CN117250869A - 温控设备的控制方法、装置、可读存储介质及电子设备 - Google Patents
温控设备的控制方法、装置、可读存储介质及电子设备 Download PDFInfo
- Publication number
- CN117250869A CN117250869A CN202311516324.6A CN202311516324A CN117250869A CN 117250869 A CN117250869 A CN 117250869A CN 202311516324 A CN202311516324 A CN 202311516324A CN 117250869 A CN117250869 A CN 117250869A
- Authority
- CN
- China
- Prior art keywords
- control algorithm
- function control
- algorithm
- prediction function
- prediction
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 190
- 238000005457 optimization Methods 0.000 claims abstract description 95
- 230000001133 acceleration Effects 0.000 claims abstract description 28
- 230000006870 function Effects 0.000 claims description 163
- 238000004590 computer program Methods 0.000 claims description 13
- 238000011161 development Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 18
- 230000018109 developmental process Effects 0.000 description 10
- 230000004044 response Effects 0.000 description 10
- 238000004519 manufacturing process Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 5
- 239000006185 dispersion Substances 0.000 description 5
- 230000002028 premature Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 3
- 230000010355 oscillation Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011990 functional testing Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种温控设备的控制方法、装置、可读存储介质及电子设备,使用数学优化器加速函数确定优化策略;使用所述优化策略对预测函数控制算法中的预测时域和参考轨迹常数进行控制优化,得到优化后的预测函数控制算法,使用优化后的预测函数控制算法对温控设备进行控制,以此利用算术优化算法能够提高预测函数控制算法的控制精度,使用数学优化器加速函数确定优化策略,能够选择到更适合预测函数控制算法优化方式,确保预测函数控制算法的优化的有效性,从而有效地提高温度设备的控制效果。
Description
技术领域
本发明涉及设备控制技术领域,尤其涉及一种温控设备的控制方法、装置、可读存储介质及电子设备。
背景技术
自从第四次工业革命以来,智能时代、***应用和智能生产不再仅仅是一个生产过程。连接工厂、商品和智能服务的生产智能,将成为未来新的全球制造业时代的常规元素。***应用和智能生产不再是简单的生产过程,而是产品和机器之间的通信,通过各种先进的控制方法连接起来。通过控制手段实现自动控制,可以有效地减少工业消耗和资源浪费,大大提高工业生产效率。
芯片被誉为工业的粮食、制造的核心,各行业都离不开芯片。由于芯片运用环境差异,芯片的可靠性测试非常必要。其中,芯片的三温测试是指芯片在高温、常温、低温这三个温度下进行功能测试。其中的温控环节非常依赖控制算法的效果,在保证准确、快速的同时,不同的控制算法有着各自的优势和特点。
在当今的控制世界中,特别是在工业领域,比起传统的控制方法,有越来越多的先进和方便的控制方法,它们被用于不同的工业需求。其中,比例积分微分控制(PID控制)是最典型的一种控制方法,它具有概念简单、实现简单、应用广泛、控制参数独立、参数选择相对较好等特点。紧随其后的是一些更新的算法,预测函数控制(PFC)就是其中之一,它在保持模型预估计控制的优点的同时,有效地减少了算法的计算量,从而适应了被控对象对控制算法的快速响应要求,已成为工业上常用的控制方法。
故如何对控制算法进行优化以提高控制效果是控制领域的一个需要解决的难题。
