测用户的浏览器使用记录;依据所述浏览器使用记录, 确定用户所需的插件扩展类别;将插件扩展类别下的插件扩展提供给该用户。该方法只是根据用户的浏览器访问、浏览器操作功能或者下载喜好等用户习惯选择适合用户的插件, 而没有提到如何选择适合浏览器的插件版本进行更新以防止软件环境不匹配问题。

3 插件更新的改进

鉴于现有技术存在的不足, 为解决软件版本与安装环境不匹配的问题, 提出了以下改进方案:

3.1 插件上传前的准备

软件管理员在将插件上传系统软件版本发布服务器前, 先建立插件的配置信息, 将插件与兼容的主程序版本的对应关系添加到配置信息文件中, 假如上传的是浏览器搜索插件, 那么可以将插件对应的浏览器如IE5、IE6的映射关系加入到配置信息文件中, 同样道理, 假如插件对应的兼容浏览器是IE6、IE7, 则将与对IE6、IE7的映射关系加入到配置信息文件中[8]。系统软件版本发布服务器接收需要发布的最新插件后, 赋予所述插件相应的版本编号, 并提取插件的配置信息, 建立插件版本与浏览器的映射关系表。

3.2 客户端的查询请求

客户端在工作时, 记录下插件的运行状态, 建立插件的异常事件量与使用时间的对应关系 (即异常频率) 并保存在存储器中。客户端周期性地向系统软件版本发布服务器发送软件检测请求, 同时携带客户端插件版本号、插件工作异常信息及客户端主程序版本号。

3.3 服务器端的信息更新

服务器接收客户端发送信息后, 首先根据插件异常信息判断客户端插件是否适用客户端主程序, 并记录统计相关信息。例如 (参见表1系统软件版本发布服务器插件信息表) :客户端搜索插件版本号为2, 客户端浏览器版本号为IE7, 系统软件版本发布服务器接收到异常信息后首先判断异常频率是否小于特定阈值, 如果是, 则直接将搜索插件版本2, 客户端浏览器版本IE7对应的客户使用量加1, 如果否, 则将搜索插件版本2, 客户端浏览器版本IE7对应异常统计信息及客户使用量分别加1。此时, 服务器根据异常信息统计及客户使用量判断搜索插件版本的最佳适用主程序, 将异常统计信息与用户使用量的比值最小的浏览器更新到最佳适用版本一栏。

3.4 系统软件版本发布服务器确定插件版本

系统软件版本发布服务器根据客户端主程序版本号查找最佳适用插件版本, 将该插件版本发送到客户端。例如:服务器首先根据客户端浏览器版本号IE7, 在最佳适用版本项中进行查找, 找到相应的适用搜索插件版本2、3, 发现搜索插件版本2、3的最佳适用浏览器皆为IE7, 此时, 计算搜索插件版本2、浏览器版本号IE7对应的异常统计信息值与客户使用量的比值, 搜索插件版本3、浏览器版本号IE7对应的异常统计信息与客户使用量的比值, 通过判断异常统计信息与客户使用量的比值的大小, 将比值较小者对应的搜索插件版本2发送给客户端[9]。

3.5 客户端的更新操作

客户端接收到系统软件版本发布服务器发送的插件后, 首先解析文件, 配置客户端插件安装环境, 对客户端插件进行更新安装[10]。

4 结论

通过根据客户端的应用环境将插件更新到最佳适应版本, 而不是最新版本, 从而使插件版本与应用环境相匹配, 解决了由于客户端软硬件较落后、更新时却将插件更新到最新版本而造成程序运行缓慢、甚至崩溃的技术问题。且该方法通过本领域技术人员的适当改进还可应用于其他软件的更新、安装中, 从而解决了应用程序与终端设备软硬件环境匹配的技术问题, 能够为用户提供更好地操作体验。

参考文献

[1]邓力.插件技术在虚拟仪器中的应用[J].国外电子测量技术, 2010, 29 (5) :76-78.

[2]韩永印.计算机软件中的插件技术分析[J].计算机光盘软件与应用, 2014, (3) :262-246.

[3]李延春.软件插件技术的原理与实现[J].计算机系统应用, 2003 (7) :24-26.

[4]姜川.计算机软件中的插件技术及应用研究[J].数字技术与应用, 2013 (1) :94:7-11.

[5]朱岩.插件技术在软件中的应用[J].产业与科技论坛, 2011, 10 (21) :9.

[6]李吉生, 邵晓风, 李良文, 等.软件自动更新方法及其系统[P], 201110058328.5, 2011.

[7]田亮, 侯志刚.一种浏览器中插件扩展的提供方法和系统[P], 201110148818.4, 2011.

[8]王娜.计算机软件中的插件技术浅析[J].黑龙江科技信息, 2010 (33) :72-75.

[9]张湘.基于组件的服务状态在线检测方法及系统[P].201010160369.0, 2010.

自适应方法篇2

研究带柔性附件航天器的姿态快速机动控制问题.根据带柔性附件的.航天器的动力学模型推导并建立其特征模型.基于所建立的特征模型设计一种自适应控制方法,该方法设计简单,控制器参数物理意义明确,便于调试,可同时实现航天器的姿态快速机动控制和弹性附件的振动快速抑制.理论分析和数学仿真表明,该方法对控制器参数及被控对象的不确定性有很强的鲁棒稳定性和鲁棒性能,能取得比工程中常用的比例-微分(PD)控制更快的机动速度和更好的控制性能.

作者：张国琪丁建钊 ZHANG Guoqi DING Jianzhao 作者单位：张国琪,ZHANG Guoqi(北京控制工程研究所,北京,100190;空间智能控制技术国家级重点实验室,北京,100190)

丁建钊,DING Jianzhao(北京控制工程研究所,北京,100190)

自适应方法篇3

关键词遥感图像NSCT自适应阈值去噪

1引言

随着远程数字传感技术的进步，遥感技术已应用于各个领域，例如越来越多地球科学，农业，军事等。但是在成像过程中，遥感图像总是不可避免的受各种噪声的影响，遥感图像去噪的一个重要任务就是去除噪声的同时尽可能地保留遥感图像的边缘和细节。在变换域去噪过程中，合理地选取阈值非常重要，直接影响到去噪效果。在去噪领域中，由于小波技术具备良好的时频特性，小波理论也同样受到了许多学者的重视，并在实际中得到非常广泛的应用。Donoho等人提出利用小波系数进行阈值去噪[1]，该方法对于一维信号的去噪效果比较好，由于小波变换缺乏方向性，对二维遥感图像信号来说，小波变换不能最优表示遥感图像中线和面的奇异性，使得小波变换在遥感图像去噪中具有一定的局限性。为了克服小波变换的这一局限性，2002年Minh N.Do和Martin Vetterli提出了一种具有多分辨的、局部的、多方向的二维遥感图像的稀疏表示方法：Contourlet变换[2]，变换的最终结果使用类似于轮廓段（Contour Segment）的基结构来逼近原遥感图像，其基函数支撑区间9的长度比随尺度变化而变化，能以接近最优的方式描述遥感图像边缘。但由于Contourlet本身缺乏平移不变性，从而导致遥感图像去噪时奇异点周围存在Gibbs现象。故在此基础上，Cunha和M.N.Do等人又给出了其下采样形式，即非下采样Contourlet变换（NSCT）[3]，并将其用于遥感图像去噪。传统的NSCT域阈值去噪由于没有考虑到NSCT系数的领域相关性，会“过扼杀”NSCT系数[4]。本文以小波变换和NSCT变换为基础，根据NSCT系数所在邻域的特性[5-6]，对于边缘区域，以减小阈值来保留更多的边缘系数；本文提出了结合邻域信息的自适应阈值，对高频系数区域通过增加阈值来去掉更多的噪声。仿真实验结果表明，通过本文提出的方法能够得到较高的PSNR，其性能优于当前一些典型的去噪方法。

2NSCT域的自适应阈值遥感图像去噪方法

2.1NSCT

NSCT是通过塔形方向滤波器组（PDFB）把遥感图像分解成各个尺度上的带通方向子带，主要由两个步骤实现：子带分解和方向分解。首先，用Laplacian（LP）金字塔分解对遥感图像进行多尺度分解，以“捕获”奇异点，然后由方向滤波器组（DFB）将分布在同方向上的奇异点合成为一个系数。为了保留轮廓变换的频率分割结构同时实现平移不变性，将原轮廓变换中对遥感图像的下采样步骤去掉，即得到非下采样轮廓变换。非下采样轮廓变换主要由两个具有不变性的部分组成：第一、非下采样金字塔分解，保证了变换多次度特性；第二、非下采样方向滤波器组成，使变换具有多方向性。

不同于Contourlet变换，NSCT采用的是非下采样的金字塔结构和方向滤波器组。非下采样的金字塔结构主要是通过双通道的非下采样的二维的滤波器组实现的。与传统Contourlet严格抽样滤波器及其重构条件相比，这种滤波器的设计及重构条件更加易于实现。方向滤波器（DFB）是通过交换DFB树结构每个双通道滤波器组的下采样和上采样并相应的对滤波器上采样实现的。因而NSCT具有平移不变性并且比Contourlet变换能更好地采集频率且具规律性。非下采样Contourlet分解过程如图1所示。

2.2阈值去噪

经典的硬阈值方法为：

■ （1）

式中x（m，n）为软阈值处理前子块内的NSCT系数， x'（m，n）为进行硬阈值处理后的新的NSCT系数，T '为所选择的阈值。

本文在K-sigma阈值[5]的基础上，用改进的K-sigma阈值为阈值系数，改进后的阈值：

■ （2）

■ （3）

式中σ是NSCT域的噪声方差，NSCT变换的非正交性导致了不同方向子带的噪声方差不相等，这里用鲁棒的中值估计子获得σ：

■ （4）

取值为σ时，Xl，j是NSCT分解后l尺度j方向的系数矩阵；取值为σwt时，Xl，j是小波域中直接对对角子带。

2.3邻域信息的自适应阈值

遥感图像的NSCT系数之间存在着一定的相关性。NSCT变换后遥感图像边缘的系数能量集中，幅值较大，则边缘区域内系数绝对值之和较大；而噪声能量分散，幅值较小，则区域内系数绝对值之和就较小。因此根据系数所在邻域的特性[5-6]，在NSCT变换后的的每个子带遥感图像内，对于边缘区域以较小的阈值来保留更多的系数；对噪声区域通过较大的阈值来去掉更多的噪声。

