CN114819036A - 一种单次测量天牛须控制方法、装置及可读存储介质 - Google Patents

一种单次测量天牛须控制方法、装置及可读存储介质 Download PDF

Info

Publication number
CN114819036A
CN114819036A CN202110120520.6A CN202110120520A CN114819036A CN 114819036 A CN114819036 A CN 114819036A CN 202110120520 A CN202110120520 A CN 202110120520A CN 114819036 A CN114819036 A CN 114819036A
Authority
CN
China
Prior art keywords
error
longicorn
whisker
measurement data
algorithm
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.)
Pending
Application number
CN202110120520.6A
Other languages
English (en)
Inventor
陈祖炎
姜向远
李帅
梁龙飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai New Helium Brain Intelligence Technology Co ltd
Original Assignee
Shanghai New Helium Brain Intelligence Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai New Helium Brain Intelligence Technology Co ltd filed Critical Shanghai New Helium Brain Intelligence Technology Co ltd
Priority to CN202110120520.6A priority Critical patent/CN114819036A/zh
Publication of CN114819036A publication Critical patent/CN114819036A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明涉及一种单次测量天牛须控制方法、装置及可读存储介质，其中方法包括：启动步骤：接收时序测量数据，并在接收到至少两个测量数据后，启动迭代搜索步骤；迭代搜索步骤：将最近一个测量数据代入天牛须算法的左须函数得到第一误差，并将前一个测量数据代入天牛须算法的右须函数得到第二误差；根据第一误差和第二误差基于天牛须算法得到控制参数，直至满足迭代推出条件时退出迭代搜索步骤。与现有技术相比，本发明只需要一个传感器提供时序测量数据就可以利用天牛须算法进行搜索得到控制参数，这样能够减少传感器的测量次数，进一步提高数据利用率及算法效率。