发明内容
本发明所要解决的技术问题是:提供一种温控设备的控制方法、装置、可读存储介质及电子设备,能够有效地提高控制效果。
为了解决上述技术问题,本发明采用的技术方案为:
一种温控设备的控制方法,包括步骤:
使用算术优化算法对预测函数控制算法进行优化,得到优化后的预测函数控制算法;
使用所述优化后的预测函数控制算法对温控设备进行控制;
所述使用算术优化算法对预测函数控制算法进行优化,得到优化后的预测函数控制算法包括:
使用数学优化器加速函数确定优化策略;
使用所述优化策略对预测函数控制算法中的预测时域和参考轨迹常数进行控制优化,得到优化后的预测函数控制算法。
为了解决上述技术问题,本发明采用的另一种技术方案为:
一种温控设备的控制装置,包括:
优化模块,用于使用算术优化算法对预测函数控制算法进行优化,得到优化后的预测函数控制算法;
控制模块,用于使用所述优化后的预测函数控制算法对温控设备进行控制;
所述使用算术优化算法对预测函数控制算法进行优化,得到优化后的预测函数控制算法包括:
使用数学优化器加速函数确定优化策略;
使用所述优化策略对预测函数控制算法中的预测时域和参考轨迹常数进行控制优化,得到优化后的预测函数控制算法。
为了解决上述技术问题,本发明采用的另一种技术方案为:
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述温控设备的控制方法中的各个步骤。
为了解决上述技术问题,本发明采用的另一种技术方案为:
一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述温控设备的控制方法中的各个步骤。
本发明的有益效果在于:使用算术优化算法对预测函数控制算法进行优化,得到优化后的预测函数控制算法,使用优化后的预测函数控制算法对温控设备进行控制,以此利用算术优化算法能够提高预测函数控制算法的控制精度,使用数学优化器加速函数确定优化策略,能够选择到更适合预测函数控制算法优化方式,确保预测函数控制算法的优化的有效性,从而有效地提高温度设备的控制效果。
附图说明
图1为本发明实施例的一种温控设备的控制方法的步骤流程图;
图2为本发明实施例的一种温控设备的控制装置的结构示意图;
图3为本发明实施例的一种电子设备的结构示意图;
图4为本发明实施例的温控设备的控制方法中的不同控制算法的控制效果对比图;
图5为本发明实施例的温控设备的控制方法中的优化结果示意图;
图6为本发明实施例的温控设备的控制方法中的优化后的预测函数控制算法和其他控制算法的控制效果对比图。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
请参照图1,一种温控设备的控制方法,包括步骤:
使用算术优化算法对预测函数控制算法进行优化,得到优化后的预测函数控制算法;
使用所述优化后的预测函数控制算法对温控设备进行控制;
所述使用算术优化算法对预测函数控制算法进行优化,得到优化后的预测函数控制算法包括:
使用数学优化器加速函数确定优化策略;
使用所述优化策略对预测函数控制算法中的预测时域和参考轨迹常数进行控制优化,得到优化后的预测函数控制算法。
从上述描述可知,本发明的有益效果在于:使用算术优化算法对预测函数控制算法进行优化,得到优化后的预测函数控制算法,使用优化后的预测函数控制算法对温控设备进行控制,以此利用算术优化算法能够提高预测函数控制算法的控制精度,使用数学优化器加速函数确定优化策略,能够选择到更适合预测函数控制算法优化方式,确保预测函数控制算法的优化的有效性,从而有效地提高温度设备的控制效果。
进一步地,所述使用数学优化器加速函数确定优化策略包括:
确定一第一随机数;
获取最大迭代次数、当前迭代次数、数学优化器加速函数的最小值以及最大值;
根据所述最大迭代次数、所述当前迭代次数、所述最小值和所述最大值计算当前的加速函数值;
判断所述当前的加速函数值是否小于所述第一随机数,若是,则确定优化策略为全局探索,若否,则确定优化策略为局部开发。
由上述描述可知,若当前的加速函数值小于第一随机数,则确定优化策略为全局探索,否则确定优化策略为局部开发,以便后续进行更精准地优化。
进一步地,所述使用所述优化策略对预测函数控制算法中的预测时域和参考轨迹常数进行控制优化,得到优化后的预测函数控制算法包括:
若所述优化策略为所述全局探索,则使用除法搜索策略或乘法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行全局探索,得到优化后的预测函数控制算法;
若所述优化策略为所述局部开发,则使用加法搜索策略或减法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行局部开发,得到优化后的预测函数控制算法。
由上述描述可知,使用除法搜索策略或乘法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行全局探索,能够提高解的分散性,增强算法的全局寻优与克服早熟收敛能力,实现更有效地全局探索寻优,使用加法搜索策略或减法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行局部开发,可降低解的分散性,有利于种群在局部范围内充分开发,加强算法的局部寻优能力,提高不稳定处理器的控制速度,从而使得优化后的预测函数控制算法具备最佳的控制效果。