定义V（m，n），它由对子带内系数通过均值滤波器获得：

■ （5）

式中B为子带内NSCT系数X（m，n）的邻域，在本文中我们取3×3大小的窗口。N为B中NSCT系数的个数。

则本文中结合领域信息的自适应阈值表示为[6]：

■ （6）

式中T取T1或T2为2.2中（2）、（3）式得到的各子带内不同方向的初始阈值，E（a）为整个子带中V（m，n）的均值，在文献[6]中M（a）为整个子带中V（m，n）的最小值，根据实验验证在本文中其并不是最优的，本文选择M（a）为整个子带中V（m，n）的最大值，λ为大于1小于2的常数值，本文中取1.06。

3本文算法实现过程

本文去噪方法具体步骤如下：

（1）对含噪遥感图像进行小波分解，根据（4）式计算出σwt。

（2）用鲁棒的中值估计子估计每个子带的噪声方差，根据式（2）至式（6）计算每个子带系数的自适值，在尺度最细的一层令T=T1计算T '，而在其它层次令T=T2计算T '，对低频系数则不做处理。

（3）对不同尺度不同方向带通子带的NSCT系数根据上面三步计算得到的阈值T '结合（1）式进行硬阈值去噪得到处理后的系数x'（m，n）。

（4）利用步骤（3）处理后的系数x '（m，n）进行NSCT反变换，重建遥感图像，得到去噪后的遥感图像。

4实验结果及分析

采用大小为512×512，256级灰度的遥感图像作为测试样本。在原始遥感图像上添加具有零均值，标准差分别为10，15，20，25，30不同方差的高斯白噪声，并对小波硬阈值去噪（WT）[1]，Contourlet硬阈值去噪(CT)，NSCT域硬阈值去噪（NSCT）[3]，以及本文的去噪方法四种方法进行了比较，来说明本文算法对于遥感图像去噪的有效性。

试验中Contourlet及NSCT的分解级数均为3级，Contourlet和NSCT的由粗分辨级到细分辨级分解方向分别为4，8，16。表1是添加不同方差高斯噪声的遥感图像利用不同方法去噪后的峰值信噪比（PSNR）结果，图1是添加标准差为20的高斯白噪声的遥感图像利用不同方法去噪后的效果图。

从图1中可以看出，小波硬阈值重构后的遥感图像出现振铃，伪Gibbs效应等视觉失真。Contourlet域去噪方法出现了较明显的栅格效应且平滑效果略显不足，本文的去噪算法结果的效果相对较好。

综上所述，由于本文：（1）结合小波变换并利用NSCT变换具有各向异性、平移不变性、多方向选择性等诸多对遥感图像去噪非常有利的优点，避免了振铃，伪Gibbs效应的出现，且有效地保持了原图中的方向和细节信息，更有利于阈值选取的准确性。（2）在阈值处理过程中，结合了NSCT系数的邻域信息，采用了自适应阈值，进一步提高了去噪遥感图像的峰值信噪比。因此本文算法在遥感图像去噪上相对于其它去噪算法具有一定的优势。

5结论

本文在研究了NSCT特性基础上，提出了一种基于NSCT域自适应阈值遥感图像去噪方法。本文方法研究了阈值与遥感图像噪声标准差之间的关系，结合Contourlet 系数间的相关性，对噪声系数的处理除了考虑其本身的幅值大小外，还考虑其局部邻域系数的影响。仿真结果证明，该算法在遥感图像去噪上能获得更好的视觉效果和更高的峰值信噪比（PSNR）值，虽然与在NSCT域用Monte Carlo估计噪声去噪相比，明显缩短了运算时间，但是相对于对小波硬阈值去噪（WT），Contourlet硬阈值去噪（CT）运算时间还是比较长，还需要进一步的研究。

参考文献

[1] Donoho D L,Johhstone I M. Ideal special adaptation by wavelet shrinkage. [J]Biometrika, 1994, 81(3): 425-455.

[2] Do M N,VETTERLI M.The contourlet transform: an efficient directional multiresolution image representation[J].IEEE Transactions on Image Processing, 2005,14(12) : 2091- 2106.

[3] Cunha A L da,Zhou J P,Do M N. The nonsubsampled Contourlet transform : Theory,design and application[J]. IEEE Transactions on Image Processing, 2006,15(10): 3089-3101.

[4] W.Shenqian,Z. Yuanhua, Z.Daowen. Adaptive shrinkage denoising using neighbourhood characteristic[J].Electronics Letters, 2002,38(11): 502-503.

[5] Jean-Luc Starck, E. J. Candes, D. L. Donoho . The curvelet transform for image denoising[J]. IEEE Trans. On Image Processing, 2002, 11( 6): 670-684.

[6] Kang Li,Jinghuai Gao,Wei Wang. Adaptive Shrinkage for Image Denoising Based on Contourlet Transform[J].IEEE Transactions on Image Processing, 2008,2(12):995-999

Adaptive Threshold for Remote Sensing Image Denoising Based on Wavelet and NSCT

Mu Juan1，Du Chaoben2，Yi Zhou3

（1. The people's Liberation Army 69064 Army，Kuerle841000，China）

（2. College of information science and Engineering，Wulumuqi 830046，China）

（3. The people's Liberation Army 61711 Army，Kashi 844000，China）

AbstractA new local adaptive threshold estimation method for image denoising based on the Nonsubsampled Contourlet Transform(NSCT) is proposed. The new method uses wavelet estimate the noise strength of Noisy images, then according to the strength of noise determines the shrinkage threshold according to the neighbouring NCST coefficients, the scale of the coefficients and the noise level. Compared with the wavelet hard-thresholding, the contourlet hard-thresholding and the NSCT hard-thresholding denoising method,the proposed method is obviously reduces the Gibbs phenomenon and superiors both in vision and in PSNR。

Key wordsremote sensing image，NSCT，adaptive threshold，denoising

CT系统MTF自适应测量方法篇4

调制传递函数(Modulation Transfer Function,MTF)能够通过输出的正弦信号的调制与输入的正弦信号的调制的比值来定量客观地描述系统空间分辨能力[1],了解系统的MTF对系统各环节的性能设置具有重要意义[2]。

空间分辨率是CT检测中重要的指标之一,主要有两类检测方法,一类是利用体模的线对法和圆孔法,另一类就是MTF法[3]。线对法和圆孔法虽然方便,但却受测试者主观因素影响大,容易造成测试者意见不统一,所以在技术性测试中,一般采用客观的MTF法[4]。MTF也可表示成系统对于点扩展函数(PSF)的二维傅式变换[5],即MTF=FT(PSF)。实际系统的测量是以细丝模型的点函数作为系统的点输入,细丝的材料必须是吸收系数较大的金属线,具有极高的射线衰减能力[6]。

在MTF的计算中,PSF数据应该具有对称性,需要对实验数据进行填补和截尾等对称化处理,定位出PSF的中心位置,作为傅里叶变换的坐标原点。目前对于PSF的中心位置确定,多采用手动选取方法或最大CT值方法。而手动选取的随意性造成中心点偏移会对MTF产生较大影响,导致最终结果不能统一[7,8];最大CT值方法易受噪声影响,使得中心点以外一些像素点的CT值高于中心点,导致最大CT值所对应的像素点位于偏离点扩展圆中心点的位置,从而导致检测结果错误。本文提出了一种MTF自适应测量方法 , 即可自动检测点扩展区域中心点位置的算法,以提高检测的准确性。

1 自动检测中心点方法

改进的自动检测中心点位置的算法流程,见图1。具体步骤 :1在原始图片中截取一个背景均匀、包含点扩展圆的感兴趣区域(ROI);2由于ROI太小不方便分析,所以将ROI进行放大 ;3分析ROI区域的直方图,迭代运算出合适的阈值,从而对ROI实现二值化,分割出点扩展区域(点扩展区域是呈圆形的,中心位置即为点扩展圆的圆心);4对点扩展圆进行边界跟踪,然后利用Hough变换得到ROI中点扩展圆圆心的坐标 ;5将检测到的圆心坐标经过反变换,得到原始图像中对应的中心点位置 ; 6以求出的圆心坐标为中心进行傅氏变换,求出MTF。

2 实验结果分析

2.1 以最大CT值对应像素点作为中心点

通过实验来证实噪声对中心点的影响。实验方案是给感兴趣区域(ROI)添加不同大小的噪声,分别找出ROI和含噪ROI中最大CT值对应的像素点,然后分别以此像素点为中心计算并绘制MTF曲线,通过对比就可以看出噪声对中心点位置以及MTF曲线的影响。

图2(a) 展示的是大小为50像素×50像素,包含点扩展区域的ROI,图2(b) 和图2(c) 分别是加0.001% 和5% 零均值高斯噪声的ROI。3者最大CT值所对应的像素点分别为(24,31),(24,31),(21,33), 这3个像素点分别对应着原体模图像中点扩展区域的中心点位置(311,206),(311,206),(308,208),计算出的MTF曲线见图2(d)。可以发现,当噪声的量很少时,中心点位置没有发生改变,其MTF曲线也非常接近,近乎重合 ;而当噪声的量比较多时,中心点位置以及MTF曲线都发生了明显改变。所以,一般情况下,以最大CT值对应像素点作为中心点的方法不能得到稳定的MTF值。

2.2 改进的自动检测中心点方法的效果

通过上述实验可知,当ROI添加0.001% 的零均值高斯噪声时,中心点位置并没有发生改变,仍是(311,206),这说明此图片中以(311,206)作为点扩展区域的中心点是正确的。

自动检测中心点算法检测结果,见图3。结果显示,自动选点方法获得的中心点位置也是 (311,206),两者结果一致,说明本文提出的自动检测中心点的方法是准确且有效的。

3 结论

自适应方法篇5

基于伪陀螺/磁强计/地球敏感器的微卫星姿态自适应确定方法

以伪陀螺、磁强计与地球敏感器构成的姿态测量系统为基础,设计了自适应扩展卡尔曼滤波算法.对轨道倾角不同的.两种卫星的定姿性能进行了仿真,结果表明,该方案的滚动与俯仰角精度达到0.05°,航向角优于0.4°,且随轨道倾角的减小而改善;当地球敏感器发生故障时,大倾角轨道的卫星滚动与俯仰角精度优于0.5°,航向精度约1°;同时自适应滤波方法能显著地提高姿态确定的性能.

