王亞軍

(華北計(jì)算技術(shù)研究所，北京 100083)

0 引言

無(wú)線傳感器網(wǎng)絡(luò)工作效率和無(wú)線通信穩(wěn)定性[1]一直是制約無(wú)線應(yīng)用推廣的重要因素，因此，一系列研究試圖通過(guò)網(wǎng)絡(luò)化系統(tǒng)[2]解決上述問(wèn)題。但是，改善無(wú)線終端與服務(wù)器的智能化控制水平[3]成為關(guān)鍵?；诰W(wǎng)絡(luò)化平臺(tái)[4]，如何將終端智能化與數(shù)據(jù)傳輸網(wǎng)絡(luò)化有機(jī)融合，成為重要的研究對(duì)象。

文獻(xiàn)[5]設(shè)計(jì)了一種基于蓄能器的二級(jí)怠速控制系統(tǒng)，用于滿足工程機(jī)械節(jié)能需求，優(yōu)化挖掘機(jī)工況，從而確保取消怠速恢復(fù)工作時(shí)執(zhí)行器入口能夠快速建立壓力目標(biāo)；文獻(xiàn)[6]基于智能網(wǎng)絡(luò)芯片與對(duì)象識(shí)別處理器的設(shè)計(jì)了一種在線強(qiáng)化學(xué)習(xí)便攜式高清處理器；文獻(xiàn)[7]通過(guò)分布式網(wǎng)絡(luò)化測(cè)量方法提高諧波故障源定位的在線辨識(shí)精度。

在上述研究成果基礎(chǔ)上，結(jié)合多參數(shù)協(xié)作控制與驅(qū)動(dòng)，設(shè)計(jì)了智能網(wǎng)絡(luò)化系統(tǒng)。

1 多參數(shù)協(xié)作驅(qū)動(dòng)算法

一個(gè)網(wǎng)絡(luò)控制系統(tǒng)由數(shù)據(jù)采集、線性化處理、參數(shù)庫(kù)、驅(qū)動(dòng)模塊、存儲(chǔ)與管理等模塊組成，結(jié)構(gòu)如圖1所示。該系統(tǒng)工作流程描述如下：

1)網(wǎng)絡(luò)采集系列數(shù)據(jù)，組成數(shù)據(jù)流D。該數(shù)據(jù)流的合成適用于單輸入單輸出、單輸入多輸出、多輸入單輸出和多輸入多輸出系統(tǒng)，不同的輸入與輸出端口的轉(zhuǎn)換與數(shù)據(jù)歸一化處理，詳見(jiàn)公式(1)：

(1)

式中，m表示輸入端口數(shù)，n表示輸出端口數(shù)。函數(shù)f(x)用戶(hù)計(jì)算網(wǎng)絡(luò)中傳輸?shù)男盘?hào)。f(x0)表示網(wǎng)絡(luò)初始狀態(tài)下的信號(hào)。

2)參數(shù)庫(kù)中存儲(chǔ)多個(gè)網(wǎng)絡(luò)管理參數(shù)，構(gòu)成參數(shù)向量，形如p1∈P1,…,pmin{m,n}∈Pmin{m,n}。其中，參數(shù)向量的個(gè)數(shù)由m與n的最小值決定，這樣可以有效地避免無(wú)效參數(shù)的產(chǎn)生。

3)驅(qū)動(dòng)模塊，訪問(wèn)參數(shù)庫(kù)，并經(jīng)第(1)步得到m與n后，確定第(2)步中的參數(shù)向量規(guī)模，參照公式(2)在參數(shù)之間建立協(xié)作關(guān)系。

(2)

式中，yC(x)表示參數(shù)協(xié)作處理后的網(wǎng)絡(luò)信號(hào)。

(3)

式中，Pi(x)表示多參數(shù)協(xié)作矩陣，pj(xi)表示單個(gè)數(shù)據(jù)流的參數(shù)驅(qū)動(dòng)向量。

(4)

5)網(wǎng)絡(luò)化管理模塊對(duì)線性處理后的網(wǎng)絡(luò)信號(hào)再次實(shí)施協(xié)作驅(qū)動(dòng)，由式5)得到網(wǎng)絡(luò)存儲(chǔ)的實(shí)例對(duì)象，包括網(wǎng)絡(luò)數(shù)據(jù)y和相應(yīng)多參數(shù)向量pm。