进一步地,所述使用除法搜索策略或乘法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行全局探索,得到优化后的预测函数控制算法包括:
确定一第二随机数;
判断所述第二随机数是否小于第一预设值,若是,则使用除法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行全局探索,得到优化后的预测函数控制算法,若否,则使用乘法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行全局探索,得到优化后的预测函数控制算法。
进一步地,所述除法搜索策略包括:
;
式中,表示更新后的位置,/>表示最佳迭代中的第t个位置,/>表示数学优化器概率,/>表示极小值,UB表示迭代的上限值,LB表示迭代的下限值,/>表示调整搜索过程的控制参数;
所述乘法搜索策略包括:
。
由上述描述可知,基于第二随机数和第一预设值确定是采用除法搜索策略还是乘法搜索策略,提高了算法全局探索寻优的效率和可靠性。
进一步地,所述使用加法搜索策略或减法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行局部开发,得到优化后的预测函数控制算法包括:
确定一第三随机数;
判断所述第三随机数是否小于第二预设值,若是,则使用减法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行局部开发,得到优化后的预测函数控制算法,若否,则使用加法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行局部开发,得到优化后的预测函数控制算法。
由上述描述可知,基于第三随机数和第二预设值确定使用的是减法搜索策略还是加法搜索策略进行局部开发,加强算法的局部寻优能力,从而提高预测函数控制算法的控制能力。
请参照图2,本发明另一实施例提供了一种温控设备的控制装置,包括:
优化模块,用于使用算术优化算法对预测函数控制算法进行优化,得到优化后的预测函数控制算法;
控制模块,用于使用所述优化后的预测函数控制算法对温控设备进行控制;
所述使用算术优化算法对预测函数控制算法进行优化,得到优化后的预测函数控制算法包括:
使用数学优化器加速函数确定优化策略;
使用所述优化策略对预测函数控制算法中的预测时域和参考轨迹常数进行控制优化,得到优化后的预测函数控制算法。
从上述描述可知,本发明的有益效果在于:使用算术优化算法对预测函数控制算法进行优化,得到优化后的预测函数控制算法,使用优化后的预测函数控制算法对温控设备进行控制,以此利用算术优化算法能够提高预测函数控制算法的控制精度,使用数学优化器加速函数确定优化策略,能够选择到更适合预测函数控制算法优化方式,确保预测函数控制算法的优化的有效性,从而有效地提高温度设备的控制效果。
本发明另一实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述温控设备的控制方法中的各个步骤。
请参照图3,本发明另一实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述温控设备的控制方法中的各个步骤。
本发明上述的温控设备的控制方法、装置、可读存储介质及电子设备能够适用于需要对三温测试设备、老化柜温控设备等温控设备的控制场景,以下通过具体实施方式进行说明:
请参照图1、图4-图6,本发明的实施例一为:
一种温控设备的控制方法,包括步骤:
S1、使用算术优化算法对预测函数控制算法进行优化,得到优化后的预测函数控制算法,具体包括:
S11、使用数学优化器加速函数(Math Optimizer Accelerated,MOA)确定优化策略,具体包括:
S111、确定一第一随机数。
其中,所述第一随机数r1为[0,1]之间的随机数。
S112、获取最大迭代次数、当前迭代次数、数学优化器加速函数的最小值以及最大值。
S113、根据所述最大迭代次数、所述当前迭代次数、所述最小值和所述最大值计算当前的加速函数值,具体为:
;
式中,MOA(t)表示当前的加速函数值,Min表示数学优化器加速函数的最小值,Max表示数学优化器加速函数的最大值,t表示当前迭代次数,T表示最大迭代次数。
在一种可选的实施方式中,Min=0.2,Max=1。
S114、判断所述当前的加速函数值是否小于所述第一随机数,若是,则确定优化策略为全局探索,若否,则确定优化策略为局部开发。
S12、使用所述优化策略对预测函数控制算法中的预测时域和参考轨迹常数进行控制优化,得到优化后的预测函数控制算法,具体包括:
S121、若所述优化策略为所述全局探索,则使用除法搜索策略或乘法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行全局探索,得到优化后的预测函数控制算法,具体包括:
S1211、确定一第二随机数。
其中,第二随机数r2∈[0,1]。