作者：郁丰刘建业熊智段方 YU Feng LIU Jian-ye XIONG Zhi DUAN Fang 作者单位：南京航空航天大学,导航研究中心,江苏,南京,210016刊名：应用科学学报 ISTIC PKU英文刊名：JOURNAL OF APPLIED SCIENCES年，卷(期)：200725(1)分类号：V448.22关键词：伪陀螺磁强计地球敏感器微卫星自适应卡尔曼滤波

自适应方法篇6

【关键词】自适应测试英语教学

1 测试简介

自适应测试方法辅助教学（Computer Assistant Test 以下简称CAT）运用了人工职能来进行指导。使用者在自己的界面能与系统进行互动式的沟通。在进入系统后可以进入专家领域，从某个虚拟的专家处获得完成任务的信息。专家系统是根据专家的多年对知识、技能和能力的积累开发出来的，具备决策能力，可以模拟某个专家的推理，并可以从事实和图表中获得信息。学习者也可以进入受训者模型领域，通过完成测试来确定自己的水平。在进入培训管理领域时，则可以报告自己的学习行为，汇报学习成绩和结果。系统会自动提供指导，学习者将知道自己下一步应该做什么。而情景发生器的界面里，则可以对问题的难度进行评价，其灵活地测试学习者的能力，超越了普通计算机辅助教学。一般的计算机辅助教学可以让学习者从几个水平的学习材料中选择一个适合自己水平的材料，如初级、中级和高级。而自适应测试却可以做到在学习前对受训者进行测试。根据学习者对计算机所问的问题的回答的错误程度来判断学习者的能力。自适应测试辅助教学，更接近于像是给学习者请了一位电子化的“老师”。这个老师会帮助学习者提供个性化的学习建议，鼓励他所进行的学习实践，通过测试来刺激学习者的学习动机和好奇心。对于具有创造性的学习者来说，这种方法能提供个别的指导。训练可以让受训者在人造的环境中灵活地运用技能。更好的自适应测试辅助教学甚至允许学习者自己开发培训项目的内容。

2 CAT在专业语法教学中的运用

2.1确定教学目标

为了更好开展教学任务，教师需要对学生的英语能力水平进行摸底。成绩测试也要紧随形势，把考试的重点放在考査语言实际运用能力方面，着重测试学生用英语进行交际的能力。同时使成绩测试中的考题最大限度地体现大学英语的教学目标，为准确测量学生英语水平提供科学的手段，保证考试后效，使测试更好地为教学服务。自适应测试能够帮助教师决定基于成绩对学生的水平所作的推论。一定程度上能够对大学英语教学起到评估作用，根据学生英语水平的实际情况，确定接下来的教学目标。

试题资源共享与自适应测验是日后高校教学的重点。测试得出的指标评价是根据一定的教学目标，将这种目标逐级分解为各项教学知识点，构成知识体系，然后按照知识体系逐项收集有关的教学难点，集合由若干知识点构成，每一个知识点又由更小的知识点组成，由面到线，由线到点，对学生知识点情况掌握得更为详尽，从而更为精确判断出失分率，帮助教学判断。例如，动词完成进行时态一直是语法教学重点，但失分率比较大。经测试得知，学生其实掌握了这一语法规则，但语法运用起来不够熟练。因此，教师可在以后教学中加强这一语法交替运用，而减少语法规则的讲解篇幅。

2.2了解个体性差异

学习存在着个体差异。例如有的学生擅长于分析、逻辑推理，那么他擅长于做阅读细节分析题，有关数字与计算能力题，地点、职业身份、人物关系分辨等能力题，有的学生语感比较好，语法无需多学便能掌握。学生具有各种不同的智力，这就意味着某个相同的学习任务并不适应于所有学生。具有很强逻辑-数学能力的学生善于对付复杂的语法解释，而另一些学生也许需要图解和具体物体的呈现才能理解，因为他们具有较好的视觉和空间的能力。而且人们对某一相同事物的刺激也会有不同反应，这证明每个人大脑的工作方式是不同的。因此，相同的语法教学活动不可能适应于每一个学生，教师应因“智”施教。自适应测试则把学生个体性差异展示给教师，甚至细化到虚拟语气中倒装句是学生薄弱之处都清晰列明，让教师设计出适合于学生水平的各种教学活动。

2.3引导教学方向

自适应测试引导教学，在教学内容的组织上包括以下几种策略：

⑴个人练习策略（其中包括趣味游戏策略）。它的运行过程是：先由学生掌握某语法规则后，由计算机通过一定的程序，向学生提出有关其所学内容的一系列规则原理以及某些语法运用实例并要求作答，在学生给出答案后，计算机再给出正确答案，必要时可以做出一定程度的解释，这样不断地强化所有正确的反应，直到完全掌握培训目的为止。这种方式适用于语法的掌握等专业基本概念知识的建立。

⑵模拟策略。这里所说的模拟是计算机化的模拟，对这种方式的另一种说法是虚拟现实。这常常是以计算机为基础开发的三维模型。通过使用专业设备（佩戴特殊的眼镜和头套）和观看计算机屏幕上的虚拟模型，学生可以感受到模拟情景中的环境，并同这一环境中的要素，例如设备、操纵器、人物等进行沟通。这一技术还可以刺激学生的多重感觉。有的设备还具有将环境信息转变为知觉反应的能力。例如，可以通过可视界面，可真实地传递触觉的手套、脚套和运动平台来创造一个虚拟的环境。利用各种装置，学生可以将运动指令输入电脑，这些装置就可以让学生产生身临其境的感觉。这个策略尤其适用于模拟真实的语言环境。

3 结语

语言测试在项目反应理论的指导下实现了自适应性测试，外语学习过程同样也可以实现自适应性的学习。学习者可以选择与他/她语言水平相适应的教学内容，而且在教学内容的组织上（即教学设计方向）与他/她的学习策略相适应，这样可以培养学习者的积极性，达到高效的语言学习效果。

【参考文献】

LMS自适应滤波器干扰方法篇7

关键词：自适应滤波器,干扰,雷达对抗,LMS

随着科学技术的发展,雷达系统结构的发展也趋于对外界响应的自适应,其内部结构有越来越多的可变参数器件,主要根据目标对照射信号的响应、外界的电磁环境变化等各种因素,调节自身的结构,实现对目标的最优检测。由于自适应滤波器的输入信号和噪声统计特性在一定情况下可实时变化,系统参数也同时做出相应的动态调整,这种结构上各参数的调整优化可以通过自适应算法得以实现,LMS算法是自适应滤波算法中较为重要的算法。因此有必要寻找这类算法的缺点,研究对其干扰的方式,使之无法实现结构上的自动优化,降低雷达的工作效能。

1 LMS自适应滤波原理和分析

自适应滤波器有两个关键概念,一是收敛后得到稳定的最优解为一个维纳滤波器,二是自适应算法引入负反馈控制结构中可调参数向维纳解不断逼近。维纳滤波器是以最小均方误差为准则的滤波器。其核心为维纳霍夫方程

[Φxs]=[Φxx][h] (1)

其中,Φxs是有用信号S和外界混入噪声的有用信号两者之间的互相关矩阵。Φxx是外界输入信号的自相关矩阵。h是滤波器的系数,由式可得滤波器的系数表达式为

[h]=[Φxx]-1[Φxs] (2)

典型的基于LMS算法的自适应滤波器结构如图1所示。

LMS滤波器是基于最小均方误差准则的自适应滤波器,输入的含噪信号为Xj,参考信号为dj,两者间的均方误差公式为

E[e $_{j}^{2}$ ]=E[d $_{j}^{2}$ ]+2E[djXTj]W+WTE[XjXTj]W=E[d2j]-2PTW+WTRW (3)

通过LMS的算法,进行滤波器权值的迭代计算,不断调整更新

Wj+1=Wj+2μ(dj-WTjXj)Xj (4)

经过一段时间后,最终可得到最优权值的滤波器系数,为一个维纳滤波器,即式(2)。同时均方误差也达到最小状态

(E[e $_{j}^{2}$ ])min=E[d $_{j}^{2}$ ]-W*TP (5)

其中,W*T为最佳权矢量。

LMS算法主要存在两个缺点:

(1)步长μ固定不变,适应能力有限。自适应滤波理论基于外界干扰信号的统计特性在一段长时间内是平稳的前提条件,即只有在外界干扰是平稳过程的时候,自适应滤波器的各个系数经过若干次迭代运算后才最终收敛于维纳解。自适应滤波器的收敛步长一般决定于外界干扰的统计特性,这表示不同的干扰条件下自适应滤波器对于每个干扰波形都需要合适的步长,有些算法的迭代步长是固定的,如LMS算法,步长一般小于自相关矩阵的最大特征值的倒数。而有些则是变化的,如RLS算法。其参数对一段时间长度内的平稳过程具有良好的适应性,对某些统计特性随时间变化的非平稳过程,自适应算法的统计平稳前提并不成立,也就无法收敛于最优的维纳解。对于LMS这类固定步长的算法而言,自适应滤波器的收敛过程大致可分为3种情况,如图2所示。图2(a)所示为理想情况,步长比较合适,若干次收敛后,实现误差最小。图2(b)所示为步长较小的情况,需要经过较长时间的计算后,均方误差才会逐渐逼近最小。耗时长,系统响应迟钝。图2(c)为步长较大的情况,系统无法收敛。图2(b)和图2(c)这两种情况对于自适应滤波而言效果异不理想,但对于干扰方,却是较为理想的干扰效果。

