吳姍姍

（安徽新華學(xué)院，安徽合肥，230088）

0 引言

煤炭工業(yè)發(fā)展迅速，煤炭生產(chǎn)過(guò)程中面臨著井下環(huán)境復(fù)雜，開(kāi)采及運(yùn)輸困難等難題。因此，保證井下作業(yè)安全變得尤為重要。無(wú)極繩絞車作為煤礦輔助運(yùn)輸?shù)闹匾绞街?，其承?dān)著運(yùn)送物料和設(shè)備至采煤面的重要任務(wù)。無(wú)極繩絞車的安全和穩(wěn)定行駛是保證煤炭生產(chǎn)順利進(jìn)行的前提條件。傳統(tǒng)無(wú)極繩絞車控制系統(tǒng)雖然能夠?qū)崟r(shí)監(jiān)測(cè)無(wú)極繩絞車的運(yùn)行情況，但是對(duì)位置參數(shù)的采樣數(shù)據(jù)處理不準(zhǔn)確，造成監(jiān)測(cè)的誤差，影響絞車的安全運(yùn)行。人工魚(yú)群算法是通過(guò)模擬魚(yú)在水中的各種行為特點(diǎn)而提出的一種算法，其具有操作簡(jiǎn)單，容易實(shí)現(xiàn)的特點(diǎn)。由于人工魚(yú)群算法存在尋優(yōu)精度低等缺點(diǎn)，因此本文提出引入改進(jìn)人工魚(yú)群算法，利用該算法對(duì)無(wú)極繩絞車控制系統(tǒng)中的位置參數(shù)進(jìn)行優(yōu)化。實(shí)驗(yàn)證明，經(jīng)過(guò)優(yōu)化后的參數(shù)更精確，系統(tǒng)的安全性和穩(wěn)定性更好，在很大程度上保證了煤炭生產(chǎn)的安全。

1 無(wú)極繩絞車控制系統(tǒng)的組成

無(wú)極繩絞車控制系統(tǒng)是由電動(dòng)機(jī)，檢測(cè)模塊，控制模塊，顯示模塊、報(bào)警模塊以及保護(hù)模塊等組成。系統(tǒng)通過(guò)檢測(cè)模塊實(shí)時(shí)檢測(cè)無(wú)極繩絞車的運(yùn)行速度，將采樣的數(shù)據(jù)送入控制模塊中。PLC作為控制模塊的核心部分，將采樣的數(shù)據(jù)進(jìn)行分析處理，最終的處理結(jié)果由顯示模塊和報(bào)警模塊輸出。保護(hù)模塊保護(hù)控制系統(tǒng)電路的安全。系統(tǒng)組成框圖如圖1所示。

圖1 無(wú)極繩絞車控制系統(tǒng)框圖

2 改進(jìn)人工魚(yú)群算法

人工魚(yú)群算法是模擬魚(yú)在水中的一系列行為而提出的。魚(yú)在水中生存，會(huì)跟隨伙伴尋找食物，食物多的水域魚(yú)的數(shù)量也會(huì)多。根據(jù)此特點(diǎn)，人工魚(yú)群算法提出通過(guò)模擬魚(yú)在水中覓食、聚群、追尾和隨機(jī)行為來(lái)尋找最優(yōu)解。但是人工魚(yú)群算法存在尋優(yōu)結(jié)果精度低和運(yùn)算速度慢等缺點(diǎn)，因此本文提出一種改進(jìn)的人工魚(yú)群算法。該算法能夠克服人工魚(yú)群算法存在的問(wèn)題，實(shí)現(xiàn)尋優(yōu)。

■2.1 算法簡(jiǎn)介

改進(jìn)人工魚(yú)群算法(Attack Artificial Fish Swarm Algorithm, AAFSA)是指在人工魚(yú)原有的覓食，隨機(jī)，追尾和聚群行為中加入攻擊行為。魚(yú)在水中生存時(shí)，尤其在水中食物少的時(shí)候會(huì)因?yàn)闋?zhēng)奪食物而發(fā)生攻擊其他魚(yú)的行為。此算法的核心思想就是本著遵循自然魚(yú)群行為原則，適當(dāng)增加聚的能力，同時(shí)增加隨機(jī)行為，有利于跳出局部最優(yōu)，實(shí)現(xiàn)全局尋優(yōu)。

N為人工魚(yú)的總數(shù)，人工魚(yú)個(gè)體的狀態(tài)為X= (x1,x2,… ,xn)，步長(zhǎng)為Step，視野為Visual，嘗試次數(shù)為Try_numberTty_number，擁擠度因子為δ，人工魚(yú)個(gè)體i，j之間的距離為dij=‖X i?Xj‖。

（1）覓食行為

Xi記為人工魚(yú)i當(dāng)前狀態(tài)，在其視野范圍內(nèi)隨機(jī)選取一個(gè)狀態(tài)記為Xj，假設(shè)求取極大值，則Yi>Yj（假設(shè)求極小值為Yi

（2）聚群行為

Xi記為人工魚(yú)i當(dāng)前狀態(tài)，此探索領(lǐng)域內(nèi)(dijδYi，即伙伴中心處的食物豐富而且人工魚(yú)的數(shù)目不多，則朝伙伴的中心位置方向前進(jìn)一步；否則執(zhí)行覓食行為。

（3）追尾行為

Xi記為人工魚(yú)i當(dāng)前狀態(tài)，Yj為當(dāng)前搜索鄰域內(nèi)(dijδYi，即伙伴Xj的狀態(tài)有食物豐富而且人工魚(yú)的數(shù)目不多，則朝Xj方向前進(jìn)一步；否則執(zhí)行覓食行為。

