Forskare från Zhejiang University i Kina har utvecklat ett nytt sätt att öka prestanda för automatiserade system som energianläggningar, flygplan och elektronik. Forskarna publicerade sin metod i juli -numret av IEEE/CAA Journal of Automatica Sinica ( JAS ), en gemensam publikation av Institute of Electrical and Electronic Engineers (IEEE) och Chinese Association of Automation (CAA).
Automatiserade system använder modellprediktiv styrning för att effektivt använda ström. Metoden analyserar nuvarande beteenden och tidsramar för att förutsäga och initiera de bästa nästa stegen för att optimera systemets mål. Till exempel, det automatiska flygsystemet i ett flygplan måste undersöka flyghöjden, fart, väderförhållanden, avståndet till destinationen, bränsletillförsel, och mer för att effektivt använda sina resurser för att komma säkert.
"Modelförutsägande kontroll används i stor utsträckning på grund av dess förmåga att effektivt hantera den komplexa dynamiken i system med flera ingångar och utgångar, systembegränsningar, och motstridiga kontrollmål, "skrev Hongye Su, en författare på tidningen och en professor vid Zhejiang University, Kina. "En nyckelroll i denna ram är något som kallas" genomförbar uppsättning "."
Den genomförbara uppsättningen är alla möjliga åtgärder ett system kan utföra samtidigt som de håller sig inom förutbestämda begränsningar-som alla vägar du kan ta, inom en stat, för att nå samma destination. Dessa möjliga lösningar kan matematiskt visualiseras som ett utrymme inom specifika former, och när begränsningarna ändras, så gör formerna.
Su och hans team har utformat en algoritm som beräknar den möjliga uppsättningen med hjälp av begränsningar representerade av geometriska former. Programmet kan snabbt bestämma vinkeln på de inre anslutningarna inom varje form, vilket resulterar i den genomförbara uppsättningen eller alla möjliga åtgärder med lätthet.
"Simuleringen visar att den föreslagna metoden är särskilt effektiv för lågdimensionell genomförbar beräkning och undviker icke-enhetsproblemet med optimerare, liksom minnesförbrukningsproblemet som uppstår vid projicering av algoritmer, "Skrev Su.
Att optimera systemen för sådant som energianvändning kan ta betydande minne och tid, särskilt med ett extra antal begränsningar att tänka på. Genom att tillämpa vad Su och hans team kallar "polyhedral genomförbar beräkning, "problemet kan lösas snabbare och med mindre datorkraft, när det gäller minnet som krävs.
Su varnar för att detta endast gäller för lågdimensionella genomförbara uppsättningar, dock. Ju färre begränsningar att tänka på, desto färre dimensioner en genomförbar uppsättning innehåller.
"Om dimensionen på den genomförbara uppsättningen är mycket stor, beräkningsbördan för den föreslagna metoden skulle vara fruktansvärd, "Su skrev, notera att en möjlig lösning kan ligga i att ändra formerna som används i beräkningen till polyhedrons och mer arbete krävs för att ytterligare utforska denna möjlighet.