(5)

圖1 網(wǎng)絡(luò)控制系統(tǒng)構(gòu)成

圖2 多參數(shù)協(xié)作驅(qū)動(dòng)映射關(guān)系

2 控制系統(tǒng)設(shè)計(jì)

2.1 系統(tǒng)結(jié)構(gòu)及原理

將上節(jié)設(shè)計(jì)的多參數(shù)協(xié)作驅(qū)動(dòng)算法應(yīng)用于智能網(wǎng)絡(luò)化控制系統(tǒng)，硬件平臺(tái)以網(wǎng)絡(luò)數(shù)字信號(hào)處理為主。這樣的硬件平臺(tái)所支持的數(shù)據(jù)庫(kù)和軟件平臺(tái)實(shí)現(xiàn)語(yǔ)言具有更好的交互性和拓展性。該系統(tǒng)基于無(wú)線傳感器構(gòu)建的網(wǎng)絡(luò)平臺(tái)，信號(hào)交互方面采用C#語(yǔ)言實(shí)現(xiàn)，控制算法實(shí)現(xiàn)由Java語(yǔ)言實(shí)現(xiàn)，智能網(wǎng)絡(luò)化控制應(yīng)用由Android語(yǔ)言實(shí)現(xiàn)。該系統(tǒng)的軟件既可以部署在計(jì)算機(jī)也可以部署在移動(dòng)終端上。

該系統(tǒng)由核心控制部分和中繼協(xié)作部分組成結(jié)構(gòu)如圖3所示。其中，核心控制子系統(tǒng)部署于服務(wù)器，作為智能網(wǎng)絡(luò)平臺(tái)的核心；中繼協(xié)作子系統(tǒng)部署在中繼終端。兩個(gè)子系統(tǒng)之間基于多參數(shù)協(xié)作驅(qū)動(dòng)算法實(shí)現(xiàn)實(shí)時(shí)交互性。中繼協(xié)作子系統(tǒng)以網(wǎng)絡(luò)化控制和信號(hào)傳輸為主，為核心控制子系統(tǒng)提供可靠的參數(shù)。圖3中，圓角矩形表示核心控制子系統(tǒng)，包括信號(hào)序列、線性化處理、參數(shù)庫(kù)、數(shù)據(jù)庫(kù)、控制和網(wǎng)絡(luò)化交互等部分。橢圓虛線內(nèi)部表示由若干個(gè)中繼協(xié)作終端組成的中繼協(xié)作子系統(tǒng)，每個(gè)終端與核心控制子系統(tǒng)建立獨(dú)立的點(diǎn)到點(diǎn)鏈接。

如圖3所示，核心控制子系統(tǒng)的主要事務(wù)功能是參數(shù)檢索與更新。參數(shù)檢索功能被網(wǎng)絡(luò)化需求事例所激活。該事例信號(hào)經(jīng)過(guò)線性化處理成為數(shù)據(jù)庫(kù)存儲(chǔ)與控制對(duì)象。根據(jù)線性化處理規(guī)則，在信號(hào)強(qiáng)度與線性化權(quán)重之間進(jìn)行融合處理，從數(shù)據(jù)庫(kù)中尋找信號(hào)與網(wǎng)絡(luò)化需求事例一致性最佳的參數(shù)序列，并按照網(wǎng)絡(luò)化控制需求對(duì)參數(shù)序列進(jìn)行歸一化處理。

其中，數(shù)據(jù)檢索與參數(shù)庫(kù)查詢(xún)的主要目的是線性化處理與參數(shù)序列歸一化的映射度量。合理的映射度量有助于高效、精確地與網(wǎng)絡(luò)化控制事例的建立實(shí)時(shí)交互。核心控制子系統(tǒng)的數(shù)據(jù)庫(kù)與參數(shù)庫(kù)的映射度量采用了基于信號(hào)強(qiáng)度和參數(shù)序列歸一化相結(jié)合的方法。

