基于人工智能的計算機自動控制系統(tǒng)優(yōu)化研究

晁虹

摘 要：相比難以達到高精度控制結(jié)果的傳統(tǒng)方法而言，計算機自動控制系統(tǒng)具有非線性、時變等優(yōu)點。文中提出了基于人工智能的計算機自動控制系統(tǒng)優(yōu)化方法。通過人工智能技術中的神經(jīng)網(wǎng)絡對計算機自動控制系統(tǒng)的變化特點進行無限逼近，并通過仿真測試分析其性能。結(jié)果表明，文中方法提高了計算機自動控制系統(tǒng)的響應速度，增強了計算機自動控制系統(tǒng)的穩(wěn)定性，獲得了比傳統(tǒng)方法更優(yōu)的計算機自動控制精度。

關鍵詞：計算機；自動控制系統(tǒng)；人工智能；神經(jīng)網(wǎng)絡

中圖分類號：TP183 文獻標識碼：A 文章編號：2095-1302（2018）08-00-02

0 引 言

隨著計算機技術的飛速發(fā)展，計算機自動控制系統(tǒng)的應用范圍越來越廣，被應用在軍事、環(huán)境污染檢測、安全監(jiān)控等領域，為此對計算機自動控制系統(tǒng)進行研究具有十分重要的價值。

針對計算機自動控制系統(tǒng)中的優(yōu)化問題，國內(nèi)外學者進行了大量研究，當前也存在一些計算機自動控制系統(tǒng)優(yōu)化方法。相對于其他計算機自動控制系統(tǒng)優(yōu)化方法，PID控制算法的工作原理、工作過程十分簡單，便于普通操作人員進行操作，而且人機交互界面較好，在計算機自動控制系統(tǒng)中得到了廣泛應用[1-3]。由于計算機自動控制系統(tǒng)滯后性較大、工作環(huán)境復雜，因此其計算機自動控制系統(tǒng)通常無法建立精確的數(shù)學模型來描述其變化特點，PID控制算法面臨巨大的挑戰(zhàn)。同時由于PID自身也在存在一定的問題，如參數(shù)優(yōu)化，為此有學者引入了模糊理論對PID控制算法進行改進和和優(yōu)化，以實現(xiàn)計算機自動控制系統(tǒng)高精度的優(yōu)化，但仍存在許多不足，如計算機自動控制系統(tǒng)控制誤差大，計算機自動控制系統(tǒng)的優(yōu)化時間長，無法實現(xiàn)計算機自動控制系統(tǒng)的在線優(yōu)化等，無法滿足計算機自動控制系統(tǒng)的實際應用要求。神經(jīng)網(wǎng)絡是一種人工智能技術，非線性映射擬合能力好，可以對PID控制算法進行優(yōu)化，從而實現(xiàn)計算機自動控制系統(tǒng)的優(yōu)化[4-5]。

為了提高計算機自動控制系統(tǒng)的優(yōu)化精度，文中提出了基于人工智能的計算機自動控制系統(tǒng)優(yōu)化方法。通過人工智能技術中的神經(jīng)網(wǎng)絡對計算機自動控制系統(tǒng)的變化特點進行無限逼近，并通過仿真測試分析其性能。結(jié)果表明，本文方法提高了計算機自動控制系統(tǒng)的響應速度，增強了計算機自動控制系統(tǒng)的穩(wěn)定性，獲得了比傳統(tǒng)方法更優(yōu)的計算機自動控制精度。

1 PID計算機自動控制系統(tǒng)優(yōu)化控制

計算機自動控制系統(tǒng)PID控制器的控制原理如圖1所示。

PID控制器的控制方式可以描述如下：

（1）

其中：Ti，Td，Kp表示PID控制的3個參數(shù)，其值直接決定了PID的控制性能。

由于計算機自動控制系統(tǒng)處理的是數(shù)字信號，傳統(tǒng)模擬PID控制器無法直接控制計算機自動控制系統(tǒng)，因此做如下離散化處理：

（2）

通常情況下，PID控制性能采用輸出誤差進行衡量，具體如下：

（3）

計算機自動控制系統(tǒng)在實際應用中，難免受到其因素的干擾，導致計算機自動控制系統(tǒng)的超調(diào)量變化較大，為了盡可能降低該現(xiàn)象出現(xiàn)的幾率，引入超調(diào)量，計算機自動控制系統(tǒng)優(yōu)化的目標函數(shù)見式（4）：

（4）

式中：e（t）為系統(tǒng)誤差，u（t）為控制器輸出，tu為上升時間，w1，w2，w3為權值。

為了對計算機自動控制系統(tǒng)進行高精度控制，需要選好PID控制器的參數(shù)，為此本文采用人工智能神經(jīng)網(wǎng)絡算法獲得更優(yōu)的計算機自動控制系統(tǒng)。

2 人工智能計算機自動控制系統(tǒng)優(yōu)化

計算機自動控制系統(tǒng)的控制結(jié)果如圖2所示。從圖2可以看出，PID控制算法對計算機自動控制系統(tǒng)進行控制，而神經(jīng)網(wǎng)絡對PID控制器進行優(yōu)化，根據(jù)計算機自動控制系統(tǒng)的輸出誤差啟動神經(jīng)網(wǎng)絡的學習過程，實時調(diào)整PID控制器的參數(shù)，從而直接控制計算機自動控制系統(tǒng)。

