斜拉桥的鲁棒性研究

斜拉桥的鲁棒性研究（精选三篇）

斜拉桥的鲁棒性研究 篇1

云计算将IT软硬件资源通过网络以服务的模式提供给最终用户, 使得用户能够按需使用、计量付费。基于Iaa S (基础设施即服务) 云计算平台的应用较为普遍, 其主要采用虚拟化技术将CPU、存储、硬盘、网络等资源以虚拟机的访问进行封装、分配、调度及管理。用户在云平台提供的虚拟机上能够快速、高效、廉价地搭建自己的IT基础设施平台。

虚拟机实时迁移是Iaa S云计算平台的一项关键核心技术, 其基于实时迁移算法将某台物理主机上正在运行的虚拟机在线地移动到另一台物理主机上, 期间虚拟机正常提供对外服务。当前主流的实时迁移算法虽然在运行性能方面较为良好, 但是在抗主机故障、网络抖动、恶意攻击等鲁棒性方面还存在一些问题。本文分析了实时迁移算法所存在的鲁棒性问题并提出了相应的几个对策。

2实时迁移算法

由于目前数据中心多采用共享存储架构, 因此实时迁移的主要对象是虚拟机的内存镜像、v CPU及I/O寄存器状态数据。主流的实时迁移算法根据迁移对象先后次序的不同划分为预拷贝Pre-copy和后拷贝Post-copy两种。

Pre-copy是最先出现的实时迁移算法, 其主要运行流程如下:

(1) 实时迁移过程开始, 源宿主机与目标宿主机建立连接, 目标宿主机上预留虚拟机资源;

(2) 首先将虚拟机的整个内存镜像, 即所有内存页面传输过去;

(3) 进入一个迭代拷贝阶段, 每个迭代轮传输上一轮中产生的内存脏页;

(4) 循环步骤3, 直到剩余脏页足够小或者达到最大迭代次数, 退出迭代过程;

(5) 进入停机拷贝阶段, 将v CPU寄存器及I/O设备状态数据连同剩余脏页一齐传输到目标宿主机;

(6) 在宿主机上恢复虚拟机运行, 实时迁移结束。

Post-copy算法出现较晚, 其主要运行流程如下:

(1) 实时迁移过程开始, 源宿主机与目标宿主机建立连接, 目标宿主机上预留虚拟机资源;

(2) 源宿主机上暂停虚拟机运行, 同时将虚拟机的v CPU寄存器及I/O设备状态传输到目标宿主机上, 然后立即恢复虚拟机继续运行;

(3) 虚拟机在目标宿主机上运行期间若访问到不存在的内存页面, 则通过网络缺页中断向源宿主机请求所需页面。当源主机将页面传输过来后, 虚拟机继续运行;

(4) 当虚拟机不再出现缺页异常时, 回收源主机上的虚拟机资源, 实时迁移过程结束。

2实时迁移算法的鲁棒性研究

虚拟机实时迁移算法的鲁棒性是指实时迁移算法在运行过程中, 当发生异常或危险情况下保证虚拟机正常运行、实时迁移过程不受干扰的可靠性程度。具体来说, 鲁棒性就是实时迁移算法能否在遇到物理主机故障、数据传输网络故障或遭遇恶意攻击的情况下, 能否保证实时迁移过程顺利完成, 能否在实时迁移过程出现不稳定状况的条件下保证虚拟机内业务的正常运行。

2.1主机故障情况下的鲁棒性问题及对策

主机故障的情况是指在实时迁移过程中, 源宿主机、目标宿主机有任何一端因设备故障或断电导致主机下线。

在这种情况下, 对于Pre-copy算法来说, 由于采用了从源主机向目标主机同步内存数据的方式, 而且实时迁移期间, 虚拟机仍在源主机上运行, 因此Pre-copy对源主机故障敏感, 对目标主机故障具有鲁棒性。那么解决思路就是对源主机采取双机热备的物理架构;而对于Post-copy算法, 由于采用了从目标主机向源主机索取数据的方式, 而且虚拟机运行在目标主机上, 因此Post-copy对源、目标主机的故障都敏感, 则解决思路就是对源、目标主机都采用双机热备的架构。