S1212、判断所述第二随机数是否小于第一预设值,若是,则使用除法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行全局探索,得到优化后的预测函数控制算法,若否,则使用乘法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行全局探索,得到优化后的预测函数控制算法,提高了解的分散性,增强算法的全局寻优与克服早熟收敛能力。
其中,所述除法搜索策略包括:
;
式中,表示更新后的位置,/>表示最佳迭代中的第t个位置,/>表示数学优化器概率,/>表示极小值,UB表示迭代的上限值,LB表示迭代的下限值,/>表示调整搜索过程的控制参数;
所述乘法搜索策略包括:
;
在一种可选的实施方式中,所述第一预设值为0.5,=0.499。
所述数学优化器概率为:
;
式中,α表示敏感参数,定义了迭代过程中的局部开发精度,在一种可选的实施方式中,α=5。
S122、若所述优化策略为所述局部开发,则使用加法搜索策略或减法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行局部开发,得到优化后的预测函数控制算法,降低解的分散性,有利于种群在局部范围内充分开发,加强算法的局部寻优能力,具体包括:
S1221、确定一第三随机数。
其中,所述第三随机数r3∈[0,1]。
S1222、判断所述第三随机数是否小于第二预设值,若是,则使用减法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行局部开发,得到优化后的预测函数控制算法,若否,则使用加法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行局部开发,得到优化后的预测函数控制算法。
其中,所述减法搜索策略包括:
;
所述加法搜索策略包括:
。
经过上述优化后,能够得到预测时域P1和P2以及参考轨迹常数Tr的最优值,将这些参数代入预测函数控制算法,就得到优化后的预测函数控制算法。
S2、使用所述优化后的预测函数控制算法对温控设备进行控制。
由于工业需要,控制的基本要求是确保稳定时间达到尽可能短的稳定状态,稳定时间指的是一旦控制***被破坏,受控变量从以前的稳定状态恢复到新的平衡状态所需的最短时间。
预测函数控制算法(PFC)在保持模型预估计控制的优点的同时,有效地减少了算法的计算量,从而适应了被控对象对控制算法的快速响应要求,已成为工业上常用的控制方法。
采用算术优化算法对 PFC的重要控制参数进行优化,通过数学优化器加速函数选择优化策略,乘法搜索策略与除法搜索策略进行全局搜索,提高解的分散性,增强算法的全局寻优与克服早熟收敛能力,实现全局探索寻优,加法搜索策略与减法搜索策略降低解的分散性,有利于种群在局部范围内充分开发,加强算法的局部寻优能力,从而提高不稳定处理器的控制速度。已经表明,算术优化算法确实可以优化 PFC 算法,优化的PFC控制甚至可以提高2到3倍的精准度,仿真结果表明,性能优于传统的 PFC。
针对PID控制器,各参数的控制律表明,比例p使响应更快,微分d使响应更早,积分i使响应滞后。在一定范围内,p和d的值越大,调节效果越好。每个参数的调节原则如下:
比例增益p决定响应速度和力,响应太小会导致响应缓慢,而响应太大会导致振荡,这是i和d的基础。当存在***故障和外部影响时i可以减小误差,提高精度,但也可以提高响应速度,过大时会产生超调和振荡。D是保护***免受外部冲击,并避免突然变化。依次确定三个参数中每个参数最合适的值作为PID控制器的最终参数。
针对PFC控制器,H(针对温控设备为P1和P2)和Tr的初始值是根据以往的实验经验选择的,因此,通过实验调试选择最合适p、i、d、H和Tr作为控制参数输入。PID选择p=7.72,i=1,d=14,PFC选择P1=1,P2=2,Tr=1,其控制效果如图4所示,本发明引入的沉降时间(Settling time)、上升时间(Rising time)是决定控制效果的最重要参数之一,它们是振荡信号稳定到指定最终值所需的时间和脉冲瞬时值最初到达规定下限和规定上限的两瞬时之间的间隔。
表1 不同控制算法的时间对比
如表1所示,PID控制器几乎是PFC控制器的两倍,具有非常短的调节时间和良好的性能。然而,PID对于复杂的非线性***和复杂的信号跟踪是非常有限的。由于传统的模型预估计控制算法比传统的PID控制算法复杂,在线计算量大,导致实时性下降,所以模型预估计控制的应用一般局限于慢过程。所以预测函数控制方法就是在这种背景下,为了适应快速控制的要求,开发了一种新的预测控制算法。
在本发明算术优化算法的优化下,得到了优化参数,也就是预测时域和参考轨迹常数的最优值,P1=1.06153,P2=2.07378,Tr=0.1,如图5所示。优化后的PFC与PID对温控设备的控制效果如图6所示。时间对比如表2所示。
表2 时间对比
可以看出,算术优化算法(AOA)优化后,PFC算法的控制效果大大提高。
请参照图2,本发明的实施例二为:
一种温控设备的控制装置,包括:
优化模块,用于使用算术优化算法对预测函数控制算法进行优化,得到优化后的预测函数控制算法;
控制模块,用于使用所述优化后的预测函数控制算法对温控设备进行控制;