Description

一种单次测量天牛须控制方法、装置及可读存储介质
技术领域
本发明涉及，尤其是涉及一种单次测量天牛须控制方法、装置及可读存储介质。
背景技术
对于现有数据处理分析及参数优化方法，大多数能进行全局寻优或全局优化的算法都需求高昂的算力，从而很难进行实时运行，而目前大多数场景如工业自动化、农业自动化、化工生产、制药等中，都存在对实时性要求非常苛刻的应用，在这些应用中，作为运算设备的通常是低成本的弱计算力终端设备，这些设备无法提供足够的算力来实时运行大多数现有全局寻优算法，而现有大多数实时数据分析及参数优化方法却很难进行全局寻优。目前能够进行实时数据分析及参数优化的方法例如Extremum Seeking、SPSA、天牛须搜索优化算法，其中表现较好的天牛须搜索优化算法在每次迭代更新时，需要采用两个测量数据，由于在一些特殊场景中，特别是获取数据量较少或采样频率较低的情况下，容易造成数据的流失。
发明内容
本发明的目的就是为了提供一种单次测量天牛须控制方法、装置及可读存储介质，只需要一个传感器提供时序测量数据就可以利用天牛须算法进行搜索得到控制参数，这样能够减少传感器的测量次数，进一步提高数据利用率及算法效率。
本发明的目的可以通过以下技术方案来实现：
一种单次测量天牛须控制方法，包括：
启动步骤：接收时序测量数据，并在接收到至少两个测量数据后，启动迭代搜索步骤；
迭代搜索步骤：将最近一个测量数据代入天牛须算法的左须函数得到第一误差，并将前一个测量数据代入天牛须算法的右须函数得到第二误差；根据第一误差和第二误差基于天牛须算法得到控制参数，直至满足迭代推出条件时退出迭代搜索步骤。
所述迭代推出条件具体为：测量数据位于预配置的阈值区间中。
所述迭代搜索步骤具体包括：
将最近一个测量数据代入天牛须算法的左须函数得到第一误差，并将前一个测量数据代入天牛须算法的右须函数得到第二误差，生成方向向量，其中，第一误差和第二误差均为向量；
基于方向向量和以及生成的随机扰动生成搜索方向，并基于搜索方向结合步长确定搜索结果以得到控制参数；
判断是否满足迭代推出条件，若为是，则退出迭代搜索步骤，反之进入下一次迭代。
所述方向向量为第一误差和第二误差的向量差。
一种单次测量天牛须控制装置，包括处理器、存储器，以及存储于存储器中并由所述处理器执行的程序，其特征在于，所述处理器执行所述程序时执行上述步骤。
一种可读存储介质，其上存储有程序，该程序被处理器执行时实现如上述的方法。
与现有技术相比，本发明具有以下有益效果：
1)只需要一个传感器提供时序测量数据就可以利用天牛须算法进行搜索得到控制参数，这样能够减少传感器的测量次数，进一步提高数据利用率及算法效率。
2)通过添加随机扰动的方式，避免单传感器的天牛须算法陷入局部最优。
附图说明
图1为本发明实施例中的主要步骤流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
一种单次测量天牛须控制方法，该方法通过计算机程序的形式实现，如图1所示，包括：
启动步骤：接收时序测量数据，并在接收到至少两个测量数据后，启动迭代搜索步骤；
迭代搜索步骤：将最近一个测量数据代入天牛须算法的左须函数得到第一误差，并将前一个测量数据代入天牛须算法的右须函数得到第二误差；根据第一误差和第二误差基于天牛须算法得到控制参数，直至满足迭代推出条件时退出迭代搜索步骤。
只需要一个传感器提供时序测量数据就可以利用天牛须算法进行搜索得到控制参数，这样能够减少传感器的测量次数，进一步提高数据利用率及算法效率。
在一些实施例中，迭代推出条件具体为：测量数据位于预配置的阈值区间中。
在一些实施例中，迭代搜索步骤具体包括：将最近一个测量数据代入天牛须算法的左须函数得到第一误差，并将前一个测量数据代入天牛须算法的右须函数得到第二误差，生成方向向量，其中，第一误差和第二误差均为向量；基于方向向量和以及生成的随机扰动生成搜索方向，并基于搜索方向结合步长确定搜索结果以得到控制参数；判断是否满足迭代推出条件，若为是，则退出迭代搜索步骤，反之进入下一次迭代。通过添加随机扰动的方式，避免单传感器的天牛须算法陷入局部最优，此外，在其中一个实施例中，方向向量为第一误差和第二误差的向量差。
下面以一个具体温度控制的案例进行说明。
如图1所示，本申请实施方式主要包含初始化、搜索行为、探测行为和行进行为四个部分。
初始化：对于数据的处理分析及参数优化，首先对其进行初步建模将其转化为优化问题，并形成优化目标，随后对单次测量天牛须搜索方法内部参数进行初始化。
本实例中的初始化参数：
其中：eta＝0.98，step＝3，
Figure BDA0002921870270000031
dir＝rands(2,1)，k0＝0.1；
天牛步长step，变步长参数eta，随机扰动参数k0，天牛方向向量dir，随机初始解
Figure BDA0002921870270000032
式中
Figure BDA0002921870270000033
为天牛初始位置，n为问题维度，rands为随机函数。
搜索行为：通过随机生成单位方向向量dir确定需要搜索的位置。
依照前文中的流程根据温度传感器的测量数据生成天牛左右两须的方向向量：
dir＝normal(xleft-xright) (1)
其中：normal(·)为求的方向向量，xleft和xright的初始值为天牛开始迭代的两须的位置。
然后根据两须的位置分别计算左右须函数适应度值fleft与fright，左右须函数可以根据实际情况设定，
然后计算天牛下一步要走的方向：
Figure BDA0002921870270000041
D＝sign*(dir+k0*rands(3,1)) (3)
式中：sign为标志值，D为天牛下一步要走的方向，
采用变步长计算天牛下一步要走的位置：
xi+1＝xi-step*D (4)
step＝step*eta (5)
根据得到结果输出PID参数Kp,Ki,Kd。
在Michalewicz测试方法下，可以看到方法在几次迭代后迅速找到了全局最优解，可以发现，单次测量天牛须搜索方法在比较的方法中搜索效率最高，且精度仅稍稍次与原始天牛须搜索优化算法。在测试中可以发现，单次测量天牛须搜索方法具备很高的搜索效率，具有全局寻优或优化的能力，且在不同的测试结果中表现稳定，鲁棒性高。

Claims (9)