該控制系統(tǒng)的信號(hào)管理采用了自適應(yīng)信號(hào)輸入輸出端口的交互方法。該方法，通過(guò)自適應(yīng)調(diào)度智能網(wǎng)絡(luò)控制所需要的輸入信號(hào)序列和強(qiáng)度，結(jié)合數(shù)據(jù)庫(kù)與參數(shù)庫(kù)的查詢(xún)效率和一致性映射強(qiáng)度，實(shí)時(shí)求解網(wǎng)絡(luò)化控制系統(tǒng)所需要的設(shè)計(jì)參數(shù)和參數(shù)序列?；诰W(wǎng)絡(luò)化控制事例的需求，在參數(shù)庫(kù)中定義對(duì)應(yīng)的多參數(shù)驅(qū)動(dòng)列表，并建立最佳控制主鍵和參數(shù)排序方案?？刂颇K將核心控制子系統(tǒng)的網(wǎng)絡(luò)化交互參數(shù)結(jié)構(gòu)輸出到控制系統(tǒng)。中繼協(xié)作控制子系統(tǒng)獲取網(wǎng)絡(luò)化交互結(jié)構(gòu)后，分發(fā)給每個(gè)中繼協(xié)作終端。如果網(wǎng)絡(luò)化控制效果達(dá)到需求，則將滿意結(jié)果標(biāo)記反饋給核心控制子系統(tǒng)，并確定參數(shù)庫(kù)數(shù)據(jù)；如果無(wú)法滿足需求，再次進(jìn)入?yún)?shù)庫(kù)，更新對(duì)應(yīng)參數(shù)序列和參數(shù)庫(kù)結(jié)構(gòu)。依次進(jìn)行上述循環(huán)，直至達(dá)到網(wǎng)絡(luò)化控制事例需求。

網(wǎng)絡(luò)化交互模塊成為該系統(tǒng)中的核心控制子系統(tǒng)和中繼協(xié)作子系統(tǒng)與應(yīng)用需求之間的主要接口。該接口為整個(gè)系統(tǒng)的架構(gòu)調(diào)整和更新提供驅(qū)動(dòng)，并且該交互模塊與外界應(yīng)用保持實(shí)時(shí)連接，網(wǎng)絡(luò)化控制事例在具體實(shí)施過(guò)程中，如果發(fā)現(xiàn)應(yīng)用執(zhí)行效率下降或遇到未知干擾，應(yīng)用事例直接通過(guò)交互接口與該系統(tǒng)建立通信，核心控制子系統(tǒng)和中繼協(xié)作子系統(tǒng)及時(shí)被激活，并轉(zhuǎn)入網(wǎng)絡(luò)化控制進(jìn)程。為了滿足各類(lèi)網(wǎng)絡(luò)化控制應(yīng)用事例，該系統(tǒng)的數(shù)據(jù)庫(kù)和參數(shù)庫(kù)結(jié)構(gòu)采用動(dòng)態(tài)布局。

2.2 系統(tǒng)實(shí)現(xiàn)

圖4表示圖3中的參數(shù)庫(kù)詳細(xì)闡述。其中，以數(shù)據(jù)庫(kù)的信號(hào)序列為參照，建立參數(shù)庫(kù)，以公式(3)求得的p序列為存儲(chǔ)對(duì)象。核心控制子系統(tǒng)通過(guò)中繼協(xié)作子系統(tǒng)實(shí)時(shí)更新參數(shù)庫(kù)，以便保證多參數(shù)協(xié)作驅(qū)動(dòng)的實(shí)時(shí)性和可靠性。參數(shù)庫(kù)更新流程描述如下：