(2)时间上的滞后性,自适应滤波器经过收敛、优化、最终达到最佳的维纳状态这一过程是基于对外界环境的响应不断做出调整,滤波器的反应始终落后于外界环境的变化。这一缺点决定了其对统计特性快速变化的干扰信号适应能力有限。

对于干扰一方而言,可以研究这些缺点,通过相应的干扰信号来破坏自适应滤波器的收敛,这种干扰思路类似于对雷达AGC电路中的通断干扰和角度欺骗的闪烁干扰,将干扰信号设计由两个或多个子干扰信号构成,这些噪声之间交替切换,可实现自适应滤波器收敛过程的不稳定。子干扰信号在时间上排列构成为

$J (t) = {\begin{cases} J_{1} (t), Τ_{1} ＜ t ＜ Τ_{2} \\ J_{2} (t), Τ_{2} ＜ t ＜ Τ_{3} \\ J_{3} (t), Τ_{3} ＜ t ＜ Τ_{4} \\ ⋮ ⋮ \\ J_{n} (t), Τ_{n} ＜ t ＜ Τ_{n + 1} \end{cases} (6)$

其中,J1(t),J2(t),J3(t),…,Jn(t)为子干扰信号,且n≥2。

针对自适应滤波器工作于平稳的干扰条件下这一前提,则可以增大J1(t),J2(t),J3(t),…,Jn(t)各子干扰信号的统计特性。使其对应的合适步长差异较大,LMS滤波器在输入由这些干扰组合成的波形时,造成的结果将是收敛慢或者不收敛,难以取合适的步长完成收敛的功能。

2 软件仿真

使用Matlab软件,构建一个2阶的基于LMS算法的自适应滤波器,有用信号为一正弦波

$S (t) = \sin (\frac{1}{128} π t) (7)$

假设无干扰情况下只有噪声信号n(t),n(t)为一均值为0,方差为1的高斯白噪声。假设有干扰情况下,干扰信号J(t)由J1(t)、J2(t)两种子干扰信号构成

$\begin{array}{l} J (t) = {\begin{cases} J_{1} (t), 当 2 n Ν \leq t \leq (2 n + 1) Ν, \\ n 取整数, Ν 小于收敛时间 \\ J_{2} (t), 当 (2 n + 1) Ν \leq t \leq (2 n + 2) Ν, \\ n 取整数, Ν 小于收敛时间 \end{cases} \\ (8) \end{array}$

其中,J1(t)、J2(t)为噪声调幅信号 $J_{1} (t) = Κ_{1} U_{1} \sin (\frac{1}{128} π t), J_{2} (t) = Κ_{2} U_{2} \sin (\frac{1}{128} π t), U_{1}$ 为[0,1]的均匀分布噪声信号。U2是均值为1,方差为1的高斯分布噪声信号。同时为与单一统计特性的高斯白噪声n(t)比较,还需要两子干扰分别乘以常数K1、K2,以满足干扰信号J(t)功率大致等于噪声n(t)。

在有用信号S(t)中分别混入高斯白噪声和设计的干扰信号,分别送入自适应滤波器,对滤波器的输出时域波形进行分析,从图4中可以观察LMS算法对混入信号中干扰与噪声的滤除效果,并在图5中比对在有、无干扰作用下自适应滤波器的学习曲线。

从图4所示的LMS滤波器输出时域波形上看,高斯白噪声对LMS算法干扰效果不佳,经过自适应滤波器若干次迭代运算的收敛后,噪声逐渐被滤除,原信号逐渐显现。在输入为干扰信号J(t)的情况下,如图4(b)所示,自适应滤波器只能在其中一种子干扰条件下收敛,而在另一种情况下不收敛,对比图4(d)子图的J1(t)、J2(t)切换时序,可观察滤波器输出随着两种子干扰信号的变化而改变。图4(c)子图显示的是滤波器同时送入高斯白噪声n(t)和干扰J(t)后的输出。两子干扰信号在叠加高斯白噪声后LMS算法均无法收敛。

图5为LMS滤波器在各种输入条件下的学习曲线,从学习曲线上观察,在单一高斯白噪声条件下,均方误差E[e $_{j}^{2}$ ]随迭代次数增多而下降,经过300～400次迭代后趋于稳定。在干扰信号J(t)作用下,如图5(a)所示,均方误差不随迭代次数增多而逐渐减小,而是呈周期性变化,且其平均值较单一高斯噪声下LMS滤波器的均方误差大。将干扰信号J(t)和噪声n(t)叠加后,滤波器的均方误差同样不递减,具体波形见图5(b),均方误差随迭代运算次数增多变化平缓。

3 结束语

自适应滤波器由于对外界的信号具有适应能力,可根据外界输入的统计特性实时更新自身结构以实现最小均方误差滤波,具有一定的抗干扰性能。但也存在诸如依赖于统计平稳信号,收敛性能受制于步长大小,响应的滞后性等缺点。文中针对LMS自适应滤波器的步长适应范围的局限性,使用两种统计特性不同的噪声调幅信号交替工作构成干扰,经过仿真验证,可发现所设计的干扰信号可有效降低了自适应滤波器的收敛效率,实现一定的干扰效果。利用自适应滤波器收敛的滞后性缺点能否设计出干扰波形还有待于进一步研究。

参考文献

[1]赵国庆.雷达对抗原理[M].西安:西安电子科技大学出版社,1999.

[2]章潜伍.随机信号分析[M].西安:西安电子科技大学出版社,1998.

[3]何振亚.自适应信号处理[M].北京:科学出版社,2002.

[4]Simon Haykin.自适应滤波器原理[M].郑宝玉,译.北京:电子工业出版社,2006.

[5]沈福民.自适应信号处理[M].西安:西安电子科技大学出版社,2001.

[6]FARHANG-BOROUJENY B.Adaptive filter-theory and application[M].New York:John Wiley&Sons,1999.

制造云服务组合异常自适应调整方法篇8

云制造是一种利用网络和云制造服务平台,按用户需求组织网上制造资源(制造云),为用户提供各类按需制造服务的一种网络化制造新模式[1]。它利用公共服务平台将各种制造资源和制造能力进行虚拟化封装,用户可根据自身需求选择单个服务或进行若干个服务的组合,实现“集中资源分散服务”[2]。事实上制造企业业务环境复杂多变,服务调用过程中自然存在着诸多不可预知的异常情况,如用户需求更改、机器故障、服务的退出、任务的取消、服务提供方QoS发生变化等。因此在制造云服务组合过程中需建立服务异常处理机制,以保证服务组合顺利运行。

目前人们对制造云服务组合研究主要集中在组合优化方法上,对于组合异常处理涉及甚少。文献[3]提出了一种制造设备云服务异常处理模型,该模型在对制造设备云服务可能产生的异常进行分类和抽象的基础上,通过监控逻辑监控和捕获产生的异常,并通过处理逻辑对异常进行处理,给出了7种异常的处理流程。文献[4]提出了一种基于QoS的制造云服务组合自适应调整机制,将可靠性、可用性、时间、价格和柔性度作为云服务的QoS特征,并对云制造环境下服务可能产生的异常进行了分类和抽象,将自适应调整逻辑引入组合云服务。文献[5]针对Web服务提出了一种基于多Agent系统的异常处理模型,该模型利用Agent的协作性、推理和自学习的特性,使异常得到有效的捕获和处理。文献[6]针对Web服务提出一种基于补偿业务生成图的组合服务异常处理方法,基于业务流程中任务间补偿依赖关系,讨论了补偿业务生成图的自动生成问题,设计了补偿依赖关系、补偿业务生成图的自动生成及组合服务执行过程中异常处理算法。文献[7]针对面向服务软件中异常处理机制的特点,提出一种基于着色Petri网的异常处理模型,利用该模型可以精确描述面向服务软件中异常处理总体方案,便于辅助设计人员检测异常处理设计方案中的缺陷。文献[8]提出了一种Web服务组合动态调整机制,建立服务异常模型来描述服务运行过程中所面临的异常情况的类别、产生原因以及外在表现,在该模型的基础上给出了异常监控策略,并提出了组合服务替换范围确定算法和调整方案生成启发式算法。

上述文献从多个角度对服务组合异常处理进行了研究,部分文献虽然研究对象是Web服务,但其方法对制造云服务异常有一定的借鉴意义。相比于Web服务,制造云服务的组合还需考虑硬件云服务会出现的特定问题,如制造设备故障、设备任务过载等问题。事实上在制造云服务组合过程中有些异常情况是随机的、不可预测的,这种不确定性使得服务平台难以事先制定固定的异常处理应对策略,从而需要对制造云服务和组合执行路径进行动态调整,以保证服务组合对复杂执行环境的自适应性。为此,本文提出了一种制造云服务组合异常自适应调整模型。

1 问题描述

1.1 异常处理模型

云制造服务平台中存在着海量的云服务,根据制造专家的描述,制造资源涵盖了设计资源、仿真资源、生产资源、试验资源以及管理资源等。云制造环境下用户的需求往往需要多个云服务进行组合协同完成,在组合执行的过程中存在诸多影响云服务动态组合和执行的异常因素。文献[2]将影响云服务组合的异常因素分为3种:①与任务相关的异常,主要包括任务需求改变、任务挂起和任务取消;②与资源服务相关的异常,主要包括服务过载、服务退出、服务动态加入、服务故障;③与服务QoS相关的异常,主要包括执行时间改变、成本改变、可用性改变、可靠性改变和信誉度改变。因此必须研究当这些不确定性因素发生时,制造云服务平台如何动态进行云服务调整以适应这些变化,提高云服务组合的柔性。为此本文提出如图1所示的异常处理模型。

