基于多參數(shù)協(xié)作驅(qū)動的智能網(wǎng)絡(luò)化系統(tǒng)設(shè)計應(yīng)用

王亞軍

(華北計算技術(shù)研究所，北京 100083)

0 引言

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

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

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，設(shè)計了智能網(wǎng)絡(luò)化系統(tǒng)。

1 多參數(shù)協(xié)作驅(qū)動算法

一個網(wǎng)絡(luò)控制系統(tǒng)由數(shù)據(jù)采集、線性化處理、參數(shù)庫、驅(qū)動模塊、存儲與管理等模塊組成，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)用戶計算網(wǎng)絡(luò)中傳輸?shù)男盘枴(x0)表示網(wǎng)絡(luò)初始狀態(tài)下的信號。

2)參數(shù)庫中存儲多個網(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)向量的個數(shù)由m與n的最小值決定，這樣可以有效地避免無效參數(shù)的產(chǎn)生。

3)驅(qū)動模塊，訪問參數(shù)庫，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。

(3)

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

(4)

5)網(wǎng)絡(luò)化管理模塊對線性處理后的網(wǎng)絡(luò)信號再次實施協(xié)作驅(qū)動，由式5)得到網(wǎng)絡(luò)存儲的實例對象，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)動映射關(guān)系

2 控制系統(tǒng)設(shè)計

2.1 系統(tǒng)結(jié)構(gòu)及原理

將上節(jié)設(shè)計的多參數(shù)協(xié)作驅(qū)動算法應(yīng)用于智能網(wǎng)絡(luò)化控制系統(tǒng)，硬件平臺以網(wǎng)絡(luò)數(shù)字信號處理為主。這樣的硬件平臺所支持的數(shù)據(jù)庫和軟件平臺實現(xiàn)語言具有更好的交互性和拓展性。該系統(tǒng)基于無線傳感器構(gòu)建的網(wǎng)絡(luò)平臺，信號交互方面采用C#語言實現(xiàn)，控制算法實現(xiàn)由Java語言實現(xiàn)，智能網(wǎng)絡(luò)化控制應(yīng)用由Android語言實現(xiàn)。該系統(tǒng)的軟件既可以部署在計算機也可以部署在移動終端上。

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)平臺的核心；中繼協(xié)作子系統(tǒng)部署在中繼終端。兩個子系統(tǒng)之間基于多參數(shù)協(xié)作驅(qū)動算法實現(xiàn)實時交互性。中繼協(xié)作子系統(tǒng)以網(wǎng)絡(luò)化控制和信號傳輸為主，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)，包括信號序列、線性化處理、參數(shù)庫、數(shù)據(jù)庫、控制和網(wǎng)絡(luò)化交互等部分。橢圓虛線內(nèi)部表示由若干個中繼協(xié)作終端組成的中繼協(xié)作子系統(tǒng)，每個終端與核心控制子系統(tǒng)建立獨立的點到點鏈接。

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。該事例信號經(jīng)過線性化處理成為數(shù)據(jù)庫存儲與控制對象。根據(jù)線性化處理規(guī)則，在信號強度與線性化權(quán)重之間進行融合處理，從數(shù)據(jù)庫中尋找信號與網(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)化控制需求對參數(shù)序列進行歸一化處理。

其中，數(shù)據(jù)檢索與參數(shù)庫查詢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時交互。核心控制子系統(tǒng)的數(shù)據(jù)庫與參數(shù)庫的映射度量采用了基于信號強度和參數(shù)序列歸一化相結(jié)合的方法。

該控制系統(tǒng)的信號管理采用了自適應(yīng)信號輸入輸出端口的交互方法。該方法，通過自適應(yīng)調(diào)度智能網(wǎng)絡(luò)控制所需要的輸入信號序列和強度，結(jié)合數(shù)據(jù)庫與參數(shù)庫的查詢效率和一致性映射強度，實時求解網(wǎng)絡(luò)化控制系統(tǒng)所需要的設(shè)計參數(shù)和參數(shù)序列?；诰W(wǎng)絡(luò)化控制事例的需求，在參數(shù)庫中定義對應(yīng)的多參數(shù)驅(qū)動列表，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)給每個中繼協(xié)作終端。如果網(wǎng)絡(luò)化控制效果達到需求，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)庫數(shù)據(jù)；如果無法滿足需求，再次進入?yún)?shù)庫，更新對應(yīng)參數(shù)序列和參數(shù)庫結(jié)構(gòu)。依次進行上述循環(huán)，直至達到網(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。該接口為整個系統(tǒng)的架構(gòu)調(diào)整和更新提供驅(qū)動，并且該交互模塊與外界應(yīng)用保持實時連接，網(wǎng)絡(luò)化控制事例在具體實施過程中，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)及時被激活，并轉(zhuǎn)入網(wǎng)絡(luò)化控制進程。為了滿足各類網(wǎng)絡(luò)化控制應(yīng)用事例，該系統(tǒng)的數(shù)據(jù)庫和參數(shù)庫結(jié)構(gòu)采用動態(tài)布局。