第1步：獲取數(shù)據(jù)庫(kù)和參數(shù)庫(kù)在服務(wù)器端的存放路徑；

第2步：從數(shù)據(jù)庫(kù)讀取數(shù)據(jù)表，以數(shù)據(jù)表文件為元素組成數(shù)組；

第3步：循環(huán)訪問(wèn)數(shù)組，從數(shù)據(jù)表文件中獲取網(wǎng)絡(luò)傳輸信號(hào)；

第4步：根據(jù)多獲取的信號(hào)求出參數(shù)；

第5步：根據(jù)公式(3)對(duì)所求出的參數(shù)進(jìn)行排序；

第6步：選出m與n中的最小值賦值給變量k；

第7步：進(jìn)行k次循環(huán)，每次循環(huán)按照公式(5)求解響應(yīng)多參數(shù)值，并存入?yún)?shù)庫(kù)；

第8步：按照公式(5)求出信號(hào)，并求和；

第9步：返回參數(shù)庫(kù)指針P和信號(hào)和s。

上述算法中，P向量通過(guò)k次循環(huán)求得p組成的向量，s表示網(wǎng)絡(luò)化控制系統(tǒng)傳遞的網(wǎng)絡(luò)信號(hào)。

圖4 智能網(wǎng)絡(luò)化系統(tǒng)參數(shù)庫(kù)

圖5 智能網(wǎng)絡(luò)化系統(tǒng)外部應(yīng)用接口

圖5給出了智能網(wǎng)絡(luò)化控制系統(tǒng)與外部硬件平臺(tái)、軟件平臺(tái)、信號(hào)源和服務(wù)對(duì)象的各類(lèi)接口。該系統(tǒng)的執(zhí)行流程INSwithMPCD的執(zhí)行步驟描述如下：

輸入：公共對(duì)象DObject；

公共區(qū)域：

1)多參數(shù)協(xié)作驅(qū)動(dòng)算法清空參數(shù)庫(kù)；

2)實(shí)時(shí)獲取參數(shù)函數(shù)；

3)智能網(wǎng)絡(luò)化系統(tǒng)構(gòu)造函數(shù)；

4)獲取智能網(wǎng)絡(luò)化系統(tǒng)實(shí)例函數(shù)；

5)聲明硬件平臺(tái)及其接口實(shí)例；

私有區(qū)域：

1)初始化硬件集；

2)初始化軟件集；

3)聲明軟件平臺(tái)接口并激活開(kāi)發(fā)接口實(shí)例；

4)聲明信號(hào)源接口實(shí)例；

5)獲取網(wǎng)絡(luò)化服務(wù)對(duì)象；

6)提供或反饋服務(wù)決策數(shù)據(jù)；

循環(huán)結(jié)構(gòu)：

1)循環(huán)更新信號(hào)數(shù)據(jù)庫(kù)；

2)循環(huán)更新參數(shù)庫(kù)；

3)循環(huán)多參數(shù)協(xié)作控制。

3 系統(tǒng)性能驗(yàn)證

為了驗(yàn)證本文所設(shè)計(jì)的智能網(wǎng)絡(luò)化系統(tǒng)的工作效率和數(shù)據(jù)精度，設(shè)計(jì)了一組實(shí)驗(yàn)，原系統(tǒng)運(yùn)行統(tǒng)計(jì)數(shù)據(jù)與所設(shè)計(jì)系統(tǒng)記為INSwithMPCD的性能進(jìn)行對(duì)比。采用VC++6.0實(shí)現(xiàn)圖5中的硬件接口與服務(wù)接口，部署在2臺(tái)服務(wù)器上，使用C#實(shí)現(xiàn)信號(hào)交互接口，為傳感器節(jié)點(diǎn)、匯聚節(jié)點(diǎn)和服務(wù)器之間的通信建立無(wú)線連接服務(wù)。采用Android和Java技術(shù)開(kāi)發(fā)適用于中繼節(jié)點(diǎn)的協(xié)作控制應(yīng)用，包括參數(shù)庫(kù)更新流程偽代碼，參數(shù)庫(kù)和數(shù)據(jù)庫(kù)均采用SQLite部署，并位于匯聚節(jié)點(diǎn)和服務(wù)器端。無(wú)線傳感器網(wǎng)絡(luò)組成按照?qǐng)D1部署，并按照?qǐng)D5所示接口建立外圍連接，服務(wù)應(yīng)用為提供溫度數(shù)據(jù)。此外，無(wú)線傳感器網(wǎng)絡(luò)平臺(tái)參數(shù)詳見(jiàn)表1。