BP神經(jīng)網(wǎng)絡輸入層的輸入、輸出為：

（5）

（6）

e（k）為計算機自動控制系統(tǒng)輸出的偏差，即

（7）

其中：θr（k）為給定值，θc（k）為計算機自動控制系統(tǒng)的實

際值。

隱含層的輸入、輸出為：

（8）

（9）

式中：為隱含層加權系數(shù)；為激活函數(shù)。

網(wǎng)絡輸出層的輸入、輸出為：

（10）

（11）

式中：為輸出層加權系數(shù)；為激活函數(shù)。

采用性能指標的最小化來訓練控制器參數(shù)。

由于得不到計算機自動控制系統(tǒng)的精確數(shù)學模型，因而無法得到計算機自動控制系統(tǒng)的實際輸出，神經(jīng)網(wǎng)絡所需的梯度學習信號也無法獲取。而神經(jīng)網(wǎng)絡經(jīng)過適當?shù)膶W習后，其輸出θi可近似代替計算機自動控制系統(tǒng)的實際輸出θc，因此，可近似代替神經(jīng)網(wǎng)絡所需的梯度學習信號，則有：

（12）

隱含層和輸出層的權值調(diào)整公式如下：

（13）

（14）

3 計算機自動控制系統(tǒng)的性能測試

為了測試本文計算機自動控制系統(tǒng)的性能，與當前經(jīng)典計算機自動控制系統(tǒng)優(yōu)化方法在相同平臺進行仿真模擬測試，當計算機自動控制系統(tǒng)沒有受到外界因素干擾時，計算機自動控制系統(tǒng)的輸出結(jié)果如圖3所示。從圖3可以清楚看出，沒有受到干擾時，兩種方法的計算機自動控制系統(tǒng)輸出結(jié)果均較好，可以對計算機自動控制系統(tǒng)進行有效的控制，相對于傳統(tǒng)計算機自動控制系統(tǒng)優(yōu)化方法，本文方法的計算機自動控制系統(tǒng)的控制精度略高。

在受到外界因素強烈干擾的情況下，本文方法與傳統(tǒng)方法的計算機自動控制系統(tǒng)的控制結(jié)果如圖4所示。可以發(fā)現(xiàn)，受到外界因素強烈干擾的情況下，傳統(tǒng)計算機自動控制系統(tǒng)優(yōu)化結(jié)果變化很大，極不穩(wěn)定，要達到理想的計算機自動控制系統(tǒng)控制狀態(tài)，時間耗費長，而本文計算機自動控制系統(tǒng)優(yōu)化方法可以短時間內(nèi)達到理想狀態(tài)，提高了計算機自動控制系統(tǒng)的控制效果，而且計算機自動控制系統(tǒng)控制結(jié)果更加穩(wěn)定，具有比較明顯的優(yōu)勢。對比結(jié)果表明，本文設計的計算機自動控制系統(tǒng)優(yōu)化方法較好地解決了當前計算機自動控制系統(tǒng)優(yōu)化過程中存在的誤差大、控制效率低的難題。有干擾時的計算機自動控制系統(tǒng)輸出的結(jié)果如圖4所示。

4 結(jié) 語

計算機自動控制系統(tǒng)變化十分復雜，偉統(tǒng)方法存在誤差較大，控制效率低下等問題。為了改善計算機自動控制系統(tǒng)的控制效果，提出了人工智能計算機自動控制系統(tǒng)優(yōu)化方法，測試結(jié)果表明，本文方法不僅提高了計算機自動控制系統(tǒng)的控制精度，而且計算機自動控制系統(tǒng)的控制效率也得到了明顯改善，是一個有效的計算機自動控制系統(tǒng)優(yōu)化方法。

參考文獻

[1]李玉云，李紹勇，王秋庭.自動控制原理與CAI教程[M].北京：機械工業(yè)出版社，2010：255-256.

[2]趙石磊，郭紅，劉宇鵬.基于軌跡跟蹤的線性時滯系統(tǒng)容錯控制[J].信息與控制，2015，44（4）： 469-473.

[3]白宏，張樂.模糊PID控制在ATP伺服系統(tǒng)中的應用[J].應用光

學，2009，30（1）： 29-33.

[4]張美鳳，蔡建文.模糊RBF神經(jīng)網(wǎng)絡PID算法在計算機自動控制系統(tǒng)控制中的應用研究[J].激光雜志，2015，36（6）：108-110.

[5]張新聞，周春燕，李學生.優(yōu)化核參數(shù)的SVM在電能質(zhì)量擾動分類中的應用[J].哈爾濱理工大學學報，2011，16（3）：50-54.

[6]馮立強，劉曉悅.基于遺傳算法的神經(jīng)網(wǎng)絡PID控制方法研究[J].物聯(lián)網(wǎng)技術，2017，7（10）：40-42.

[7]趙鵬，趙雪峰，趙慶安，等.基于人工智能機器視覺技術的古建筑表層損傷檢測[J].物聯(lián)網(wǎng)技術，2017，7（9）：14-18.

[8]杜澤明.基于人工智能的氣動窗口微機控制系統(tǒng)[D].武漢：華中師范大學，1999.