張鐵頭+譚營軍+李翠霞

摘 要： 由于網(wǎng)絡(luò)數(shù)據(jù)多元化以及網(wǎng)絡(luò)非法入侵的干擾，當(dāng)前設(shè)計(jì)出的網(wǎng)絡(luò)穩(wěn)定控制器往往響應(yīng)時(shí)間過長，提出基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)穩(wěn)定控制器設(shè)計(jì)方法。設(shè)計(jì)的控制器主要由開發(fā)板、控制電路和機(jī)器學(xué)習(xí)模塊組成。機(jī)器學(xué)習(xí)模塊利用特定的學(xué)習(xí)方式對網(wǎng)絡(luò)被控對象進(jìn)行監(jiān)督，監(jiān)督結(jié)果將被傳送到控制電路進(jìn)行多種學(xué)習(xí)行為的虛擬控制。開發(fā)板對虛擬控制結(jié)果進(jìn)行接收，篩選出對網(wǎng)絡(luò)被控對象的最優(yōu)控制策略。機(jī)器學(xué)習(xí)模塊對最優(yōu)控制策略進(jìn)行評價(jià)后，向網(wǎng)絡(luò)被控對象實(shí)施穩(wěn)定控制。實(shí)驗(yàn)結(jié)論證明，所設(shè)計(jì)的控制器可在維持對網(wǎng)絡(luò)有效控制的同時(shí)，獲取優(yōu)異響應(yīng)時(shí)間，響應(yīng)能力較強(qiáng)，可較好地對設(shè)計(jì)目標(biāo)進(jìn)行實(shí)現(xiàn)。

關(guān)鍵詞： 機(jī)器學(xué)習(xí)； 網(wǎng)絡(luò)穩(wěn)定控制器； 設(shè)計(jì)方法； 虛擬控制

中圖分類號： TN711?34； TP273.1 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）08?0053?04

Design and implementation of network stable controller based on machine learning

ZHANG Tietou 1， TAN Yingjun1， LI Cuixia2

（1. Department of Information Engineering， Henan Polytechnic， Zhengzhou 450046， China；

2. School of Software and Applied Technology， Zhengzhou University， Zhengzhou 450002， China）

Abstract： Because of interference of network illegal invasion and network data diversification， and the too long response time of the currently?designed network stability controller， a design method of network stable controller based on machine learning is put forward. The controller is mainly composed of development board， control circuit and machine learning module. Machine learning module using the specific learning way supervises the network controlled object. The supervision results are transmitted to the control circuit for virtual control of a variety of learning behaviors. The development board receives the virtual control results， and screens out an optimal control strategy of the network controlled object. The machine learning module carries out stable control to the network controlled object after evaluation for the optimal control strategy. The experimental conclusions show that the controller can obtain the excellent response time while maintaining effective control to the network， has strong response ability， and can achieve the design goal well.

Keywords： machine learning； network stability controller； design method； virtual control

0 引 言

機(jī)器學(xué)習(xí)是一項(xiàng)交織了統(tǒng)計(jì)概率學(xué)、凹凸檢驗(yàn)、逼近理論等技術(shù)的人工智能項(xiàng)目，現(xiàn)被極其廣泛地應(yīng)用在分析與控制工作中，是人工智能的核心。網(wǎng)絡(luò)是當(dāng)今社會最為重要的信息傳遞媒介，也是輔助各行各業(yè)進(jìn)行設(shè)計(jì)、分析、識別等工作的工具[1?3]。網(wǎng)絡(luò)的穩(wěn)定是實(shí)現(xiàn)上述工作的基礎(chǔ)保障，將機(jī)器學(xué)習(xí)應(yīng)用于網(wǎng)絡(luò)穩(wěn)定控制器的設(shè)計(jì)中，通過實(shí)踐學(xué)習(xí)方式在維持穩(wěn)定控制器對網(wǎng)絡(luò)有效控制的同時(shí)，降低控制器的響應(yīng)時(shí)間，這也是科研組織當(dāng)前研究的新型科研項(xiàng)目[4?6]。

1 基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)穩(wěn)定控制器設(shè)計(jì)

1.1 控制器整體設(shè)計(jì)

基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)穩(wěn)定控制器主要由開發(fā)板、控制電路和機(jī)器學(xué)習(xí)模塊組成，還包括各種功能模塊，如傳感器模塊、計(jì)算機(jī)控制模塊、存儲模塊和傳輸模塊。其中，開發(fā)板、控制電路是控制器的硬件端，機(jī)器學(xué)習(xí)模塊是控制器的實(shí)現(xiàn)端。

整個(gè)控制器以實(shí)現(xiàn)端為核心，融合硬件端進(jìn)行輔助控制，實(shí)現(xiàn)縮減控制器響應(yīng)時(shí)間的設(shè)計(jì)目標(biāo)。圖1為控制器整體設(shè)計(jì)圖。

