CN104914717B - 基于人工智能算法的自动寻优控制方法 - Google Patents
基于人工智能算法的自动寻优控制方法 Download PDFInfo
- Publication number
- CN104914717B CN104914717B CN201510172074.8A CN201510172074A CN104914717B CN 104914717 B CN104914717 B CN 104914717B CN 201510172074 A CN201510172074 A CN 201510172074A CN 104914717 B CN104914717 B CN 104914717B
- Authority
- CN
- China
- Prior art keywords
- machine
- control parameter
- performance
- optimal control
- coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000009514 concussion Effects 0.000 claims abstract description 15
- 238000013473 artificial intelligence Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 230000005284 excitation Effects 0.000 claims description 4
- 230000009125 negative feedback regulation Effects 0.000 claims description 4
- 238000000137 annealing Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 210000004218 nerve net Anatomy 0.000 claims 1
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明公开一种基于人工智能算法的自动寻优控制方法。该基于人工智能算法的自动寻优控制方法包括:步骤S1:获取机器的控制参数的初始值,并使机器在初始值下运行稳定;步骤S2:通过人工智能算法根据性能系数的变化反馈对机器的控制参数进行震荡调节,使性能系数趋于最优值。根据本发明的基于人工智能算法的自动寻优控制方法,能够解决现有技术中机器无法始终保持在最佳运行状态的问题。
Description
技术领域
本发明涉及人工智能应用技术领域,具体而言,涉及一种基于人工智能算法的自动寻优控制方法。
背景技术
假定机器有控制参数A、B、C、D,工况参数M、N,性能系数x。
现有的控制逻辑如下:给定一个工况M、N后,通过工况参数计算得到控制参数A、B、C,根据负反馈控制得到参数D以保持工况参数稳定,此时有效率参数x1。
在现有的控制逻辑中,A、B、C多为建模后通过实验拟合得到公式计算获得,只能保证为一个较优值。其原因如下:第一、模型与实际机器会有偏差;第二,拟合得到的计算结果与模型会有偏差;第三、即使是同一个批次的同型号机器也会存在个体差异,在相同工况下会有不同的最优控制参数;第四、随着运行年限的增加,机器各部分性能会有变化,最优控制参数也会随之变化。以上几点导致在现有控制逻辑下,给定工况时,一个机器不会运行在最优解下,而只能运行在一个较优值,其效率也无法达到最大,而只能维持在一个较优值上。
发明内容
本发明实施例中提供一种基于人工智能算法的自动寻优控制方法,以解决现有技术中机器无法始终保持在最佳运行状态的问题。
为解决上述技术问题,本发明实施例提供一种基于人工智能算法的自动寻优控制方法,包括:步骤S1:获取机器的控制参数的初始值,并使机器在初始值下运行稳定;步骤S2:通过人工智能算法根据性能系数的变化反馈对机器的控制参数进行震荡调节,使性能系数趋于最优值。
作为优选,步骤S2包括:步骤S21:通过人工智能算法调节机器的控制参数,并获得初始震荡值;步骤S22:通过负反馈调节参数保持工况稳定,并检测性能系数变化趋势;步骤S23:根据性能系数变化趋势对机器的控制参数进行修正。
作为优选,步骤S23包括:步骤S231:当检测到性能系数变差时,则将性能系数值通过惩罚函数反馈给人工智能算法,人工智能算法反向调节机器的控制参数;步骤S232:当检测到性能系数变好时,则将性能系数值通过激励函数反馈给人工智能算法,人工智能算法同向调节机器的控制参数。
作为优选,步骤S1包括:在机器运行后,通过基本控制逻辑获得机器的控制参数的初始值。
作为优选,人工智能算法为神经网络算法、遗传算法和退火算法中的一种。
作为优选,自动寻优控制方法还包括:步骤S3:当确定当前工况下的最优控制参数后,储存当前工况下的最优控制参数,并在再次遇到类似工况时直接调用所确定的该工况下的最优控制参数。
作为优选,步骤S3还包括:在机器运行预设时间后,清除当前存储的最优控制参数,并储存重新确定的该工况下的最优控制参数。
作为优选,步骤S1之前还包括:将优化逻辑与基本控制逻辑分离开,使基本控制逻辑运行在机器上,使优化逻辑运行在远程控制终端上。
作为优选,使优化逻辑运行在远程控制终端上的步骤包括:使优化逻辑运行在远程计算中心上,并通过网络控制机器的运行状况。
应用本发明的技术方案,基于人工智能算法的自动寻优控制方法包括:步骤S1:获取机器的控制参数的初始值,并使机器在初始值下运行稳定;步骤S2:通过人工智能算法根据性能系数的变化反馈对机器的控制参数进行震荡调节,使性能系数趋于最优值。人工智能算法可以在每次机器运行时通过性能系数的变化状况对控制参数进行震荡调节,使得控制参数向着机器性能最优化的最优运行状况调节,从而可以始终保持机器运行在最佳状态,提高机器的工作效率。
附图说明
图1是本发明实施例的基于人工智能算法的自动寻优控制方法的控制原理图;
图2是本发明实施例的基于人工智能算法的自动寻优控制方法的控制流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细描述,但不作为对本发明的限定。
参见图1和图2所示,根据本发明的实施例,基于人工智能算法的自动寻优控制方法包括:步骤S1:获取机器的控制参数A、B、C的初始值,并使机器在初始值下运行稳定;步骤S2:通过人工智能算法根据性能系数x的变化反馈对机器的控制参数A、B、C进行震荡调节,使性能系数x趋于最优值。在机器运行后,人工智能算法可以通过基本控制逻辑获得机器的控制参数的初始值。
人工智能算法可以在每次机器运行时通过性能系数x的变化状况对控制参数A、B、C进行震荡调节,使得控制参数向着机器性能最优化的最优运行状况调节,从而可以始终保持机器运行在最佳状态,提高机器的工作效率。
下面以该性能系数x为效率指标为例对本发明的实施例加以说明。在通过人工智能算法根据性能系数x的变化反馈对机器的控制参数A、B、C进行震荡调节时,可以通过如下步骤进行调节:通过人工智能算法调节机器的控制参数A、B、C,并获得初始震荡值。人工智能算法在获得初始震荡值之后,就可以通过该初始震荡值获得机器运行状态的反馈,然后根据该反馈获取性能系数x的变化趋势,即性能系数在当前调节条件下,是朝着好的方向变化还是朝着坏的方向变化。
在通过人工智能算法调节机器的控制参数A、B、C,并获得初始震荡值之后,人工智能算法可以根据反馈确定一个负反馈调节参数D,然后可以通过负反馈调节参数D对机器运行进行调整,使机器保持工况稳定,并检测性能系数x的变化趋势。在确定性能系数x的变化趋势之后,人工智能算法可以根据性能系数x的变化趋势对控制参数A、B、C的调节作出改变,使得性能系数x朝着好的方向变化,从而使得控制参数逐渐向最优化的数值靠近。
人工智能算法根据性能系数x的变化趋势对控制参数A、B、C的调节作出改变,具体表现为根据性能系数x的变化趋势对机器的控制参数进行修正。以性能系数x为效率指标为例,由于在人工智能算法对控制参数进行震荡调整的过程中,可能出现两种情况,一种为在调整之后性能系数x变小,此时性能系数x变差,效率变低,说明对控制参数的调节方向有误,需要对控制参数A、B、C进行反向调节;另一种情况为在调整之后性能系数x变好,效率变高,机器趋向于最优化运行状态,可以控制控制参数A、B、C向相同方向调节,如此反复使得性能系数x逐渐趋向最大值。
根据性能系数x的变化趋势对机器的控制参数进行修正的具体步骤包括:步骤S231:当检测到性能系数x变差时,则将性能系数x的值通过惩罚函数反馈给人工智能算法,在人工智能算法根据惩罚函数和性能系数x的值计算出调节参数后,根据计算出的调节参数反向调节机器的控制参数;步骤S232:当检测到性能系数x变好时,则将性能系数x的值通过激励函数反馈给人工智能算法,人工智能算法根据激励函数和性能系数x的值计算出调节参数后,根据计算出的调节参数同向调节机器的控制参数。
由于人工智能算法能够始终根据机器的性能系数x的变化趋势对机器的运行状况进行调整,可以通过多次震荡调节使得机器处于最优运行状态,且可以随着时间的增加自动调整控制参数A、B、C的值使得在给定工况下效率达到最优,因此在机器的长期运行中可以得到多个工况点的最佳控制参数A、B、C,即可以得到整个运行域上的最佳控制参数,从而使得机器始终在最优状况下运行。
通过人工智能算法对控制参数进行调整的工作原理如下:
假设控制参数A、B、C依靠参数m,n,q,l控制,在初始状态下得到初始值m0,n0,q0,l0,得到性能参数x0,通过人工智能算法控制m,n,q,l,并将x作为输入通过惩罚函数与激励函数计算修正值,将m0,n0,q0,l0根据修正值调整,得到新的控制参数A、B、C,如此反复,即可得到最优的控制参数A、B、C。
人工智能算法为神经网络算法、遗传算法和退火算法中的一种。
自动寻优控制方法还包括:步骤S3:当确定当前工况下的最优控制参数后,储存当前工况下的最优控制参数,并在再次遇到类似工况时直接调用所确定的该工况下的最优控制参数。如此一来,对于机器在相同或者类似工况下运行的情况而言,就可以直接调用调节好的控制参数,使得机器直接运行在最佳状态,可以节省调整时间,保证机器的工作效率。
优选地,步骤S3还包括:在机器运行预设时间后,清除当前存储的最优控制参数,并储存重新确定的该工况下的最优控制参数。通过此种方式可以在一定时间内对某一工况下的最优控制参数进行更新,使得机器即使由于机组磨损、消耗、结垢等情况下最优控制参数发生变化,也可以及时获得与当前的机器运行相匹配的最优控制参数,使得机器始终能够保持在最佳运行状态。