所述使用算术优化算法对预测函数控制算法进行优化,得到优化后的预测函数控制算法包括:
使用数学优化器加速函数确定优化策略;
使用所述优化策略对预测函数控制算法中的预测时域和参考轨迹常数进行控制优化,得到优化后的预测函数控制算法。
本发明的实施例三为:
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时可实现实施例一中温控设备的控制方法的各个步骤。
请参照图3,本发明的实施例四为:
一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现实施例一中温控设备的控制方法的各个步骤。
综上所述,本发明提供的一种温控设备的控制方法、装置、可读存储介质及电子设备,使用数学优化器加速函数确定优化策略,使用所述优化策略对预测函数控制算法中的预测时域和参考轨迹常数进行控制优化,得到优化后的预测函数控制算法,使用优化后的预测函数控制算法对温控设备进行控制,以此利用算术优化算法能够提高预测函数控制算法的控制精度,使用数学优化器加速函数确定优化策略,能够选择到更适合预测函数控制算法优化方式,确保预测函数控制算法的优化的有效性,从而有效地提高温度设备的控制效果;并且,使用除法搜索策略或乘法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行全局探索,能够提高解的分散性,增强算法的全局寻优与克服早熟收敛能力,实现更有效地全局探索寻优,使用加法搜索策略或减法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行局部开发,可降低解的分散性,有利于种群在局部范围内充分开发,加强算法的局部寻优能力,提高不稳定处理器的控制速度,从而使得优化后的预测函数控制算法具备最佳的控制效果。
在本申请所提供的上述实施例中,应该理解到,所揭露的方法、装置、计算机可读存储介质以及电子设备,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个组件或模块可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或组件或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的组件可以是或者也可以不是物理上分开的,作为组件显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部组件来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个组件单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种温控设备的控制方法,其特征在于,包括步骤:
使用算术优化算法对预测函数控制算法进行优化,得到优化后的预测函数控制算法;
使用所述优化后的预测函数控制算法对温控设备进行控制;
所述使用算术优化算法对预测函数控制算法进行优化,得到优化后的预测函数控制算法包括:
使用数学优化器加速函数确定优化策略;
使用所述优化策略对预测函数控制算法中的预测时域和参考轨迹常数进行控制优化,得到优化后的预测函数控制算法。
2.根据权利要求1所述的一种温控设备的控制方法,其特征在于,所述使用数学优化器加速函数确定优化策略包括:
确定一第一随机数;
获取最大迭代次数、当前迭代次数、数学优化器加速函数的最小值以及最大值;
根据所述最大迭代次数、所述当前迭代次数、所述最小值和所述最大值计算当前的加速函数值;
判断所述当前的加速函数值是否小于所述第一随机数,若是,则确定优化策略为全局探索,若否,则确定优化策略为局部开发。
3.根据权利要求2所述的一种温控设备的控制方法,其特征在于,所述使用所述优化策略对预测函数控制算法中的预测时域和参考轨迹常数进行控制优化,得到优化后的预测函数控制算法包括:
若所述优化策略为所述全局探索,则使用除法搜索策略或乘法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行全局探索,得到优化后的预测函数控制算法;
若所述优化策略为所述局部开发,则使用加法搜索策略或减法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行局部开发,得到优化后的预测函数控制算法。
4.根据权利要求3所述的一种温控设备的控制方法,其特征在于,所述使用除法搜索策略或乘法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行全局探索,得到优化后的预测函数控制算法包括:
确定一第二随机数;
判断所述第二随机数是否小于第一预设值,若是,则使用除法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行全局探索,得到优化后的预测函数控制算法,若否,则使用乘法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行全局探索,得到优化后的预测函数控制算法。
5.根据权利要求4所述的一种温控设备的控制方法,其特征在于,所述除法搜索策略包括:
;