2.2网络故障情况下的鲁棒性问题及对策

网络故障的情况是指在实时迁移过程中, 源宿主机和目标宿主机之间的网络链路由于暂时中断或者发生拥塞导致实时迁移的数据包丢失。

在这种情况下, 关键是需要实时迁移算法感知到网络故障的发生, 避免在丢失内存页面数据的情况下启动虚拟机而导致虚拟机故障, 而两个算法尚未完善这种机制。对于Postcopy算法来说, 由于采用目标主机向源主机主动获取页面的方式, 因此可设置当长时间等待不到所需页面时则认定发生网络故障;对于Pre-copy算法, 由于源主机一直向目标主机发送数据, 则可设置一个响应机制, 由目标主机周期性地给源主机发送响应报文, 说明接收数据正常。

2.3恶意攻击情况下的鲁棒性问题及对策

恶意攻击的情况是指在实时迁移过程中, 系统恶意攻击者通过网络监听、TCP/IP欺骗等攻击方式对因进行实时迁移而传输在网络链路上的虚拟机状态数据进行非法获取、篡改或破坏。

对于这种情况, 目前两个算法由于在数据传输过程中都直接传输内存页面的明文内容, 未进行任何处理, 因此都不具有鲁棒性。解决思路是在实时迁移算法中引入加密机制, 比如SSL, 对所迁移的虚拟机状态数据进行加密。

3结语

本文针对云计算中虚拟机实时迁移算法的鲁棒性问题进行了分析和研究。通过分析Pre-copy和Post-copy两个主流实时迁移算法在异常或危险情况下鲁棒性方面的不足, 给出了相应的解决思路, 为提高虚拟机实时迁移技术的鲁棒性提供了进一步研究的参考依据。

参考文献

[1]常德成, 徐高潮.虚拟机动态迁移方法[J].计算机应用研究, 2013, 04:971-976.

斜拉桥的鲁棒性研究 篇2

随机需求下公交时刻表设计的鲁棒性优化

摘要：考虑在实际运营中乘客需求具有随机性,固定需求下优化的公交时刻表不适应运营的要求,随机需求下的`期望值模型忽略了不利可能事件对运营的负面影响,针对此情况研究随机需求下公交时刻表设计的鲁棒性优化,模型综合考虑乘客成本与运营成本,采用鲁棒性优化权衡目标期望值与偏差期望值,结合随机模拟技术,选用遗传算法求解模型.给出了算例,验证了模型和算法的有效性,通过比较固定需求模型、随机需求期望值模型、随机需求鲁棒性模型,说明在鲁棒性优化下需要提供更多的交通供给以降低偏差期望值,最后,对鲁棒性模型中的偏差权重系数进行了灵敏度分析. 作者： 孙杨宋瑞何世伟 Author： SUN YangSONG RuiHE Shi-wei 作者单位： 北京交通大学,交通运输学院,北京,100044 期 刊： 系统工程理论与实践 ISTICEIPKUCSSCI Journal： SYSTEMS ENGINEERING ―THEORY & PRACTICE 年，卷(期)： ,31(5) 分类号： U491 关键词： 公交时刻表 随机乘客需求 鲁棒性优化 随机模拟 遗传算法 机标分类号： U2 TP3 机标关键词： 随机需求公交时刻表设计鲁棒性优化designtransit期望值模型运营成本固定需求随机模拟技术偏差目标期望值灵敏度分析遗传算法需求模型权重系数求解模型模型综合交通供给 基金项目： 国家高技术研究发展计划(863计划)，霍英东教育基金，北京交通大学重点基金

多超声电机控制的鲁棒性参数设计 篇3

超声电机 (ultrasonic motors, USMs) 与传统电磁电机相比有着较多的优势, 如尺寸小、低速大扭矩、静音运行、不受电磁场影响等[1]。正是由于具备这些特性, 因而超声电机已在一些领域得到应用, 如日本佳能公司将其用于照相机调焦驱动[2], 日本精工公司将其作为手表的振动报时和日历盘的驱动源[3]。然而, 这些应用还仅限于单个超声电机的独立控制, 可以预期, 随着超声电机技术的不断发展和应用领域的不断扩大, 会出现多台超声电机同时被驱动的耦合控制情况, 如利用超声电机不受辐射和高低温巨变的影响的特点, 将其用于太空机械臂各关节的驱动。