步骤S1之前还包括:将优化逻辑与基本控制逻辑分离开,使基本控制逻辑运行在机器上,使优化逻辑运行在远程控制终端上。使优化逻辑运行在远程控制终端上的步骤包括:使优化逻辑运行在远程计算中心上,并通过网络控制机器的运行状况。通过将优化逻辑与基本控制逻辑分别在不同的载体上运行,可以简化控制逻辑,减轻机器运行负担,并能够通过远程计算中心提高优化逻辑处理信息的能力,提高优化效率,使得机器在运行时可以快速达到最优工作状态。
本发明的基于人工智能算法的自动寻优控制方法,可以用于中央空调,也可以应用于其他机器控制领域。
当然,以上是本发明的优选实施方式。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明基本原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (7)
1.一种基于人工智能算法的自动寻优控制方法,其特征在于,包括:
步骤S1:获取机器的控制参数的初始值,并使机器在初始值下运行稳定;
步骤S2:通过人工智能算法根据性能系数的变化反馈对机器的控制参数进行震荡调节,使性能系数趋于最优值;
其中,所述步骤S2包括:
步骤S21:通过人工智能算法调节机器的控制参数,并获得初始震荡值;
步骤S22:通过负反馈调节参数保持工况稳定,并检测性能系数变化趋势;
步骤S23:根据性能系数变化趋势对机器的控制参数进行修正;
所述步骤S23包括:
步骤S231:当检测到性能系数变差时,则将性能系数值通过惩罚函数反馈给人工智能算法,人工智能算法反向调节机器的控制参数;
步骤S232:当检测到性能系数变好时,则将性能系数值通过激励函数反馈给人工智能算法,人工智能算法同向调节机器的控制参数。
2.根据权利要求1所述的自动寻优控制方法,其特征在于,所述步骤S1包括:在机器运行后,通过基本控制逻辑获得机器的控制参数的初始值。
3.根据权利要求1所述的自动寻优控制方法,其特征在于,所述人工智能算法为神经网络算法、遗传算法和退火算法中的一种。
4.根据权利要求1所述的自动寻优控制方法,其特征在于,所述自动寻优控制方法还包括:步骤S3:当确定当前工况下的最优控制参数后,储存当前工况下的最优控制参数,并在再次遇到类似工况时直接调用所确定的该工况下的最优控制参数。
5.根据权利要求4所述的自动寻优控制方法,其特征在于,所述步骤S3还包括:在机器运行预设时间后,清除当前存储的最优控制参数,并储存重新确定的该工况下的最优控制参数。
6.根据权利要求1所述的自动寻优控制方法,其特征在于,所述步骤S1之前还包括:将优化逻辑与基本控制逻辑分离开,使基本控制逻辑运行在机器上,使优化逻辑运行在远程控制终端上。
7.根据权利要求6所述的自动寻优控制方法,其特征在于,所述使优化逻辑运行在远程控制终端上的步骤包括:使优化逻辑运行在远程计算中心上,并通过网络控制机器的运行状况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510172074.8A CN104914717B (zh) | 2015-04-13 | 2015-04-13 | 基于人工智能算法的自动寻优控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510172074.8A CN104914717B (zh) | 2015-04-13 | 2015-04-13 | 基于人工智能算法的自动寻优控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104914717A CN104914717A (zh) | 2015-09-16 |
CN104914717B true CN104914717B (zh) | 2018-12-14 |
Family
ID=54083888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510172074.8A Expired - Fee Related CN104914717B (zh) | 2015-04-13 | 2015-04-13 | 基于人工智能算法的自动寻优控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104914717B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107044710A (zh) * | 2016-12-26 | 2017-08-15 | 深圳达实智能股份有限公司 | 基于联合智能算法的中央空调节能控制方法及系统 |
CN109863868B (zh) * | 2019-03-12 | 2021-10-01 | 中国农业科学院农业环境与可持续发展研究所 | 一种基于ai算法与工作需求的文丘里施肥器优化设计方法 |
CN111273545A (zh) * | 2020-01-16 | 2020-06-12 | 山东科技大学 | 基于多群多选择交流策略的quatre算法的自动寻优控制方法 |
CN113487106A (zh) * | 2021-07-27 | 2021-10-08 | 南京红尘风云数字科技有限公司 | 一种基于人工智能算法的高考志愿填报方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4046538B2 (ja) * | 2001-04-17 | 2008-02-13 | 東京エレクトロン株式会社 | 制御方法 |