表1 實(shí)驗(yàn)環(huán)境

圖6給出了所設(shè)計(jì)的智能網(wǎng)絡(luò)化系統(tǒng)的執(zhí)行效率隨著實(shí)驗(yàn)時(shí)間的變化情況，同時(shí)與原系統(tǒng)進(jìn)行了對(duì)比。圖7 給出了原系統(tǒng)轉(zhuǎn)發(fā)的數(shù)據(jù)、INSwithMPCD轉(zhuǎn)的數(shù)據(jù)與實(shí)際發(fā)送數(shù)據(jù)的誤差對(duì)比情況。因?yàn)镮NSwithMPCD系統(tǒng)采用了多參數(shù)協(xié)作驅(qū)動(dòng)，且基于網(wǎng)絡(luò)化控制，從而具有較高的執(zhí)行效率和數(shù)據(jù)精度。

圖6 系統(tǒng)執(zhí)行效率

4 結(jié)束語(yǔ)

無(wú)線數(shù)據(jù)傳輸效率和數(shù)據(jù)精度成為制約網(wǎng)絡(luò)控制性能的關(guān)鍵因素，為了解決上述問(wèn)題，本文設(shè)計(jì)一種基于多參數(shù)協(xié)作驅(qū)

圖7 數(shù)據(jù)精度

動(dòng)的智能網(wǎng)絡(luò)化系統(tǒng)。一方面，網(wǎng)絡(luò)控制系統(tǒng)架構(gòu)分為數(shù)據(jù)采集、線性化處理、參數(shù)庫(kù)、驅(qū)動(dòng)模塊、存儲(chǔ)與管理等模塊，基于多參數(shù)協(xié)作驅(qū)動(dòng)并實(shí)時(shí)更新參數(shù)庫(kù)與網(wǎng)絡(luò)信號(hào)。另一方面，將網(wǎng)絡(luò)系統(tǒng)分為核心控制子系統(tǒng)和中繼協(xié)作子系統(tǒng)，構(gòu)建智能網(wǎng)絡(luò)化系統(tǒng)。其中，服務(wù)器部署核心控制子系統(tǒng)，是智能網(wǎng)絡(luò)化系統(tǒng)的核心；中繼終端部署中繼協(xié)作子系統(tǒng)。子系統(tǒng)之間通過(guò)多參數(shù)協(xié)作驅(qū)動(dòng)算法進(jìn)行實(shí)時(shí)交互。最后，實(shí)驗(yàn)結(jié)果證明，所設(shè)計(jì)系統(tǒng)具有高執(zhí)行效率和高數(shù)據(jù)精度等優(yōu)秀表現(xiàn)。

[1] Schmicker M, Schwefel M, Vellage A K, et al. Training of Attentional Filtering, but not of memory storage, enhances working memory efficiency by strengthening the neuronal gatekeeper Network[J]. Journal of Cognitive Neuroscience, 2016, 28(4):636-642.

[2] Zhang Y, Tao G, Chen M. Adaptive neural network based control of noncanonical nonlinear systems[J]. IEEE Transactions on Neural Networks & Learning Systems, 2016, 27(9):1864-1877.

[3] Wang H, Sun W, Liu P X. Adaptive intelligent control of nonaffine nonlinear time-delay systems with dynamic uncertainties[J]. IEEE Transactions on Systems Man & Cybernetics Systems, 2016, 8(3):927-937.

[4] Taslidere E, Cohen F S, Reisman F K. Wireless sensor networks—a hands-on modular experiments platform for enhanced pedagogical learning[J]. IEEE Transactions on Education, 2011, 54(1):24-33.

[5] 任好玲, 林添良, 黃偉平,等. 純電驅(qū)動(dòng)工程機(jī)械自動(dòng)怠速系統(tǒng)參數(shù)優(yōu)化與試驗(yàn)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2016, 47(10):358-364.

[6] Park J, Hong I, Kim G, et al. Intelligent network-on-chip with online reinforcement learning for portable HD object recognition processor[J]. IEEE Transactions on Circuits & Systems I Regular Papers, 2014, 61(2):476-484.

[7] 劉佑達(dá), 王 雪, 崔粟晉,等. 基于分布式傳感網(wǎng)絡(luò)的在線智能用電諧波源定位[J]. 儀器儀表學(xué)報(bào), 2017, 38(1):1-7.