异常处理自适应调整机制如下:先由异常监测器感知异常信息,一旦出现异常信息,监测器负责收集,并将异常信息送往分析器进行处理;异常分析器根据捕获的异常信息,分析异常产生的信息源和类型,并将分析结果传递给处理器;异常处理器根据异常产生类型结合异常处理策略,生成异常处理方案,在处理时需要调用各子任务候选云服务集及相关信息。异常处理评测器负责对处理方案进行性能评估,如果方案可行,则继续执行调整后的服务流程,如果方案不通过,则交给异常分析器重新定位分析。

1.2 相关定义

为了更清楚地描述制造云服务组合异常自适应调整的策略,给出相关定义如下。

定义1 制造云服务。各类制造资源经过虚拟化后封装为云服务,单个候选制造云服务可抽象为一个五元组S=(SID,properties,Status,QoS,TaskList)。其中SID为制造云服务的标识;properties为云服务的重要属性信息,包括云服务的名称,提供者,最大负载(Load)等;Status表示云服务的状态,取值为空闲、忙、维修、失效和暂停;QoS={c,t,r,a,h }表示制造云服务质量的描述,c表示服务的价格,t表示服务的时间,r表示服务的可靠性,a表示服务的可用性,h表示服务的诚信度,上述值可根据文献[9]计算得到;TaskList={Task1,Task2,…,Taskn}表示候选云服务所对应的子任务列表。

定义2 子任务。一个制造任务按照一定的业务逻辑可分解为若干个不可再分且能被单一云服务完成执行的子任务,形式上可描述为T =(Taskid,Attribute,num,num _finished,max_c,max_t,TaskStart,TaskEnd,state)。Taskid表示子任务的标识,对应于制造云服务TaskList中的序号;Attribute表示任务的重要属性,包括任务物料、零件名称、工艺要求等;num表示加工零件的数量;num_finished表示已经完成的零件数量;max_c表示制造子任务价格最高阈值;max_t表示制造子任务最长时间阈值;Task-Start表示任务开工时间;TaskEnd表示任务结束时间;state表示任务的状态,有完成(Finish)、等待(Wait)和进行中(Active)。

定义3 异常。制造云服务执行过程中遇到的错误条件或者不可预测的行为称为异常,可抽象为一个四元组Exception = (EID,Type,Source,Reason)。EID是异常事件的标识;Type是异常的类型,为整型值,1 表示任务异常,2表示服务异常,3表示QoS异常;Source表示异常的来源,如任务需求性变化、任务取消、服务机器故障、服务过载等;Reason表示发生异常的具体原因,如时间需求变化、数量变化等。

定义4 云服务的替换。设针对一个制造子任务Taski,存在一个候选的制造云服务集CS={cs1,cs2,…,csm},上述候选云服务都能满足Taski的功能需求,若一个候选服务csj发生异常,存在一个csk,满足:

(1)csk.QoS.c*Taski.num≤Taski.max_c;

(2)TaskStart+csk.QoS.t*Taski.num≤Taski.max_t;

(3)csk.properties≠“超载”;

则称csk可替换csj。其中表示服务csk的QoS的综合性能。

2 异常调整策略

策略1 任务需求变化调整策略。

(1)将异常处理器获取发生需求改变的任务Taskid设为任务Ti,若Ti.state= Wait,则根据定义4重新进行选择;若Ti.state=Finish,则给出错误提示。

(2)若Ti.state=Active,则根据Taskid的关联信息找到执行当前任务的SID,悬挂服务号为SID的服务Sj及相关的后续组合服务流程。

a.若Exception.reason= 数量改变,判断Sj及后续服务流程负载和时间能否满足,若能满足,修改服务协议数量和服务任务列表中后任务的计划开工和结束时间;若不能满足,则将数量增量部分生成一个单独任务,由异常处理器根据定义4选择一个云服务执行。

b.若Exception.reason= 时间改变,判断Sj及后续服务流程能否满足,若能满足,修改服务协议时间;若不能满足,则将待加工零件生成一个单独任务,由异常处理器根据定义4选择一个云服务并行执行。

策略2 任务挂起调整策略。

(1)异常处理器获取发生挂起的任务Taskid,设为任务Ti,若Ti.state=Active,则根据Taskid的关联信息找到执行当前任务的SID,悬挂服务号为SID的服务Sj及相关的后续组合服务流程,置Ti.state=Wait;

(2)对后续服务流程中所有状态为Wait的任务Tj修改任务结束计划开工时间和结束时间,Tj.TaskStart= Tj.TaskStart- Ti.TaskEnd+now(),now()表示当前日期时间;Tj.TaskEnd=Tj.TaskEnd-Ti.TaskEnd+now()。

(3)当挂起操作结束后,判断服务Sj及相关的后续组合服务能否满足制造子任务最长时间阈值max_t,若满足调整结束;若不满足,按定义4选择一个云服务执行。

策略3 服务过载调整策略。

(1)异常处理器获取发生服务过载的云服务Sj,设置Sj.Status=“暂停”。

(2)悬挂Sj中所有未执行完成的任务TaskList = {Task1,Task2, …,Taskm},对TaskList中任一任务Ti修改剩余num值,将未完成的产品单独生成一个任务按定义4到候选云服务集中选择一个QoS的综合性能最大的云服务替换执行,并在TaskList中删除该任务。

(3)修改云服务QoS历史记录中发生服务过载的次数,并调整该云服务QoS中可用性a的值。

策略4 服务故障调整策略。

(1)异常处理器获取发生服务故障的云服务Sj,设置Sj.Status=“维修”。

(2)若Sj所对应的TaskList中所有任务都已执行完毕,则调整结束,否则悬挂Sj中所有未执行完成的任务TaskList={Task1,Task2,…,Taskm}。

a.若TaskList中任一任务Ti,满足Sj.QoS.T*(Ti.num-Ti.num_finished)+TA≤Ti.max_t,则维修等待,TA为故障修复时间。

b.若不满足条件a,则将未完成的任务按定义4到候选云服务集中选择一个QoS的综合性能最大的云服务替换执行,并在TaskList中删除该任务。

(3)修改云服务QoS历史记录中发生服务故障的次数,并调整该云服务QoS中可用性a的值。

策略5 服务退出调整策略。

(1)异常处理器获取退出的服务Sj,设置Sj.Status=“失效”。

(2)若Sj所对应的TaskList中所有任务都已执行完毕,则调整结束,否则悬挂Sj中所有未执行完成的任务TaskList={Task1,Task2,…,Taskm}。

(3)对TaskList中任一任务Ti,将未完成的产品生成一个单独任务按定义4 选择一个QoS综合性能最优的云服务替换执行,并在TaskList中删除该任务。

(4)修改云服务QoS历史记录中异常退出的次数,并调整该云服务QoS中诚信度h的值。

策略6 QoS异常调整策略。

(1)异常处理器获取发生QoS异常的云服务Sj,设置Sj.Status=“暂停”。

(2)若Sj所对应的TaskList中所有任务都已执行完毕,则调整结束,否则悬挂Sj中所有未执行完成的任务TaskList={Task1,Task2,…,Taskm}。

(3)对TaskList中任一任务Ti,计算未完成产品生成新任务,按文献[9]的选择算法,重新计算该云服务的QoS综合性能,若重新计算的值在候选云服务集中依旧最优,在云服务中保留该任务。否则,选取新的最优服务替换该服务,并在服务TaskList删除该任务。

(4)修改云服务QoS历史记录中发生QoS异常的次数,并调整该云服务QoS中可靠性r的值。

3 制造云服务组合异常自适应调整算法

3.1 异常处理评测

异常处理器根据异常源生成异常调整策略过程中,替换和迁移云服务解决方案主要是从子任务云服务QoS优选角度出发,未考虑调整后服务组合整体QoS的性能。异常处理评测器主要负责对调整后服务组合整体QoS性能进行评估。WS-BPEL是典型的Web服务工作流描述语言,同样适用于制造云服务的组合,其中定义的主要流程控制活动主要有顺序、并行、选择和循环结构[10]。根据制造专家的建议和实际情况,本文分析顺序和并行两种主要结构,通过两种结构可将各子任务组合形成一条云服务组合执行路径pj。本文针对上述两种结构,给出了异常处理评测组合服务整体QoS性能方法。

顺序结构下云组合服务执行路径pj的服务质量各参数评测:

并行结构下云组合服务执行路径pj的服务质量各参数评测:

其中,n为组合服务中子任务云服务的个数,k为并行控制中的分支数,ci代表第i个子任务优选出的云服务价格参数值,其余类似。组合服务路径pj整体的服务质量Q(pj)的计算式如下:

3.2 异常自适应调整算法

云制造环境下当云服务或任务出现异常,有些异常情况是随机的、不可预测的,这种不确定性使得服务平台难以事先制定固定的异常处理应对策略,从而需要动态地对制造云服务和组合执行路径进行调整,从而保证服务组合对复杂执行环境的自适应性。监测器会首先感知和捕获异常信息,通过分析器处理,确定异常源和类型建立相应的调整策略来协调服务的执行,最后通过异常处理评测对调整方案进行进一步评估,经多次迭代调整,生成相应的解决方案。异常自适应调整算法如下:

(1)初始化设定调整的次数count=0,最大调整次数max_count,Q(pj)的阈值;