CN102298328A (zh) * | 2011-07-13 | 2011-12-28 | 上海电力建设启动调整试验所 | 基于二进制蚁群算法的自适应pid控制器优化设计与整定方法 |
JP5696171B2 (ja) * | 2013-03-14 | 2015-04-08 | 株式会社東芝 | 制御パラメータ調整方法、制御パラメータ調整システム及び制御パラメータ設定装置 |
-
2015
- 2015-04-13 CN CN201510172074.8A patent/CN104914717B/zh not_active Expired - Fee Related
Non-Patent Citations (3)
Title |
---|
基于支持向量机的参数自整定PID非线性系统控制;刘涵 等;《控制理论与应用》;20080630;第25卷(第3期);第3.3节 * |
基于改进免疫算法的电阻炉温控系统的研究;王皖慧;《万方学位论文数据库》;20120531;第3.2.4节最后一段,第3.3节 * |
旋转弹仓的鲁棒控制器设计;马建伟 等;《火力与指挥控制》;20061031;第31卷(第10期);第2.2节 * |
Also Published As
Publication number | Publication date |
---|---|
CN104914717A (zh) | 2015-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104914717B (zh) | 基于人工智能算法的自动寻优控制方法 | |
KR101963686B1 (ko) | 타겟 시스템 제어 | |
EP3301779A1 (en) | Flexible grouping and current-equalizing method for charger system of shared bus | |
CN112000075A (zh) | 干熄焦优化控制方法及系统 | |
CN104218683A (zh) | 一种闭环自学习需求响应系统及方法 | |
Hu et al. | Multiobjective genetic algorithm for demand side management of smart grid | |
CN109756372A (zh) | 一种电信计费系统的弹性伸缩方法及装置 | |
CN110458478A (zh) | 基于离散入侵杂草算法的作业车间调度方法 | |
JP2015126564A (ja) | 電力融通システム | |
CN104917185B (zh) | 对照明负荷功率智能调控的方法 | |
CN106503203B (zh) | 一种智能化流表更新方法 | |
CN106487889B (zh) | 一种面向云数据中心的任务与数据联合部署方法 | |
CN106196724B (zh) | 多组机组错开进入预设状态的控制方法 | |
CN110492486B (zh) | 可提升配电网电压合格率的10kV母线电压优化方法、系统及介质 | |
JP6730075B2 (ja) | 監視制御装置 | |
Molina et al. | Memetic algorithm with local search chaining for continuous optimization problems: A scalability test | |
CN111724044A (zh) | 基于遗传算法的智能排产系统 | |
JP6327498B2 (ja) | 解探索装置、解探索方法及びプログラム、スケジュール生成装置、スケジュール生成方法及びプログラム、並びに充電制御システム | |
Singh et al. | PID parameters tuning using modified particle swarm optimization and its application in load frequency control | |
US20200313436A1 (en) | Battery control system | |
CN108767883A (zh) | 一种需求侧的响应处理方法 | |
EP2865066B1 (de) | Betriebsverfahren und betriebsvorrichtung für einen elektrischen energiespeicher eines kleinkraftwerkes zum erhöhen der betriebseffektivität des kleinkraftwerkes | |
KR20130128699A (ko) | 클러스터드 선박 센서네트워크에서 퍼지를 이용한 백업 클러스터 헤드 선출 방법 | |
CN108667031A (zh) | 一种基于实时滚动窗口的家庭用电调度优化方法 | |
CN109639111A (zh) | 一种变频器的控制方法、系统、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181214 |
|
CF01 | Termination of patent right due to non-payment of annual fee |