目前, 绝大多数关于超声电机驱动控制的研究还停留在针对单个超声电机的情况, 现有文献提出的控制策略未必能有效地直接应用于多超声电机的耦合控制。近几年, 有学者研究了在X-Y移动平台上2个超声电机的驱动控制问题[4,5], 然而, 由于移动平台的X方向与Y方向是正交的, 因此, 驱动X轴与Y轴的超声电机控制参数是自然解耦的, 也可以认为, 这两个超声电机的控制与单个超声电机的控制没有本质的差别, 因为它们各自的控制参数不会相互影响。

为了研究多超声电机的联动耦合控制问题, 我们搭建了一个典型的超声电机驱动多关节机器人, 在前期研究的基础上, 运用田口参数设计法, 获得了具有较好鲁棒性的控制参数, 并进行了实验验证。

1 机器人结构

三关节机器人的外观如图1所示, 它可以在工作空间的任何一个平面内画图形或写字。3个关节均采用超声电机驱动, 肩关节采用南京航空航天大学精密驱动研究所研制的TRUM-60型超声电机进行驱动, 腰关节和腕关节采用TRUM-45型超声电机进行驱动。每一个关节配备一台旋转编码器, 旋转编码器的结构选用中空型, 从而省去了电机与编码器之间的联轴器, 编码器每转的脉冲数是2000。由于超声电机可以提供低速大扭矩, 所以各关节与超声电机直接连接, 即没有采用减速齿轮, 不存在齿轮传动的间隙调整机构, 这使得整个机器人的结构紧凑且小巧。机器人腕关节和肩关节的活动范围均是±90°, 腰关节的活动范围是±360°。

2 控制系统结构

超声电机的驱动控制方式有3种:①调节驱动器输出信号的电压;②调节驱动器输出信号的频率;③调节驱动器两相输出信号之间的相位差。这里采用第二种驱动控制方法, 实现方式是通过改变加在驱动器中压控振荡器的直流电压来调节驱动器输出信号的频率, 进而改变超声电机的速度。

基于PC机控制系统的超声电机驱动三关节机器人控制结构图见图2。目前在市场上尚不能买到直接应用于超声电机的运动控制卡, 这里采用固高公司通用型GT-400-SV运动控制卡, 一方面利用其模拟量电压输出来调节电机转速, 另一方面利用该卡提供的功能读出旋转编码器的脉冲值。该型控制卡具有数字滤波和脉冲4倍频电路, 因而可以将位置反馈精度提高到每转8000个脉冲。

本文中超声电机驱动多关节机器人的任务是在其工作空间平面内进行画图形或写字。控制目标是:一方面要保证机器人笔尖的运动轨迹精确, 另一方面要保证机器人在其运动过程中平稳。

3 控制参数鲁棒性设计

结合超声电机的运行特点, 我们曾提出一种新颖的速度—位置联合反馈控制方式[6] (针对每个超声电机, 实施速度反馈和位置反馈的双环PID控制) 。采用该控制方式, 不仅可以获得高的位置精度, 而且可以保证机器人平稳运行。

三关节机器人由3个超声电机驱动, 依照所提出控制形式, 每个超声电机就有6个控制参数, 分别是3个速度PID控制参数和3个位置PID控制参数, 对于整个机器人而言, 需要调节18个控制参数。对于机器人所绘制的某种图形而言, 即使有可能在手工调试中找到了机器人最佳控制参数, 也不能说这些参数对绘制其他的图形也是有效的。因此, 需要寻找一种方法来确定一组控制参数, 使得机器人在绘制任何图形时都具有一定的鲁棒性。

运用田口参数设计法可以用较少的实验次数分析较多的参数, 各参数之间没有权重, 可以独立地对它们进行分析比较。采用这种调节技术不仅可以减少控制误差, 也可以减少干扰对控制参数的影响。

Vlachogiannis等[7]首先将田口参数设计法运用于自动控制领域, 但在他们的研究中, 控制对象的传递函数是已知的, 噪声因素均来自模型内部, 如果传递函数和对象模型未知, 则他们提出的方法很难被实施。Lee等[8]将田口参数设计法用于并联机构的参数调节中, 获得了较好的控制效果。

本文中所运用的田口参数设计法及其实施步骤归纳如下:

(1) 目标的确定。在田口参数设计法中, 确定一个待定的目标是关键的一步。在机器人画图形的实验中, 我们发现, 同一个关节, 其运行轨迹是否可导对双环PID控制参数的影响十分明显。因此, 这里的目标是在保证运行平稳的基础上, 选择一组好的且具有鲁棒性的控制参数, 使得机器人在绘制任意图形时, 均能使位置误差最小。

(2) 确定目标特性。田口参数设计法将目标特性分成三类:望目特性、望小特性和望大特性。本研究中, 误差越小, 则机器人的性能越好, 因而在该机器人的实验设计方案中, 它是一个望小特性问题。

(3) 选择可控因素和噪声因素。测试因素的选择是田口参数设计法中非常重要的一个步骤, 随心所欲地选取可控因素和噪声因素会直接导致无效的运算, 一旦这些因素被确定下来, 则它们的期望水准数也就明确了。这里, 选取6个控制参数作为可控因素, 即位置反馈的KpP、KpI、KpD和速度反馈的KvP、KvI、KvD。在实验的初始阶段, 这些控制参数是由手工方法调定的, 它们的值如表1所示。在Lee等[8]的研究中, 并联机构速率被选为噪声因素, 这是因为电磁电机有着很大的调速范围, 然而, 超声电机的调速范围相对而言要窄很多, 而且在机器人绘制不同图形时, 关节所需的速度是差不多的。如前所述, 控制参数与关节运行轨迹是否可导有着密切的联系。我们发现, 当该机器人绘制一个圆时 (图3a) , 它的各关节运行轨迹均高阶可导, 而当机器人绘制一段折线时 (图3b) , 则其各个关节运行轨迹是不可导的。所以, 我们选取了这两种典型的图形作为噪声因素, 这样控制参数的水平就是2, 圆和折线分别被定义为水平1和水平2。对应表1中的控制参数, 图4显示了画圆和折线时各个关节的角位置误差。

(4) 选择正交组。在全因素实验中, 需要测试水平下的各种组合。而正交试验则提供了一种少量低成本的实验方法。例如用一个L27 (313) 正交组来运行13个因素、3个水平数的实验, 只需要做27次实验。除了效率高以外, 直观和易用也是正交组的优点。本文中, 依据控制因素的数量, 选用L8 (27) 正交组来进行实验。

(5) 进行实验并分析。实验的分析涉及将原始数据转换成有意义的信噪比 (η) 。作为鲁棒性测试的一个工具, 信噪比是进行参数优化设计的一个重要组成部分。将噪声因素作为分母, 信噪比可以被看作对系统性能优劣的评价指标。在实验中如能很好地运用这个指标, 就有可能找到一组控制参数, 在降低机器人受所画不同图形的影响时, 能使位置误差降到最小。分析时, 还包括对最重要的控制参数的确认, 这些控制参数对增大信噪比会起到重要的作用。本文中, 望小特性下的信噪比定义如下:

$\eta {}_i=-10\lg (\frac{1}{2}{\displaystyle \sum _{j=1}^2(}\frac{{\rm I}AE{}_{ij}}{n}){}^2)$

式中, IAEi j为在第j水准下第i次实验的误差绝对值的积分;n为所有采样点的个数之和。

限于篇幅, 这里只对机器人肩关节的鲁棒性参数设计进行描述。表2所示为在两水平下各控制参数的值, 它们是在表1的基础上确定下来的。目前, 对于表2中数值的选择没有普遍的准则可循, 它们完全依赖于对控制系统的认识和经验。

表3中的“1”和“2”分别表示水平1和水平2, 表3中有1列 (“F”列) 是空白, 因为这里只有6个控制因素。

如表3所示, 实验做8次, 每次做2个水平数, 即每次实验中机器人要分别画圆和折线, 因而总共做16次实验。对于参数KpP在不同水平数下的平均信噪比可计算如下:

水平1情况下

$\eta =\frac{1.9256+3.1595+2.0907+2.0396}{4}=2.3039$

水平2情况下

$\eta =\frac{2.7795+3.8441+4.1713+3.7310}{4}=3.6314$

依照上述算法, KpP、KpI、KpD、KvP、KvI和KvD的平均信噪比均可计算出来, 其结果如图5所示。图5中, 将各控制参数不同水平数下的信噪比用线连起来, 比较这些连线的斜率, 就可以分析出哪些控制参数对信噪比有重要的影响。图5中, KpP、KpD和KvP的斜率较大, 因而它们对信噪比的影响较强, 而KpI、KvI和KvD的斜率较小, 即它们对信噪比的影响较弱。在信噪比分析中, 信噪比越大越好, 从表3中可以看出, 第7次实验获得了最大信噪比, 这时各控制参数对应的最好水平分别是KpP对应水平2, KpI对应水平2, KpD对应水平1, KvP对应水平1, KvI对应水平2, KvD对应水平1。

从图5可以看出, KpD的水平数应该是1, KpP、KvP的水平数应为2, 这表明提高KpP和KvP的水平数可以提高信噪比, 而降低KpD的水平数可提高信噪比。于是在实验阶段1的基础上, 在实验阶段2对控制参数的水平数进行相应调整。实验阶段2之后, 如果发现控制参数对信噪比依然有较强的影响, 则应该进行阶段3的实验。依照这种方式, 肩关节的控制参数设计在阶段5结束。

表4显示了在阶段1～5不同水平数下的控制参数, 其中黑体数字表明了每个阶段更为合适的水平数。图6显示了每个阶段的控制参量在不同水平数下的信噪比的变化情况, 在阶段2, 信噪比对KpP的变化依然较为敏感, 而对其他控制参量已经不敏感了。所以, 只有KpP需要进一步调整, 直至所有控制变量对应信噪比均不敏感为止。

4 实验结果

通过类似的步骤, 具有鲁棒性的腕关节和腰关节控制参数均可得到, 在获得的具有鲁棒性的控制参数控制下, 机器人绘制圆和折线的位置误差曲线如图7所示。与图4相比, 每个关节的平均位置误差分别减小了85%、90%和87.5%。值得一提的是在图4b中, 肩关节的位置误差在这两个不同图形下的差异是很大的, 这说明采用通过手工调节获得的控制参数不具有鲁棒性, 而图7的各个图与图4对应的图相比, 不仅关节位置误差明显减少, 而且不同图形下关节位置误差值之间的差异很小。这说明田口参数设计法获得的控制参数具有鲁棒性, 因为在这套控制参数下, 机器人绘制出的两种具有代表性的图形均可获得令人满意的控制效果。

图8和图9分别对比显示了机器人在手工调试获得的控制参数和田口参数设计法获得的参数下写英文字母“NUAA”时各关节的角位置误差。比较这两组图, 可以发现采用由田口参数设计法获得的参数进行控制, 能获得很好的控制效果。

5 总结

本文以超声电机驱动的三关节机器人为研究对象, 采用田口参数设计法, 以机器人关节运行轨迹是否可导作为噪声因素的选择基础, 以IAE为信号噪声比的衡量指标, 设计了获得鲁棒性参数的实验方法。研究结果证明, 采用该设计方法获得的参数不仅适用于机器人绘制各种不同的图形, 而且各关节的位置精度也能得到大幅提高。

摘要：结合超声电机的运行特点, 运用田口参数设计法对超声电机驱动的多关节机器人的总共18个控制参数进行了有效调节, 并获得了一组最优且具有鲁棒性的控制参数。实验研究证明, 在机器人平稳运行的前提下, 所获得的这组控制参数不仅适用于机器人绘制各种不同的图形, 而且可以获得高的位置精度。

关键词：超声电机,参数设计,关节机器人,鲁棒性

参考文献

[1]赵淳生.超声电机技术与应用[M].北京:科学出版社, 2007.

[2]Maeno T.Recent Progress of Ultrasonic Motors inJapan[C]//The 1st International Workshop on Ul-trasonic Motors and Actuators.Yokohama, Japan, 2005, 15-17.

[3]Iion A, Suzuki K, Kasuga M, et al.Development of aSelf-oscillating Ultrasonic Micro-motor and ItsApplication to a Watch[J].Ultrasonics, 2000, 38 (1) :54-59.

[4]Lin F J, Wai R J, Huang P K.Two-axis MotionControl System Using Wavelet Neural Network forUltrasonic Motor Drives[J].Electric Power Appli-cations, 2004, 151 (5) :613-621.

[5]Shen P H, Lin F J.Intelligent Backstepping Sliding-mode Control Using RBFNfor Two-axis MotionControl System[J].Electric Power Applications, 2005, 152 (5) :1321-1342.

[6]孙志峻, 邢仁涛, 黄卫清.超声电机驱动多关节机器人位置精确控制[J].应用科学学报, 2007, 25 (5) :493-499.

[7]Vlachogiannis J G, Roy R K.Robust PID Control-lers by Taguchi’s Method[J].The TQM Magazine, 2005, 17 (5) :456-466.