由圖1可知，機(jī)器學(xué)習(xí)模塊直接與網(wǎng)絡(luò)被控對象相接觸，利用特定的學(xué)習(xí)方式對網(wǎng)絡(luò)被控對象進(jìn)行監(jiān)督，傳感器模塊的作用是感應(yīng)網(wǎng)絡(luò)被控對象的各項(xiàng)參數(shù)，并將有用參數(shù)進(jìn)行模/數(shù)轉(zhuǎn)換，以供機(jī)器學(xué)習(xí)模塊使用。

1.2 控制電路設(shè)計(jì)

基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)穩(wěn)定控制器的控制電路是一個(gè)自適應(yīng)線性電路，能夠較為有效地避免控制器產(chǎn)生低頻率的震蕩效應(yīng)，對控制器響應(yīng)時(shí)間縮減的目標(biāo)有著過渡作用，其電路設(shè)計(jì)如圖2所示。

由圖2可知，換流器的作用是對機(jī)器學(xué)習(xí)模塊監(jiān)督結(jié)果的電壓進(jìn)行直流與交流的轉(zhuǎn)換，T1，T2代表換流器的外接變壓器，控制電路的輸出值與感應(yīng)網(wǎng)絡(luò)被控對象的電壓參數(shù)存在一定的線性關(guān)系。計(jì)算機(jī)控制模塊、開發(fā)板和機(jī)器學(xué)習(xí)模塊與控制電路的連接方式均為直接相連，這表示，基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)穩(wěn)定控制器的控制電路，在本質(zhì)上其實(shí)是一個(gè)被賦予了控制能力的串口通信電路。

1.3 開發(fā)板設(shè)計(jì)

基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)穩(wěn)定控制器選擇的開發(fā)板是具有四層結(jié)構(gòu)的Mini2440開發(fā)板，其擁有能耗低、實(shí)用性強(qiáng)、價(jià)格便宜等優(yōu)點(diǎn)，是一款我國國內(nèi)性價(jià)比最高的開發(fā)板。Mini2440開發(fā)板的設(shè)計(jì)結(jié)構(gòu)采用了高性能的哈佛結(jié)構(gòu)，并內(nèi)置了三星S3C2440微處理器。其布線方式采用等長布線，有效地保證了控制器的信號接收能力，可在一定程度上縮減控制器的響應(yīng)時(shí)間。Mini2440開發(fā)板的結(jié)構(gòu)圖如圖3所示。

由圖3可知，Mini2440開發(fā)板主要由液晶顯示屏、網(wǎng)口、JTAG接口和總線擴(kuò)展器組成，其工作電壓分為兩種，分別是1.8 V和3.3 V。微處理器的電平類型是TTL的，考慮到有可能出現(xiàn)RS 232類型的電平，故在需要時(shí)應(yīng)從串口處連接電平支持芯片。

2 基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)穩(wěn)定控制器軟件設(shè)計(jì)

2.1 機(jī)器學(xué)習(xí)模塊流程設(shè)計(jì)

在所設(shè)計(jì)的基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)穩(wěn)定控制器中，所需解決的重點(diǎn)設(shè)計(jì)內(nèi)容是：通過對網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行的有效解析，實(shí)現(xiàn)數(shù)據(jù)特性的深度挖掘，使控制器擁有自主學(xué)習(xí)能力，用于平衡網(wǎng)絡(luò)穩(wěn)定，獲取控制器優(yōu)異的響應(yīng)時(shí)間。在機(jī)器學(xué)習(xí)模塊中，機(jī)器學(xué)習(xí)方式有三種，分別是督促、無督促和半督促，其學(xué)習(xí)流程如圖4～圖6所示。

由圖4～圖6可知，機(jī)器學(xué)習(xí)的督促方式是針對網(wǎng)絡(luò)被控對象數(shù)據(jù)中的特性數(shù)據(jù)進(jìn)行數(shù)據(jù)集合模型訓(xùn)練和重構(gòu)的過程。重構(gòu)是指對網(wǎng)絡(luò)被控對象進(jìn)行監(jiān)督，其監(jiān)督工作經(jīng)由重構(gòu)器實(shí)現(xiàn)。重構(gòu)結(jié)果是通過對比網(wǎng)絡(luò)被控對象標(biāo)準(zhǔn)特性與實(shí)際特性得出的模型微調(diào)數(shù)據(jù)。通常，數(shù)據(jù)集合模型訓(xùn)練的次數(shù)越多，所獲得的重構(gòu)結(jié)果就越精確。

2.2 評價(jià)學(xué)習(xí)目標(biāo)函數(shù)