(2)执行异常监测,自动感知和捕获异常信息,数据传送分析器。

(3)分析器分析处理,确定异常类型(Type)、异常源(Source)和异常原因(Reason)。

(4)定位与异常任务或服务相关的云服务S,悬挂相应的业务流程,根据异常类型和异常源,调用相应的调整策略:

a.IF Exception.Type=1 and Exception.Source=“需求改变”Then执行策略1

b.IF Exception.Type=1 and Exception.Source=“任务挂起”Then执行策略2

c.IF Exception.Type=1 and Exception.Source=“任务取消”Then在与该任务相关的所有云服务TaskList中删除该任务

d.IF Exception.Type=2 and Exception.Source=“服务过载”Then执行策略3

e.IF Exception.Type=2 and Exception.Source=“服务故障”Then执行策略4

f.IF Exception.Type=2 and Exception.Source=“服务退出”Then执行策略5

g.IF Exception.Type=2 and Exception.Source=“服务动态加入”Then暂停相关的子任务,按参考文献[9]的选择算法,重新计算候选云服务集中QoS综合性能,选取新的最优服务,并在需修改的服务TaskList删除该任务。

h.IF Exception.Type=3 and Exception.Source=“QoS异常”Then执行策略6

(5)更新云服务QoS参数的值,调用异常处理评测模型,计算组合服务综合质量Q(pj)的值,若Q(pj)值大于或等于设定的阈值,则执行步骤(6)。若小于设定的阈值,判断调整次数count是否大于max_count,若是则输出调整失败,调整算法结束;否则count=count+1,转步骤(4)重新调整。

(6)解除业务流程悬挂,按调整后云服务执行路径继续运行,调整算法结束。

4 实验与结果分析

4.1 可行性实验

为了验证本文提出的制造云服务组合异常自适应调整方法,本文借助电信云计算平台,设计了云制造服务组合试验平台的原型,利用jdk+My-Eclipse开发环境,以分布式应用软件mpiBLAST仿真计算机节点对云制造服务平台的调用。实验以某阀门制造厂的阀门生产过程来构造应用场景。由于制造云服务的描述和定义具有较强的自主性和多样性,使得当前缺乏一个公共的且被大多数学者所认可的服务基准库作为标准测试集,因而当前的制造云服务组合测试大多使用自动生成的测试数据进行仿真测试[11,12]。本文搭建的云制造服务试验平台包含了100个用于测试的阀门制造云服务,制造云池中有3000余条制造资源的历史记录。为了演示推理过程,我们选择了5个候选服务作为推理样本,对任务需求变化、服务过载、服务故障、服务退出、QoS异常等情况进行了模拟:设置任务Task1临时增加500件产品加工任务;Task3临时要求任务提前,时间阈值为50,价格阈值为0.7;服务S5发生故障,并造成负载超载;服务S5发生QoS异常,时间调整为0.08h/件等情况。数据如表1所示。

表1中价格为单件产品加工费用与单件产品每公里的运输成本之和。时间为单件产品的加工时间。QoS其他指标含义及QoS综合值计算见文献[9]中的描述。表1中各云服务任务列表中所对应的子任务参数情况如表2所示,其中开工时间为负值表示任务当前已用的小时数。

Task1的任务需求追加500件,修改后的任务总数量为1500件,小于负载阈值,任务总体需要时间为1500×0.04<80(h),能满足时间要求,价格未变,故需修改Task1.num=1500,500件任务额外增加时间500×0.04=20(h),故Task1.TaskEnd=40,Task4和Task6的计划开工和计划结束时间都增加20,云服务和流程其余保持不变,调整结束。

Task3临时任务提前,时间阈值要求更改为50,价格阈值为0.7,故Task3不能满足时间要求,S1和S5已有任务排队,不能满足时间要求,50小时内Task3只能完成1000件产品,因而另外400件产品需单独生成任务,S3和S4符合生产条件,S4因QoS值更高,任务则由S4完成,S4任务列表中增加Task3转移任务,修改Task3.TaskEnd=50,S2.Status=“忙”,S2和S4并行执行任务Task3,调整结束。

S5发生故障,如果故障能在max_t-Task-End-TaskStart时间段内恢复,Task2任务保持不变,否则按定义4替换。而Task5任务如要按期完成,必然会造成负载超载。S1不能满足Task5的时间要求,S2完成Task3任务后刚好能满足Task5时间要求,S3和S4服务价格不符合条件,故Task5任务由S2服务替换,修改服务S5和S2任务列表项内容,调整结束。

S2服务退出,Task3还有800 件产品未完成,因此需生成一个任务。S1和S5不能满足时间要求,S3和S4符合条件,而S4的QoS值更大,故Task3剩余任务由S4服务替换,修改服务S2和S4任务列表项内容,调整结束。

S5出现QoS异常,服务时间调整为0.08h/件,Task2任务符合条件0.08*(num-num_fin-ished)-Task2.TaskStart<Task2.max_t,因此Task2任务不需调整;Task5任务不满足时间要求,S2完成Task3任务后刚好能满足Task5时间要求,S3和S4服务价格不符合条件,故Task5任务由S2服务替换,修改服务S5和S2任务列表项内容,调整结束。

仿真实验表明,本文提出的制造云组合异常自适应调整算法是可行的,当有异常发生时,能快速调整服务组合方案,保证制造活动的正常运行。

4.2 有效性实验

实验采用服务组合执行成功率来分析方法的有效性,本文设计了不调整、功能匹配调整和自适应调整三种方法进行对比实验。不调整方法在异常发生时,不采取任何调整动作,流程执行如果不符合条件,任务即执行失败。功能匹配调整在异常发生时,按功能匹配原则,如果能满足功能上的需求,即随机选取候选服务替代,也不进行异常处理评测。实验中对QoS各参数的权值根据制造专家的建议分别取0.3、0.3、0.2、0.1、0.1,生成随机值模拟任务需求变化、服务过载、服务故障、服务退出、QoS异常等情况,对100 个服务过程中设置了20次的异常情况,对比结果如图2所示。

由图2可知,不调整方法服务组合执行成功率较低,当有异常发生时,因没有调整措施,导致服务执行失败。功能匹配调整方法在异常发生时由于有服务替代策略,因而服务执行成功率相对不调整方法明显提高,但由于替代时采用随机选取候选服务,因而执行成功率的波动性较大,加上替代方案未经过进一步的评估,有些服务功能上能满足要求,但整体服务质量欠佳,造成用户放弃服务而执行失败。自适应调整方法在执行成功率上明显优于前两种方法,由于在异常发生时该方法能自适应快速调整,且在调整后有相应的异常处理评测,对调整后的服务组合整体质量进行评估,因而用户执行成功率保持在一个较高的水平上,且具有较好的稳定性。

5 结束语

开放、动态网络环境下的制造云服务具有海量和不确定性等特点,在云服务组合的全生命周期中,可能会因为云服务节点及其所运行的任务环境的动态变化发生异常,如何在异常发生时,制造云服务组合流程快速调整,保证制造活动正常执行,是一个必须考虑的问题。为此本文在分析制造活动全生命周期各种异常的动态变化基础上,提出了一种制造云服务组合异常自适应调整模型。模型能自动检测出各种异常变化,然后对这些异常进行分析并建立相应的调整策略来协调服务的执行,并且通过异常处理评测对调整方案进行进一步评估,经多次迭代调整,实现服务平台对出现的异常自适应调整,保证服务组合执行的成功率。实验结果表明,本文提出的自适应调整方法在异常发生时,能快速调整服务组合方案,有效地解决异常问题,保证制造活动的正常运行,提高制造云服务组合的柔性。下一步的工作将集中于云服务间关联关系的改变导致异常等问题的研究。

参考文献

[1]李伯虎,张霖,王时龙,等.云制造——面向服务的网络化制造新模式[J].计算机集成制造系统,2010,16(1):1-7.Li Bohu,Zhang Lin,Wang Shilong,et al.Cloud Manufacturing:a New Service-oriented Manufacturing Model[J].Computer Integrated Manufacturing Systems,2010,16(1):1-7.

[2]陶飞,张霖,郭华,等.云制造特征及云服务组合关键问题研究[J].计算机集成制造系统,2011,17(3):477-486.Tao Fei,Zhang Lin,Guo Hua,et al.Typical Characteristics of Cloud Manufacturing and Several Key Issues of Cloud Service Composition[J].Computer Integrated Manufacturing Systems,2011,17(3):477-486.

[3]赵秋云,魏乐,舒红平,等.云制造环境下制造设备云服务异常处理模型[J].图学学报,2014,35(6):840-846.Zhao Qiuyun,Wei Le,Shu Hongping,et al.Exception Handling Model of Manufacturing Equipment Cloud Service for Cloud Manufacturing Environment[J].Journal of Graphics,2014,35(6):840-846.

[4]魏乐,赵秋云,舒红平,等.云制造环境下基于QoS的组合云自适应调整[J].兰州大学学报(自然科学版),2012,48(4):98-104.Wei Le,Zhao Qiuyun,Shu Hongping,et al.Adaptive Adjustment of Composite Cloud Service Base on QoS for Cloud Manufacturing Environment[J].Journal of Lanzhou University(Natural Sciences),2012,48(4):98-104.

[5]赵红侠,姜淑娟,牟春雷.基于多Agent的Web服务异常处理模型[J].计算机应用与软件,2010,27(1):61-64.Zhao Hongxia,Jiang Shujuan,Mou Chunlei.Exception Handling Model for Web Services Based on Multi-agent[J].Computer Applications and Software,2010,27(1):61-64.

[6]尚宗敏,崔立真,王海洋,等.基于补偿业务生成图的组合服务异常处理方法研究[J].计算机学报,2008,31(8):1478-1490.Shang Zongmin,Cui Lizhen,Wang Haiyang,et al.Research on Exception Handling of Composite Services Based onCompensation Business Process Graph[J].Chinese Journal of Computers,2008,31(8):1478-1490.