式中,表示更新后的位置,/>表示最佳迭代中的第t个位置,/>表示数学优化器概率,/>表示极小值,UB表示迭代的上限值,LB表示迭代的下限值,/>表示调整搜索过程的控制参数;
所述乘法搜索策略包括:
。
6.根据权利要求3所述的一种温控设备的控制方法,其特征在于,所述使用加法搜索策略或减法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行局部开发,得到优化后的预测函数控制算法包括:
确定一第三随机数;
判断所述第三随机数是否小于第二预设值,若是,则使用减法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行局部开发,得到优化后的预测函数控制算法,若否,则使用加法搜索策略对预测函数控制算法中的预测时域和参考轨迹常数进行局部开发,得到优化后的预测函数控制算法。
7.一种温控设备的控制装置,其特征在于,包括:
优化模块,用于使用算术优化算法对预测函数控制算法进行优化,得到优化后的预测函数控制算法;
控制模块,用于使用所述优化后的预测函数控制算法对温控设备进行控制;
所述使用算术优化算法对预测函数控制算法进行优化,得到优化后的预测函数控制算法包括:
使用数学优化器加速函数确定优化策略;
使用所述优化策略对预测函数控制算法中的预测时域和参考轨迹常数进行控制优化,得到优化后的预测函数控制算法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的一种温控设备的控制方法中的各个步骤。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的一种温控设备的控制方法中的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311516324.6A CN117250869A (zh) | 2023-11-15 | 2023-11-15 | 温控设备的控制方法、装置、可读存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311516324.6A CN117250869A (zh) | 2023-11-15 | 2023-11-15 | 温控设备的控制方法、装置、可读存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117250869A true CN117250869A (zh) | 2023-12-19 |
Family
ID=89129799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311516324.6A Pending CN117250869A (zh) | 2023-11-15 | 2023-11-15 | 温控设备的控制方法、装置、可读存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117250869A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050267608A1 (en) * | 2004-05-27 | 2005-12-01 | Nissan Motor Co., Ltd. | Model predictive control apparatus |
CN114861521A (zh) * | 2022-03-31 | 2022-08-05 | 河北工业大学 | 一种冷热电联供型微电网容量优化配置的方法 |
CN114897129A (zh) * | 2022-03-24 | 2022-08-12 | 华北电力大学 | 一种基于日相似聚类与Kmeans-GRA-LSTM的光伏电站短期功率预测方法 |
CN116454950A (zh) * | 2023-04-21 | 2023-07-18 | 云南电网有限责任公司大理供电局 | 基于多目标算术优化算法的电氢混合储能***配置方法 |
-
2023
- 2023-11-15 CN CN202311516324.6A patent/CN117250869A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050267608A1 (en) * | 2004-05-27 | 2005-12-01 | Nissan Motor Co., Ltd. | Model predictive control apparatus |
CN114897129A (zh) * | 2022-03-24 | 2022-08-12 | 华北电力大学 | 一种基于日相似聚类与Kmeans-GRA-LSTM的光伏电站短期功率预测方法 |
CN114861521A (zh) * | 2022-03-31 | 2022-08-05 | 河北工业大学 | 一种冷热电联供型微电网容量优化配置的方法 |
CN116454950A (zh) * | 2023-04-21 | 2023-07-18 | 云南电网有限责任公司大理供电局 | 基于多目标算术优化算法的电氢混合储能***配置方法 |