評價(jià)學(xué)習(xí)是機(jī)器學(xué)習(xí)中非常重要的計(jì)算過程，其較為注重機(jī)器學(xué)習(xí)環(huán)境對重構(gòu)結(jié)果的影響性，是對各類機(jī)器學(xué)習(xí)方式結(jié)果的優(yōu)化。評價(jià)學(xué)習(xí)可以以具體的行動手段將重構(gòu)結(jié)果調(diào)整到最優(yōu)狀態(tài)，縮減基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)穩(wěn)定控制器的控制誤差，進(jìn)而縮短其響應(yīng)時(shí)間。

假設(shè)機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)穩(wěn)定控制器在時(shí)間下的控制誤差為；代表誤差因素，；代表單相控制誤差；代表控制誤差的時(shí)間序列，則有：

（1）

在評價(jià)學(xué)習(xí)過程中，由于不用考慮網(wǎng)絡(luò)被控對象的歷史特性參數(shù)，故只需對網(wǎng)絡(luò)被控對象未來的狀態(tài)和行為進(jìn)行估計(jì)。設(shè)表示網(wǎng)絡(luò)被控對象數(shù)據(jù)中的狀態(tài)特性，是行為特性，是單相控制誤差評價(jià)函數(shù)，是狀態(tài)特性調(diào)整函數(shù)。若被控網(wǎng)絡(luò)對象始終處于穩(wěn)定的網(wǎng)絡(luò)狀態(tài)下，則其評價(jià)學(xué)習(xí)目標(biāo)函數(shù)可表示為：

（2）

若被控網(wǎng)絡(luò)對象所處網(wǎng)絡(luò)狀態(tài)經(jīng)常發(fā)生變化，應(yīng)先對被控網(wǎng)絡(luò)對象相鄰時(shí)間段的重構(gòu)結(jié)果做差，再用差值對評價(jià)學(xué)習(xí)目標(biāo)函數(shù)進(jìn)行更新，更新后的評價(jià)學(xué)習(xí)目標(biāo)函數(shù)用表示，則有：

（3）

式中，是網(wǎng)絡(luò)波動狀態(tài)下的學(xué)習(xí)因子，其值始終大于1。

3 實(shí)驗(yàn)分析

通過實(shí)驗(yàn)對本文所設(shè)計(jì)的基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)穩(wěn)定控制器的響應(yīng)時(shí)間進(jìn)行分析。選取的與本文控制器進(jìn)行實(shí)驗(yàn)對比的對象有3個(gè)，分別是基于神經(jīng)元的網(wǎng)絡(luò)穩(wěn)定控制器、基于模糊控制的網(wǎng)絡(luò)穩(wěn)定控制器和基于單片機(jī)的網(wǎng)絡(luò)穩(wěn)定控制器。實(shí)驗(yàn)先將4個(gè)控制器的控制水平調(diào)節(jié)至同一水準(zhǔn)，即給予4個(gè)控制器相同的控制時(shí)間和控制結(jié)果，在改變控制器傳輸功率的情況下進(jìn)行三組實(shí)驗(yàn)，并對4個(gè)控制器的響應(yīng)時(shí)間進(jìn)行統(tǒng)計(jì)。表1是控制器傳輸功率的實(shí)驗(yàn)限定值，圖7～圖9是三個(gè)實(shí)驗(yàn)中，4個(gè)控制器響應(yīng)時(shí)間對比曲線圖。

表1 控制器傳輸功率實(shí)驗(yàn)限定值

由圖7～圖9可知，控制器傳輸功率的絕對值越低，其傳輸功率波動就越小，響應(yīng)時(shí)間曲線穩(wěn)定的就越快，控制器的響應(yīng)時(shí)間便相應(yīng)減少。對于基于模糊控制的網(wǎng)絡(luò)穩(wěn)定控制器來說，其響應(yīng)時(shí)間曲線在4個(gè)控制器中穩(wěn)定的最慢，證明此控制器對網(wǎng)絡(luò)的響應(yīng)能力較弱，無法維持網(wǎng)絡(luò)穩(wěn)定。