[7]吴青,应时,贾向阳,等.面向服务软件中基于着色Petri网的异常处理模型[J].计算机科学,2011,38(4):170-174.Wu Qing,Ying Shi,Jia Xiangyang,et al.Exception Handling Model Based on Colored Petri Net in Service-oriented Software[J].Computer Science,2011,38(4):170-174.

[8]杨雷,代钰,刘福凯,等.面向自适应的组合服务动态调整方法[J].东南大学学报,2011,41(3):453-457.Yang Lei,Dai Yu,Liu Fukai,et al.Self-adaptation Oriented Dynamic Adjustment Method for Composite Services[J].Journal of Southeast University,2011,41(3):453-457.

[9]马文龙,朱李楠,王万良.云制造环境下基于QoS感知的云服务选择模型[J].计算机集成制造系统,2014,20(5):1246-1254.Ma Wenlong,Zhu Linan,Wang Wanliang.Cloud Service Selection Model Based on QoS-aware in Cloud Manufacturing Environment[J].Computer Integrated Manufacturing Systems,2014,20(5):1246-1254.

[10]Hen S,Yau Y Y.QoS-based Service Ranking and Selection for Service-based System[C]//Proceedings of IEEE International Conference on Services Computing.Washington D.C.,2011:56-63.

[11]Xu Xun.From Cloud Computing to Cloud Manufacturing[J].Robotics and Computer-Integrated Manufacturing,2012,28(1):75-86.

直流发生器输出电流自适应调节方法篇9

小电流接地故障选线定位问题是一直没有得到彻底解决的技术难题。在已提出的多种选线定位原理[1,2,3,4,5,6,7,8,9,10,11]中, 外加诊断信号法[11]是目前现场应用较为理想的一类选线定位方法。文献[12-13]提出的直流注入式选线定位原理, 从小电流接地系统的中性点处注入较大的半波直流电流, 以半波直流电流的幅值作为选线定位判据, 由于注入的半波直流电流较大而有很高的抗过渡电阻能力, 可从本质上解决小电流接地系统高过渡电阻故障时选线定位准确率低的问题, 现场运行证明了其有效性。

基于直流注入原理的小电流接地故障选线定位保护由直流发生器、选线主机、选线探测器、定位探测器和主站构成。直流发生器由整流元件和限流电阻串联构成, 接在小电流接地系统的中性点和大地之间。发生单相接地故障时, 直流发生器短时向故障系统注入半波直流电流 (判据信号) 。中性点对地电压因故障过渡电阻不同而变化, 即加在直流发生器上的电压随过渡电阻的变化而变化。为使注入的直流电流不影响供电系统的运行, 应将注入的直流电流限制在一定范围内, 因此, 必须随中性点电压的变化实时调节限流电阻的阻值。

调节限流电阻阻值的方法主要有2类。

a.传统方法。若干个固定阻值的高压电阻串联构成限流电阻, 由专门的控制器控制高压电阻的投切。实时监测中性点对地电压, 根据中性点对地电压的大小确定高压电阻的投入数量, 来调节限流电阻的阻值。该类方法不能连续调节直流发生器的输出电流, 且所需的控制器结构复杂, 成本较高。

b.自适应调节方法。根据直流发生器输出电流幅值的要求和中性点对地电压的变化规律, 自适应调节限流电阻的阻值。该方法不需测量中性点对地电压, 也不需要专门的控制器。文献[14]提出了一种基于正温度系数PTC (Positive Temperature Coefficient) 的正特性自适应调整限流电阻的实现方法, 以PTC元件并联常值电阻组成正特性自调整电阻网络元, 若干网络元串联构成正特性自适应可调限流电阻, 实现了随中性点对地电压的变化自适应调节直流发生器输出电流的功能。但PTC元件多用于低压控制系统中, 如文献[15]、[16]、[17]均利用PTC元件的电阻具有正特性, 分别实现了蓄电池组恒流放电、限制整流滤波器的启动冲击电流和自适应精确控温。将PTC元件应用于高压电力系统中需要考虑耐压问题, 文献[14]中用到的PTC元件需要定制, 使限流电阻的实施受到一定的限制。文献[18]提及35 k V及以下电压等级的电压互感器, 国内许多单位采用在开口三角接线绕组处长期接入普通照明用白炽灯泡, 利用其钨丝冷热态电阻变化大的特点来阻尼铁磁谐振。目前尚未见到其他有关高压供电系统中自适应连续可调限流电阻实现方法的报道。为此, 本文提出一种电流连续可调的自适应可调限流电阻的实现方法, 该方法易于实现和应用于电力系统中, 其已获得专利授权[19], 并成功应用于配电网中。

1 问题的提出

直流注入选线定位原理如图1所示[12,13]。直流发生器由高压硅堆VD、限流电阻Rd和投切开关Kd构成, 接于接地变一次侧中性点, 配电网中性点电压即为其工作电压。配电网正常运行时, 开关Kd断开, 不投入直流发生器。发生单相接地故障时, 闭合开关Kd, 投入直流发生器, 半波直流电流注入到故障配电系统;选线定位结束后, 断开开关Kd, 将直流发生器切除。发生接地故障时, 中性点对地电压不为0, 直流发生器投入后, 产生半波直流电流, 其流通情况如图1中虚线所示, 对半波直流电流寻踪即可实现故障选线和定位。

发生小电流接地故障 (以A相接地为例) 时, 中性点对地电压U0随过渡电阻的增大按半圆轨迹减小, 如图2所示[10]。图2中, EA为故障相电势;IA0为故障零序电流;XC 0为系统每相对地总分布电容电抗;Rg为接地过渡电阻;φ为接地阻抗角;X′L为消弧线圈补偿后系统每相对地等效电抗。金属性接地时U0的幅值达最大, 其值为系统相电压, 直流发生器的工作电压也具有同样的变化规律。对基于直流注入原理的选线定位保护, 一方面, 应避免注入的直流电流对配电网造成不利影响, 发生低过渡电阻故障时, 中性点对地电压较高, 需增大直流发生器限流电阻的阻值, 以限制注入直流电流的大小;另一方面, 高过渡电阻故障时, 中性点对地电压较低, 应减小限流电阻阻值, 以增强注入的直流电流, 来保证该故障情形下直流电流的可靠检测, 从而保证高过渡电阻故障时选线定位的准确性。可见, 直流发生器的限流电阻Rd应按正特性调节阻值。

因此, 欲使直流发生器的输出电流随中性点对地电压的变化自适应调节, 需采用正特性自适应可调限流电阻, 从而使注入的直流电流自适应地限制在规定的范围内。

2 自适应可调限流电阻的设计

2.1 白炽灯灯丝的电阻特性

在温度不变时, 导体的电阻R与其长度l成正比, 与其截面积S成反比。这是电阻定律, 可表示为:

其中, ρ为导体的电阻率, 它不仅与导体的材料有关, 还和导体的温度有关。有些材料的电阻率随温度的升高而增大 (如金属) , 有些材料的电阻率随温度的升高而减小 (如半导体和绝缘体) , 有些材料的电阻率几乎不受温度的影响 (如锰铜和康铜) 。在温度变化不大的范围内, 几乎所有金属的电阻率随温度作线性变化, 即:

其中, ρt、ρ0分别为温度t℃、0°C下的电阻率;α为电阻率温度系数 (°C-1) 。

白炽灯灯丝由钨丝制成, 其电阻率随温度的升高而增大。对一成品白炽灯, 灯丝的长度和截面积一定, 根据电阻定律, 由式 (1) 和 (2) 知, 灯丝的电阻随灯丝温度的升高而增大。白炽灯在不同电压下工作时, 灯丝的温度不同, 灯丝的电阻也就不同。用如图3所示电路测得220 V/500 W普通照明白炽灯的电阻与电压关系如图4所示。图4中, R为灯丝电阻;U为白炽灯两端的电压。

由图4可见, 白炽灯灯丝的电阻随着灯泡两端电压的变化呈非线性关系, 且具有正特性。在电压较低 (55 V以下) 时, 随着电压的升高, 阻值增大较快, 这与文献[20-22]所述220 V/100 W白炽灯灯丝的电阻特性一致。可见, 白炽灯灯丝电阻所具有的这种正特性变化特征符合本文所述直流发生器对其限流电阻的要求。

2.2 自适应可调限流电阻

根据2.1节所述白炽灯电阻具有的正特性和直流发生器限流电阻应按正特性变化的技术要求, 将一定数量的白炽灯和固定阻值的高压电阻串联构成正特性自适应可调限流电阻, 如图5所示。自适应可调限流电阻Rd阻值为:

其中, R0为高压电阻的阻值;Ri为第i只白炽灯的电阻值;n为白炽灯的数量。

由图2所示中性点对地电压幅值U0的变化规律, 有其中Up为供电系统相电压。金属性接地故障 (Rg=0) 时, U0=Up, 加在白炽灯上的电压最大, 此时白炽灯的灯丝呈现较大的电阻, 限流电阻Rd亦较大;随着Rg的增加, U0减小, 加在白炽灯上的电压也减小, 灯丝的电阻也减小, 限流电阻Rd亦减小;过渡电阻Rg=∞时, U0=0, 加在串联白炽灯上的电压也为0, 灯丝的电阻为较小的冷态电阻。可见, 图5所示的限流电阻能够随着中性点电压的升高而增大, 随着中性点电压的降低而减小, 具有正特性变化的特征, 该限流电阻能够随单相接地故障情形自动调节阻值大小。

2.3 限流电阻各组成元件的选择

限流电阻中固定阻值的高压电阻用于测量直流发生器的输出电流, 可选择1或2只满足安装处电压和电流要求的高压电阻, 其阻值按满足直流电流检测要求选择。

图5中, 白炽灯是构成直流发生器限流电阻的主要元件, 我国普通照明白炽灯额定电压为AC 220 V, 不同功率的白炽灯, 其额定电流不同。白炽灯的额定电压用ULN表示, 额定功率用PLN表示, 则其额定电流为:

对于本文所述直流发生器的应用场合, 限流电阻应用于配电网的一次系统中, 构成限流电阻的白炽灯为普通照明白炽灯, 为保证直流发生器的工作可靠性, 图5中白炽灯型号的选择及其数量的确定应按如下原则进行。

a.每只白炽灯应在不超过其额定条件下工作, 保证其可靠性。

其中, ULi、ILi分别为第i只白炽灯两端的电压和流过白炽灯的电流;ULNi、ILNi分别为第i只白炽灯的额定电压和额定电流。若选用同一型号的白炽灯, 则式 (5) 变为:

b.在满足白炽灯可靠工作的前提下, 限流电阻中白炽灯的数量n应为:

其中, 0.707Up为加在直流发生器上最高电压的有效值。

c.若注入的半波直流电流上限为Idc.z, 则白炽灯的额定电流应满足:

同时满足上述3个条件, 可以确定每只白炽灯的功率和限流电阻中所需白炽灯的数量。

如现有白炽灯的额定电流不能满足式 (8) 的要求, 可以采用灯泡并联的方式构成限流电阻, 但同样的电阻调节效果, 需用的灯泡数量成倍增加, 会使装置的体积增大。根据文献[13]的分析, 在注入故障系统的半波直流电流的大小满足半波直流电流检测精度的前提下, 应尽量减小注入直流电流的量值, Idc.z一般不超过2 A, 220 V/500 W灯泡能满足要求。另外, 本文中的白炽灯用作限流电阻, 不使用其发光功能。为使灯泡的使用寿命尽量长, 可适当增加限流电阻中白炽灯的数量, 使灯泡在较低于其额定电压的环境下工作。

3 限流电阻在配电网中的现场实验

利用某采油厂6 k V中性点不接地系统进行现场实验。系统接线图如图6所示, 系统参数为:8条架空出线采用LGJ-70型导线, 水平排列, 线间距离45 cm;无架空地线。

Ⅱ段母线加装接地变, 直流发生器接在接地变一次侧中性点处, 并分别采用传统的限流电阻和自适应限流电阻。自适应限流电阻由2只100Ω/1000 W的高压电阻和10只220 V/100 W的普通白炽灯串联而成;传统的限流电阻由6只高压电阻串联而成。

在3号出线距离变电站5 km处设置人工接地点。对上述2种限流电阻分别进行了金属性接地 (Rg=0) 和高阻接地 (Rg=2 400Ω) 现场实验。用UT203钳形电流表直流档测得直流发生器输出直流电流如表1所示。

由实验数据可以看出, 采用传统限流电阻和自适应可调限流电阻均能限制直流发生器的输出电流, 而白炽灯达到了自适应调节限流电阻阻值的目的, 克服了传统限流电阻结构复杂、需专门的控制电路调节阻值, 且电流不能连续可调的缺点。

4 结论

为方便调节直流注入式小电流接地故障选线定位保护中直流发生器的输出电流, 本文提出一种随着中性点对地电压的变化自适应调节限流电阻阻值的方法。对自适应可调限流电阻的实现方法进行了理论分析和实验验证, 得出如下结论。

a.利用白炽灯灯丝电阻具有非线性、正特性的特点, 由一定数量的普通照明白炽灯和固定阻值的高压电阻串联构成自适应可调限流电阻。该限流电阻具有正特性且可自动调节阻值, 它随着中性点对地电压的升高而增大, 随着中性点对地电压的降低而减小。

b.根据直流发生器输出电流范围的要求和自适应可调限流电阻应用于配电网一次系统的情况, 分析确定了白炽灯型号和数量的确定原则。

c.现场实验验证了该自适应可调限流电阻的有效性, 并将其成功应用于直流注入式小电流接地故障选线定位保护中。该选线定位保护已在6 k V和10 k V小电流接地系统运行超过3 a。参考文献:

摘要：为了使得基于直流注入原理的小电流接地故障选线定位保护的注入直流电流不影响供电系统运行, 提出根据中性点对地电压的变化自适应调节限流电阻的阻值, 将直流发生器注入故障系统的直流电流限制在规定范围内。白炽灯的灯丝电阻具有正特性, 其阻值随着端电压的升高而增大, 因此将一定数量的白炽灯和固定阻值电阻串联作为自适应可调限流电阻以调节注入直流电流。对自适应可调电阻的工作原理进行了分析, 给出了白炽灯型号和数量的选择原则。现场实验结果证明了所提方法的有效性和实用性。

自适应方法篇10

传统的PID控制在时域响应速度、参数的自整定以及时变、非线性等方面存在着不足, 对于大多数被控对象而言, 只要系统的参数整定达到一定的要求, 系统基本可以实现无差控制, 即稳定性良好。但在动态特性控制时, 传统PID的自适应能力较差, 当系统的控制参数发生变化时, 传统的PID控制会产生很大的调整变化, 在此过程中可能引起系统特性变弱, 甚至导致其严重不稳定。为了实现控制器参数的自整定功能, 使其具有良好的自适应能力, 本文设计了自适应模糊PID控制器。

1 PID控制原理

PID控制主要由比例环节、积分环节和微分环节组成, 通过各环节的调节器对理想输出r (t) 与实际输出y (t) 之差进行运算调节, 使执行机构达到按预定输入量运动的目的。传统PID控制系统原理框图如图1所示。

给定值r (t) 与实际输出值y (t) 构成的控制偏差为:

对控制偏差的相关环节按照一定的线性组合, 从而可有效地控制被控对象。PID控制的控制规律为:

其中:Kp为比例系数;Ki为积分系数;Kd为微分系数。

2 模糊控制原理

在实际应用中, 有时很难对被控制对象建立精确的数学模型, 后来人们将积累的人工控制经验利用一系列的条件语句来描述, 这就是控制规则;另外, 利用设定的模糊语言变量以及逻辑推理结构, 将形成的模糊控制转换成数值运算。

一般的模糊控制系统由模糊数据库、模糊规则库和推理机组成。它与传统的闭环控制系统的不同之处在于利用的是整体结构进行模糊控制, 而不是独立的内部模拟控制器。模糊控制系统结构框图见图2。

3 自适应模糊PID控制器设计

自适应模糊PID利用模糊控制器对需要控制的变量进行一定的模糊逻辑推理, 同时在一定预处理环节下在线调整PID各参数。一般的二阶单位阶跃系统响应曲线与误差曲线如图3、图4所示。

根据有关经验, 我们将PID控制器分为4种情况进行讨论:

(1) 当|e (k) |>M1 (M1为图4中区域1的最大值) 时, 误差的绝对值将达到很大, 此时不管误差的变化如何, 都应该考虑迅速调整误差值, 将控制器按照最大调整的输出而输出, 使误差很快减小。

(2) 当e (k) Δe (k) >0时, 通过分析可知, 此时的误差变化朝着其绝对值增大的方向发展, 若M2>M1且|e (k) |>M2 (M2为图4中区域2的最大值) , 此时的误差值较大, 因此, 应增强控制器的控制作用, 从而使误差值朝着减小的方向变化。

(3) 当e (k) Δe (k) <0, 此时无论是误差的增量或者是误差的绝对值都向着减小的趋势, 这时考虑保持控制器的输出不变。

(4) 当|e (k) |<ε时 (ε为设定的微小值) , 此时可以引入积分环节, 目的是减小系统的稳态误差。

综上所述, 在图4中, 在1, 3, 5…的区域内误差值主要表现为逐渐减小;反之, 在2, 4, 6…的区域内误差值表现为逐渐增大。

3.1 模糊PID控制器结构

本课题研究的自适应模糊控制器结构如图5所示, 主要以误差变化ec和误差e作为控制器的输入参数。其工作过程主要是模糊PID控制器找出e, ec与参数Kp, Ki, Kd之间的模糊控制关系, 系统在运行时, 不断检测e和ec, 同时根据模糊控制原理, 实时地修改3个控制参数, 使被控对象达到良好的动态特性。

3.2 确定模糊语言变量

本文设定偏差e, ec以及Kp, Ki, Kd的论域为:e[-6, 6], ec[-6, 6], Kp[-6, 6], Ki[-0.3, 0.3], Kd[-0.08, 0.08]。由于本课题的自适应模糊控制器需要在线调整模糊控制, 所以选用简单的三角形隶属函数。每个模糊子集变量都取7个元素, 分别代表“PB (正大) , PM (正中) , PS (正小) , Z (零) , NS (负小) , NM (负中) , NB (负大) ”, 设各参数均服从正态分布, 如图6所示。

3.3 模糊规则

Kp, Ki, Kd各自整定的模糊控制表分别见表1、表2、表3。

设定系统误差e与误差变化ec的论域为{-5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5}, 通过一系列的查表、模型推理, 将修改好的参数代入下式计算PID控制器的参数:

其中:K′p, K′i, K′d为模糊控制器保留器中保留的上一次Kp, Ki, Kd的值, 再加上控制器中对应的偏差和偏差变化值, 作用于控制对象。系统在线运行时, 控制器根据模糊规则进行逻辑推理、查表和运算, 从而在线对PID参数自动校正。

4 MATLAB/Simulink仿真

工业过程中常用的数学模型一般是典型的二阶传递函数, 本文控制对象的传递函数为:

通过上述自适应模糊PID规律建立的系统仿真模型如图7所示。利用该仿真模型分别对传统PID和模糊PID控制进行了对比分析。

5 仿真结果及分析

本文仿真包括模糊PID控制部分和传统PID控制部分, 仿真波形如图8所示。由图8可知, 模糊PID控制的响应时间远小于常规PID控制, 其能够迅速达到稳态, 同时系统的自适应能力较强。由此说明了自适应模糊PID控制具有很好的自适应性和稳态性能。

6 结语

通过传统PID控制与自适应模糊PID控制器在仿真软件Simulink环境下的仿真对比说明, 利用设计的自适应模糊PID控制器可使系统的调整时间应速度变短, 响应速度加快提高了系统的稳定性。

参考文献