Non-Patent Citations (3)
Title |
---|
侯宁;费树岷;: "基于预测函数算法的陶瓷烧成窑炉温度控制研究", 计算机与现代化, no. 11, pages 109 - 112 * |
李晓斌;寇得民;: "真空退火温度的建模与解耦控制", 机械工程学报, no. 10, pages 95 - 101 * |
沈国良;赵均;钱积新;: "基于期望响应的预测函数控制参考轨迹自校正方法", 化工学报, vol. 59, no. 01, pages 118 - 125 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108194398B (zh) | 风扇控制方法及装置 | |
CN115097920A (zh) | 一种调节服务器机箱的温度的方法、装置、服务器及介质 | |
Yan et al. | Global output-feedback stabilization for nonlinear time-delay systems with unknown control coefficients | |
Tandon et al. | Genetic algorithm based parameter tuning of PID controller for composition control system | |
CN112054782B (zh) | 一种lms自适应滤波的可变步长因子构建方法 | |
Tang et al. | A fast realization method of fuzzy pid control for dc motor | |
CN112564557B (zh) | 一种永磁同步电机的控制方法、装置、设备及存储介质 | |
CN117250869A (zh) | 温控设备的控制方法、装置、可读存储介质及电子设备 | |
CN106094524A (zh) | 基于输入趋势补偿的快速模型预测控制方法 | |
Xiaolin et al. | Research on Robot Tracking of Books Returning to Bookshelf Based on Particle Swarm Optimization Fuzzy PID Control | |
CN114614490A (zh) | 无功电压控制方法和装置、介质以及计算装置 | |
CN112366733A (zh) | 水电机组调速器pid参数优化方法、装置、***及介质 | |
JPH0272404A (ja) | メンバーシップ関数決定方法 | |
CN115009278B (zh) | 一种巡航控制方法、装置、设备及存储介质 | |
Charkoutsis et al. | Towards a Novel Nonlinear PID Controller Tuned with Particle Swarm Optimization with Improved Performance for First Order Plus Time Delay (FOPTD) Systems. | |
CN113655716B (zh) | 非线性球杆***有限时间稳定的控制方法、***及介质 | |
CN115892206B (zh) | 一种车轮转角控制方法、装置及电子设备 | |
Ai et al. | Fixed-time Stabilization of Pehlivan System via Adaptive Backstepping Method | |
Zheng | Improvement and Simulation of PID Model Predictive Control Algorithm Based on Time Domain | |
Ma et al. | An accelerating iterative learning control based on an adjustable learning interval | |
Chen et al. | The improved Fuzzy-Smith compensator based on modeling error for network control system | |
Li et al. | Suppression of disturbances in networked control systems based on adaptive model predictive control and equivalent-input-disturbance approach | |
CN116451767A (zh) | 基于自适应算法的应用方法、***、设备及存储介质 | |
Lennon et al. | Strategies for genetic adaptive control | |
CN112861040A (zh) | 用于网络图的图像处理方法、图像处理装置和电子设备 |
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 |