對于基于神經(jīng)元的網(wǎng)絡(luò)穩(wěn)定控制器來說，其響應(yīng)時(shí)間要低于基于模糊控制的網(wǎng)絡(luò)穩(wěn)定控制器，但其響應(yīng)時(shí)間曲線的波動也最為明顯，證明其響應(yīng)能力遠(yuǎn)低于基于單片機(jī)的網(wǎng)絡(luò)穩(wěn)定控制器和本文控制器，無法獲取優(yōu)異的響應(yīng)時(shí)間?；趩纹瑱C(jī)的網(wǎng)絡(luò)穩(wěn)定控制器的響應(yīng)時(shí)間較短，且響應(yīng)時(shí)間曲線波動比較平穩(wěn)，但在實(shí)驗(yàn)3中500 kW的高功率下，其響應(yīng)能力要遠(yuǎn)低于較低功率下的響應(yīng)能力，證明此控制器的響應(yīng)時(shí)間并不穩(wěn)定。本文控制器在三組實(shí)驗(yàn)下的響應(yīng)時(shí)間曲線均非常平穩(wěn)，且響應(yīng)時(shí)間曲線穩(wěn)定得最快，證明本文控制器能夠在維持對網(wǎng)絡(luò)有效控制的同時(shí)，獲取優(yōu)異的響應(yīng)時(shí)間，響應(yīng)能力較強(qiáng)。

4 結(jié) 論

本文提出基于機(jī)器學(xué)習(xí)設(shè)計(jì)網(wǎng)絡(luò)穩(wěn)定控制器的設(shè)計(jì)方法。所設(shè)計(jì)的控制器主要由開發(fā)板、控制電路和機(jī)器學(xué)習(xí)模塊組成。機(jī)器學(xué)習(xí)模塊利用特定的學(xué)習(xí)方式對網(wǎng)絡(luò)被控對象進(jìn)行監(jiān)督，監(jiān)督結(jié)果將被傳送到控制電路進(jìn)行多種學(xué)習(xí)行為的虛擬控制。開發(fā)板對虛擬控制結(jié)果進(jìn)行接收，篩選出對網(wǎng)絡(luò)被控對象的最優(yōu)控制策略。機(jī)器學(xué)習(xí)模塊對最優(yōu)控制策略進(jìn)行評價(jià)后，向網(wǎng)絡(luò)被控對象實(shí)施穩(wěn)定控制。系統(tǒng)給出機(jī)器學(xué)習(xí)模塊的工作流程，對最優(yōu)控制策略的評價(jià)由基于機(jī)器學(xué)習(xí)的評價(jià)學(xué)習(xí)目標(biāo)函數(shù)實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)論證明，所設(shè)計(jì)的控制器在維持對網(wǎng)絡(luò)有效控制的同時(shí)，獲取優(yōu)異的響應(yīng)時(shí)間，響應(yīng)能力較強(qiáng)，可較好地對設(shè)計(jì)目標(biāo)進(jìn)行實(shí)現(xiàn)。

參考文獻(xiàn)

[1] 楊明極，祝慶峰，李碩.基于STM32的嵌入式網(wǎng)絡(luò)控制器設(shè)計(jì)[J].測控技術(shù)，2014，33（10）：93?96.

[2] 張鵬，宮占霞.網(wǎng)絡(luò)控制系統(tǒng)H∞指數(shù)穩(wěn)定容錯(cuò)控制器的設(shè)計(jì)[J].計(jì)算機(jī)測量與控制，2016，24（2）：88?90.

[3] 朱其新，盧開紅，朱永紅，等.具有馬爾科夫分布時(shí)延網(wǎng)絡(luò)控制系統(tǒng)的保性能控制器設(shè)計(jì)[J].航天控制，2014，32（4）：3?7.

[4] 王建華.具有伯努利分布丟包網(wǎng)絡(luò)控制系統(tǒng)的保性能控制器設(shè)計(jì)[J].航天控制，2015，33（1）：10?14.

[5] 毛為民.復(fù)雜電力網(wǎng)絡(luò)的魯棒性控制研究[J].計(jì)算機(jī)工程，2014，40（4）：291?294.

[6] 張亞明，高曉丁.基于PID控制技術(shù)的供水網(wǎng)控制系統(tǒng)設(shè)計(jì)[J].西安工程大學(xué)學(xué)報(bào)，2015，29（5）：578?582.

[7] 張偉，喬俊飛，李凡軍.溶解氧濃度的直接自適應(yīng)動態(tài)神經(jīng)網(wǎng)絡(luò)控制方法[J].控制理論與應(yīng)用，2015，32（1）：115?121.

[8] 宋清昆，李東威.二級倒立擺控制器設(shè)計(jì)及穩(wěn)定性研究[J].計(jì)算機(jī)仿真，2015，32（4）：305?309.

[9] 王涌，張燕燕.具有時(shí)延和丟包的網(wǎng)絡(luò)控制系統(tǒng)穩(wěn)定性分析[J].計(jì)算機(jī)工程，2015，41（10）：111?116.

[10] 王影.基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的AUVs路徑跟蹤控制[J].測控技術(shù)，2015，34（4）：89?90.

[11] 龔偉志，徐建宏，劉增良.大數(shù)據(jù)環(huán)境下網(wǎng)絡(luò)穩(wěn)定性測試模型研究[J].現(xiàn)代電子技術(shù)，2015，38（6）：1?3.