（4）攻擊行為

設(shè)Xi為人工魚(yú)i當(dāng)前狀態(tài)，Yj為在當(dāng)前搜索鄰域內(nèi)(dij

（5）隨機(jī)行為

就是在人工魚(yú)的視野范圍內(nèi)隨機(jī)選取一個(gè)狀態(tài)后，朝該方向移動(dòng)的行為。該行為簡(jiǎn)單易實(shí)現(xiàn)。

（6）公告板

用來(lái)記錄最優(yōu)人工魚(yú)的狀態(tài)。人工魚(yú)經(jīng)過(guò)一系列行為后會(huì)將最優(yōu)的狀態(tài)信息記錄在公告板上，即公告板記錄是人工魚(yú)的狀態(tài)信息。

■2.2 算法流程圖

AAFSA流程圖如圖2所示，首先初始化設(shè)置人工魚(yú)群的各項(xiàng)參數(shù)，包括人工魚(yú)的總數(shù)，人工魚(yú)個(gè)體的狀態(tài)，步長(zhǎng)，視野，嘗試次數(shù)，擁擠度因子等。計(jì)算每個(gè)人工魚(yú)狀態(tài)的食物濃度并將食物濃度最大的人工魚(yú)的狀態(tài)記錄到公告板中。根據(jù)每個(gè)人工魚(yú)的各個(gè)行為狀態(tài)選擇最優(yōu)的行為作為最終的行為來(lái)執(zhí)行，若符合追尾行為條件則執(zhí)行追尾行為，否則判斷是否符合聚群行為條件；若滿足聚群行為條件則執(zhí)行聚群行為，否則判斷是否滿足攻擊行為條件；若滿足攻擊行為條件則執(zhí)行攻擊行為，否則判斷是否滿足覓食行為條件；若滿足覓食行為條件則執(zhí)行覓食行為，否則執(zhí)行隨機(jī)行為。將最優(yōu)行為記錄并更新公告板。若滿足終止條件，即到達(dá)最大迭代次數(shù)時(shí)則停止運(yùn)算輸出結(jié)果，此結(jié)果為最優(yōu)值。若不滿足終止條件，則重新判斷人工魚(yú)選擇執(zhí)行的行為。

圖2 AAFSA流程圖

3 系統(tǒng)參數(shù)的優(yōu)化

選取高維多峰函數(shù)F1，分別使用人工魚(yú)群算法和改進(jìn)人工魚(yú)群算法對(duì)其進(jìn)行參數(shù)優(yōu)化測(cè)試，初始狀態(tài)下兩種算法的人工魚(yú)位置分布相同。如圖3所示。

圖3 人工魚(yú)的初始位置

圖4 和圖5分別表示人工魚(yú)群算法和改進(jìn)人工魚(yú)群算法最后人工魚(yú)的分布情況。圖4中人工魚(yú)分布較為分散，而圖5中的人工魚(yú)分布相對(duì)集中。通過(guò)對(duì)人工魚(yú)最后分布情況的觀察，引入攻擊行為的人工魚(yú)群算法的到達(dá)最優(yōu)值的區(qū)域的人工魚(yú)數(shù)量明顯多于人工魚(yú)群算法。

圖4 AFSA人工魚(yú)的最后分布

圖5 AAFSA人工魚(yú)的最后分布

選取另一個(gè)高維多峰函數(shù)F2，分別利用兩種算法對(duì)F1和F2函數(shù)進(jìn)行優(yōu)化并分析收斂曲線。從收斂曲線對(duì)比中可以發(fā)現(xiàn)，具有攻擊行為的人工魚(yú)群算法在后期的收斂速度和精度都得到了加強(qiáng)。圖6和圖7是兩種算法分別對(duì)F1和F2函數(shù)優(yōu)化的收斂曲線比較。

圖6 AFSA和AAFSA收斂曲線比較（F1）

圖7 AFSA和AAFSA收斂曲線比較（F2）

通過(guò)實(shí)驗(yàn)仿真可以發(fā)現(xiàn)，具有攻擊行為的人工魚(yú)群算法在性能方面明顯優(yōu)于人工魚(yú)群算法。在引入了攻擊行為后，改進(jìn)人工魚(yú)群算法的執(zhí)行時(shí)間明顯縮短。因此利用改進(jìn)人工魚(yú)群算法對(duì)無(wú)極繩絞車控制系統(tǒng)參數(shù)進(jìn)行優(yōu)化，可以提高采樣數(shù)據(jù)的精度，提高系統(tǒng)的可靠性和安全性。

4 結(jié)語(yǔ)

本文提出利用具有攻擊行為的人工魚(yú)群算法對(duì)位置參數(shù)進(jìn)行優(yōu)化，解決了人工魚(yú)群算法尋優(yōu)存在問(wèn)題。選取不同的高維多峰函數(shù)，分別使用人工魚(yú)群算法和改進(jìn)人工魚(yú)群算法對(duì)其進(jìn)行測(cè)試。通過(guò)實(shí)驗(yàn)對(duì)比發(fā)現(xiàn)，優(yōu)化后的參數(shù)精度明顯增大，系統(tǒng)的穩(wěn)定性及抗干擾能力增強(qiáng)。將具有攻擊行為的人工魚(yú)群算法應(yīng)用到無(wú)極繩絞車控制系統(tǒng)，系統(tǒng)的參數(shù)得到優(yōu)化，提高參數(shù)的精度，能夠有效地保證無(wú)極繩絞車井下工作的安全，對(duì)煤炭安全生產(chǎn)起到舉足輕重的作用，增強(qiáng)了該控制系統(tǒng)在市場(chǎng)的競(jìng)爭(zhēng)力。