2.2 系統(tǒng)實現(xiàn)

圖4表示圖3中的參數(shù)庫詳細闡述。其中，以數(shù)據(jù)庫的信號序列為參照，建立參數(shù)庫，以公式(3)求得的p序列為存儲對象。核心控制子系統(tǒng)通過中繼協(xié)作子系統(tǒng)實時更新參數(shù)庫，以便保證多參數(shù)協(xié)作驅(qū)動的實時性和可靠性。參數(shù)庫更新流程描述如下：

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

第2步：從數(shù)據(jù)庫讀取數(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)訪問數(shù)組，從數(shù)據(jù)表文件中獲取網(wǎng)絡(luò)傳輸信號；

第4步：根據(jù)多獲取的信號求出參數(shù)；

第5步：根據(jù)公式(3)對所求出的參數(shù)進行排序；

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；

第8步：按照公式(5)求出信號，并求和；

第9步：返回參數(shù)庫指針P和信號和s。

上述算法中，P向量通過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。

圖4 智能網(wǎng)絡(luò)化系統(tǒng)參數(shù)庫

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、軟件平臺、信號源和服務(wù)對象的各類接口。該系統(tǒng)的執(zhí)行流程INSwithMPCD的執(zhí)行步驟描述如下：

輸入：公共對象DObject；

公共區(qū)域：

1)多參數(shù)協(xié)作驅(qū)動算法清空參數(shù)庫；

2)實時獲取參數(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)實例函數(shù)；

5)聲明硬件平臺及其接口實例；

私有區(qū)域：

1)初始化硬件集；

2)初始化軟件集；

3)聲明軟件平臺接口并激活開發(fā)接口實例；

4)聲明信號源接口實例；

5)獲取網(wǎng)絡(luò)化服務(wù)對象；

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)更新信號數(shù)據(jù)庫；

2)循環(huán)更新參數(shù)庫；

3)循環(huán)多參數(shù)協(xié)作控制。

3 系統(tǒng)性能驗證

為了驗證本文所設(shè)計的智能網(wǎng)絡(luò)化系統(tǒng)的工作效率和數(shù)據(jù)精度，設(shè)計了一組實驗，原系統(tǒng)運行統(tǒng)計數(shù)據(jù)與所設(shè)計系統(tǒng)記為INSwithMPCD的性能進行對比。采用VC++6.0實現(xiàn)圖5中的硬件接口與服務(wù)接口，部署在2臺服務(wù)器上，使用C#實現(xiàn)信號交互接口，為傳感器節(jié)點、匯聚節(jié)點和服務(wù)器之間的通信建立無線連接服務(wù)。采用Android和Java技術(shù)開發(fā)適用于中繼節(jié)點的協(xié)作控制應(yīng)用，包括參數(shù)庫更新流程偽代碼，參數(shù)庫和數(shù)據(jù)庫均采用SQLite部署，并位于匯聚節(jié)點和服務(wù)器端。無線傳感器網(wǎng)絡(luò)組成按照圖1部署，并按照圖5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，無線傳感器網(wǎng)絡(luò)平臺參數(shù)詳見表1。

表1 實驗環(huán)境

圖6給出了所設(shè)計的智能網(wǎng)絡(luò)化系統(tǒng)的執(zhí)行效率隨著實驗時間的變化情況，同時與原系統(tǒng)進行了對比。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)與實際發(fā)送數(shù)據(jù)的誤差對比情況。因為INSwithMPCD系統(tǒng)采用了多參數(shù)協(xié)作驅(qū)動，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

無線數(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，為了解決上述問題，本文設(shè)計一種基于多參數(shù)協(xié)作驅(qū)

圖7 數(shù)據(jù)精度

動的智能網(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、驅(qū)動模塊、存儲與管理等模塊，基于多參數(shù)協(xié)作驅(qū)動并實時更新參數(shù)庫與網(wǎng)絡(luò)信號。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)之間通過多參數(shù)協(xié)作驅(qū)動算法進行實時交互。最后，實驗結(jié)果證明，所設(shè)計系統(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)動工程機械自動怠速系統(tǒng)參數(shù)優(yōu)化與試驗[J]. 農(nóng)業(yè)機械學(xué)報, 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, 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, 2017, 38(1):1-7.