1.一种单次测量天牛须控制方法，其特征在于，包括：
启动步骤：接收时序测量数据，并在接收到至少两个测量数据后，启动迭代搜索步骤；
迭代搜索步骤：将最近一个测量数据代入天牛须算法的左须函数得到第一误差，并将前一个测量数据代入天牛须算法的右须函数得到第二误差；根据第一误差和第二误差基于天牛须算法得到控制参数，直至满足迭代推出条件时退出迭代搜索步骤。
2.根据权利要求1所述的一种单次测量天牛须控制方法，其特征在于，所述迭代推出条件具体为：测量数据位于预配置的阈值区间中。
3.根据权利要求1所述的一种单次测量天牛须控制方法，其特征在于，所述迭代搜索步骤具体包括：
将最近一个测量数据代入天牛须算法的左须函数得到第一误差，并将前一个测量数据代入天牛须算法的右须函数得到第二误差，生成方向向量，其中，第一误差和第二误差均为向量；
基于方向向量和以及生成的随机扰动生成搜索方向，并基于搜索方向结合步长确定搜索结果以得到控制参数；
判断是否满足迭代推出条件，若为是，则退出迭代搜索步骤，反之进入下一次迭代。
4.根据权利要求3所述的一种单次测量天牛须控制方法，其特征在于，所述方向向量为第一误差和第二误差的向量差。
5.一种单次测量天牛须控制装置，包括处理器、存储器，以及存储于存储器中并由所述处理器执行的程序，其特征在于，所述处理器执行所述程序时执行以下步骤：
启动步骤：接收时序测量数据，并在接收到至少两个测量数据后，启动迭代搜索步骤；
迭代搜索步骤：将最近一个测量数据代入天牛须算法的左须函数得到第一误差，并将前一个测量数据代入天牛须算法的右须函数得到第二误差；根据第一误差和第二误差基于天牛须算法得到控制参数，直至满足迭代推出条件时退出迭代搜索步骤。
6.根据权利要求5所述的一种单次测量天牛须控制装置，其特征在于，所述迭代推出条件具体为：测量数据位于预配置的阈值区间中。
7.根据权利要求5所述的一种单次测量天牛须控制装置，其特征在于，所述迭代搜索步骤具体包括：
将最近一个测量数据代入天牛须算法的左须函数得到第一误差，并将前一个测量数据代入天牛须算法的右须函数得到第二误差，生成方向向量，其中，第一误差和第二误差均为向量；
基于方向向量和以及生成的随机扰动生成搜索方向，并基于搜索方向结合步长确定搜索结果以得到控制参数；
判断是否满足迭代推出条件，若为是，则退出迭代搜索步骤，反之进入下一次迭代。
8.根据权利要求7所述的一种单次测量天牛须控制装置，其特征在于，所述方向向量为第一误差和第二误差的向量差。
9.一种可读存储介质，其上存储有程序，该程序被处理器执行时实现如权利要求1-4中任一所述的方法。
CN202110120520.6A 2021-01-28 2021-01-28 一种单次测量天牛须控制方法、装置及可读存储介质 Pending CN114819036A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110120520.6A CN114819036A (zh) 2021-01-28 2021-01-28 一种单次测量天牛须控制方法、装置及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110120520.6A CN114819036A (zh) 2021-01-28 2021-01-28 一种单次测量天牛须控制方法、装置及可读存储介质

Publications (1)

Publication Number Publication Date
CN114819036A true CN114819036A (zh) 2022-07-29

Family

ID=82526341

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110120520.6A Pending CN114819036A (zh) 2021-01-28 2021-01-28 一种单次测量天牛须控制方法、装置及可读存储介质

Country Status (1)

Country Link
CN (1) CN114819036A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113534679A (zh) * 2021-07-06 2021-10-22 上海新氦类脑智能科技有限公司 系统监测模型生成方法、处理器芯片以及工业系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113534679A (zh) * 2021-07-06 2021-10-22 上海新氦类脑智能科技有限公司 系统监测模型生成方法、处理器芯片以及工业系统
CN113534679B (zh) * 2021-07-06 2023-04-28 上海新氦类脑智能科技有限公司 系统监测模型生成方法、处理器芯片以及工业系统

Similar Documents

Publication Publication Date Title
Kwak et al. An incremental clustering-based fault detection algorithm for class-imbalanced process data
CN111983927B (zh) 一种最大协熵mcc准则的椭球集员滤波方法
Bloniarz et al. Supervised neighborhoods for distributed nonparametric regression
CN110378906B (zh) 一种基于弦切线距离的椭圆检测方法
Sarkar et al. Nonparametric link prediction in large scale dynamic networks
CN108563895B (zh) 一种用于齿轮装配体的考虑相关性的区间模型修正方法
Steinbring et al. The smart sampling Kalman filter with symmetric samples
CN109740106A (zh) 基于图卷积神经网络的大规模网络介数逼近方法、存储装置及存储介质
CN110032706A (zh) 一种低阶时滞系统的两阶段参数估计方法及系统
Wen et al. End-to-end semi-supervised learning for differentiable particle filters
CN114742228B (zh) 一种基于神经网络和量子线路的混合计算方法及装置
CN114819036A (zh) 一种单次测量天牛须控制方法、装置及可读存储介质
CN110011838B (zh) 一种动态网络PageRank值的实时跟踪方法
CN114608585A (zh) 一种移动机器人同步定位与建图方法及装置
Todoran et al. Extended Kalman filter (EKF)-based local SLAM in dynamic environments: A framework
CN111707262A (zh) 基于最近点向量投影的点云匹配方法、介质、终端和装置
CN114861928A (zh) 一种量子测量方法及装置和计算设备
CN116400318B (zh) 基于在线粒子群优化的多观测目标位置估计方法及装置
TWI413020B (zh) 全域極小值的搜尋方法及系統
CN112785630A (zh) 一种显微操作中多目标轨迹异常处理方法及系统
JP2006518925A (ja) 半導体エッチング処理の力学的モデル化及び手法最適化のための方法およびシステム
CN116168770A (zh) 分子数据的处理方法、装置电子设备以及存储介质
CN109992907A (zh) 基于粒子群的连续搅拌釜反应器维纳非线性模型辨识方法
CN115859626A (zh) 针对周期运动目标的自适应无迹卡尔曼滤波器设计方法
KR102643592B1 (ko) 에지 컴퓨팅 환경에서의 IoT 누락데이터 관리 방법 및 장치

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination