混沌粒子群優(yōu)化算法模型的建筑電氣終端監(jiān)控方法

馮 琢

（重慶保稅港區(qū)開(kāi)發(fā)管理集團(tuán)有限公司，重慶 400000）

建筑工程在管理過(guò)程中，由于工序復(fù)雜，涉及到的項(xiàng)目種類(lèi)比較多，對(duì)建筑施工項(xiàng)目和建筑施工數(shù)據(jù)監(jiān)控情況直接決定了項(xiàng)目安全程度，現(xiàn)有技術(shù)監(jiān)控大多采用人工監(jiān)控的方法，這種方法不僅落后，監(jiān)控力度很有限。現(xiàn)有技術(shù)中還采用了以下技術(shù)手段，比如文獻(xiàn)[1]在嵌入式ARM 技術(shù)以及無(wú)線技術(shù)方面提高了對(duì)信息的采集效率以及傳輸能力；文獻(xiàn)[2]以ARM 和嵌入式Linux 系統(tǒng)為實(shí)驗(yàn)環(huán)境，通過(guò)V4L2 進(jìn)行視頻采集，運(yùn)用x264 進(jìn)行視頻壓縮，根據(jù)RTP 協(xié)議對(duì)視頻流信息進(jìn)行打包。

上述技術(shù)方案雖然都有一定的技術(shù)優(yōu)勢(shì)，比如文獻(xiàn)[1]數(shù)據(jù)采集能力高，文獻(xiàn)[2]監(jiān)控能力強(qiáng)，但是在面對(duì)多種數(shù)據(jù)信息時(shí)以及在多種數(shù)據(jù)信息進(jìn)行處理時(shí)，很難實(shí)現(xiàn)數(shù)據(jù)分析與處理，數(shù)據(jù)管理能力滯后。針對(duì)上述技術(shù)不足，本研究設(shè)計(jì)了新型的技術(shù)方案。

1 建筑電氣終端監(jiān)控方法設(shè)計(jì)

為了提高建筑工程項(xiàng)目的信息監(jiān)控能力，本研究設(shè)計(jì)了一套建筑施工監(jiān)控系統(tǒng)，通過(guò)提取建筑數(shù)據(jù)信息，對(duì)終端進(jìn)行監(jiān)控。采集數(shù)據(jù)信息時(shí)，通過(guò)諸如以太網(wǎng)接口、RS-485 接口、RS-232 接口、GPRS 接口以及CAN 接口等數(shù)據(jù)接口實(shí)現(xiàn)數(shù)據(jù)通信[3]，終端監(jiān)控采用Xscale 嵌入式處理器實(shí)現(xiàn)不同數(shù)據(jù)信息采集，終端監(jiān)控原理示意圖如圖1所示。

圖1 監(jiān)控終端硬件結(jié)構(gòu)設(shè)計(jì)Fig.1 Hardware structure design of monitoring terminal

在監(jiān)控終端設(shè)計(jì)中，通信協(xié)議中設(shè)置有Modbus，IEC61850，IEC104 和自定義規(guī)約等多種交互方式[4]，最終能夠?qū)⒔ㄖこ痰臄?shù)據(jù)信息傳遞到上層監(jiān)控中心。在數(shù)據(jù)處理時(shí)，融合型的多種算法模型，通過(guò)構(gòu)建Apriori 算法模型，對(duì)建筑管理信息數(shù)據(jù)進(jìn)行關(guān)聯(lián)、計(jì)算，使用戶能夠快速?gòu)亩喾N建筑工程管理信息化數(shù)據(jù)中獲取目的分類(lèi)數(shù)據(jù)[4]，實(shí)現(xiàn)不同數(shù)據(jù)的分類(lèi)和關(guān)聯(lián)。構(gòu)建具有粒子群算法模型的蟻群算法，能夠?qū)崿F(xiàn)最佳目標(biāo)數(shù)據(jù)信息的搜索和定位，提高了數(shù)據(jù)信息化管理的效率[5]。

數(shù)據(jù)處理流程如圖2所示，采用基于ARM 內(nèi)核的XScale 嵌入式處理系統(tǒng)，該系統(tǒng)是基于ARM v5TE 處理器對(duì)建筑施工進(jìn)行監(jiān)控處理。通過(guò)指令集結(jié)構(gòu)表示，XScale 隸屬于ARM 的“V5TE”體系，工作運(yùn)行的最高頻率為1 GHz，在運(yùn)行中具有ARM 體系工作特點(diǎn)。在具體應(yīng)用過(guò)程中，可以采用PXA25x，PXA26x 和PXA27x 等不同的嵌入式處理器[6-7]。出于應(yīng)用的便利，本研究采用PXA26x 系列的產(chǎn)品，其內(nèi)設(shè)置1 個(gè)核心處理核心和2 個(gè)閃存芯片構(gòu)成。該系統(tǒng)內(nèi)部設(shè)計(jì)4Bank，256 MB 容量的SDRAM，具有卓越的高集成度能力。高技術(shù)還設(shè)置有Intel 的無(wú)線MMX 技術(shù)，具有64 位的SIMD 指令集，這些指令集對(duì)數(shù)據(jù)信息采集時(shí)，能夠大幅度提高視頻效果，并對(duì)3D 圖形、音頻以及其他SIMD 元素具有較高的處理效率，大大提高監(jiān)控?cái)?shù)據(jù)信息能力[8-9]。

圖2 數(shù)據(jù)處理流程示意圖Fig.2 Schematic diagram of data processing flow

在圖2中，數(shù)據(jù)通信可以采用上述介紹的以太網(wǎng)接口、RS-485 接口、RS-232 接口、GPRS 接口以及CAN 接口等多種數(shù)據(jù)進(jìn)行通信，能夠?qū)崿F(xiàn)與外部終端的監(jiān)控信息交互與通信，并根據(jù)設(shè)備特點(diǎn)選擇通信協(xié)議[10]，在數(shù)據(jù)處理層進(jìn)行數(shù)據(jù)處理、存儲(chǔ)，并將處理的數(shù)據(jù)信息傳遞到上層監(jiān)控中心進(jìn)行監(jiān)控，以實(shí)現(xiàn)數(shù)據(jù)展示、在線查詢、在線修改通訊參數(shù)等多參數(shù)表示。

2 改進(jìn)型混沌粒子群優(yōu)化算法模型

本研究融合多種算法模型，實(shí)現(xiàn)多種數(shù)據(jù)信息的管理和計(jì)算，能夠?qū)崿F(xiàn)不同建筑工程管理數(shù)據(jù)的關(guān)聯(lián)、分類(lèi)、查找和計(jì)算，實(shí)現(xiàn)了一體化服務(wù)。構(gòu)建Apriori 算法模型，實(shí)現(xiàn)不同建筑管理信息數(shù)據(jù)的關(guān)聯(lián)和計(jì)算，提高了智能化信息服務(wù)程度。該算法模型具有粒子群算法模型的蟻群算法，能夠在多種數(shù)據(jù)信息中實(shí)現(xiàn)最佳數(shù)據(jù)信息的搜索與獲取[11-12]，提高了信息化管理程度?；谏鲜鲈O(shè)計(jì)思路，構(gòu)建出改進(jìn)型混沌粒子群優(yōu)化算法模型，如圖3所示。

圖3 改進(jìn)型混沌粒子群優(yōu)化算法模型Fig.3 Improved chaotic particle swarm optimization algorithm model

本研究工作方法是首先通過(guò)Apriori 算法模型實(shí)現(xiàn)多種不同數(shù)據(jù)信息的關(guān)聯(lián)，然后將輸出的關(guān)聯(lián)數(shù)據(jù)信息進(jìn)行分類(lèi)。通過(guò)粒子群算法模型實(shí)現(xiàn)不同數(shù)據(jù)信息的搜索與查詢[7]，提高了不同數(shù)據(jù)信息的計(jì)算和搜索，通過(guò)在蟻群算法模型中加入混沌粒子群優(yōu)化算法模型[13]，實(shí)現(xiàn)蟻群最佳位置檢索。算法模型如圖4所示。

圖4 混沌粒子群優(yōu)化算法模型示意圖Fig.4 Schematic diagram of chaotic particle swarm optimization algorithm model

當(dāng)本研究的方法加入混沌粒子群優(yōu)化算法時(shí)，能夠在施工信息數(shù)據(jù)搜尋、優(yōu)化過(guò)程中避免粒子損失、逃逸等現(xiàn)象，避免偏離原來(lái)的軌跡，直到搜索到最優(yōu)的信息為止。下面對(duì)本研究的工作原理進(jìn)行以下說(shuō)明。

首先建筑工程管理信息數(shù)據(jù)量設(shè)置為D，記錄初始數(shù)據(jù)量，公式為

式中：i=1，2，3，…，G，通過(guò)該公式能夠輸出不同粒子種群的適應(yīng)度，輸出初始粒子，其活動(dòng)范圍介于［0，1］之內(nèi)，啟動(dòng)混沌區(qū)間映射，假設(shè)映射到［an，bn］區(qū)間內(nèi)，則輸出的建筑工程管理信息數(shù)據(jù)量函數(shù)可以為

通過(guò)該步驟實(shí)現(xiàn)了建筑工程管理信息數(shù)據(jù)量輸入模型構(gòu)建。然后再計(jì)算出建筑施工工程管理信息化粒子群中每個(gè)粒子的適應(yīng)度值和平均適應(yīng)度。在本研究中，為了即時(shí)分析本研究的數(shù)據(jù)信息，將本研究中的建筑數(shù)據(jù)信息類(lèi)比成粒子群算法模型中的不同粒子。則分散出的粒子群當(dāng)前位置設(shè)置為pbest，最優(yōu)粒子位置記作為gbest。然后進(jìn)行適應(yīng)度方差計(jì)算，則有：

通過(guò)應(yīng)度方差計(jì)算，能夠?qū)⒘Ｗ尤核惴ㄊ欠駶M足收斂條件進(jìn)行判斷，當(dāng)滿足收斂條件時(shí)，則適應(yīng)度計(jì)算結(jié)束；當(dāng)不滿足收斂條件時(shí)，則停止計(jì)算。其中本研究算法中，種群數(shù)量中第i 個(gè)粒子的適應(yīng)度為fi，平均適應(yīng)度為，歸一化因子為f，則存在以下方程式：

假設(shè)設(shè)置數(shù)值比設(shè)定的值為ε（ε＞0）時(shí)，可以將在介于［0，1］區(qū)間內(nèi)的混沌區(qū)間映射到任意變量［an，bn］之間的變量區(qū)間范圍內(nèi)。通過(guò)不斷地更新粒子的位置，則可以計(jì)算為

式中：xi表示為建筑施工信息D 中第i 個(gè)粒子的向量，數(shù)據(jù)集合為

式中：i=1，2，…，m，則第i 個(gè)建筑工程施工管理信息粒子在數(shù)據(jù)信息庫(kù)D 維向量空間中的位置為xi。當(dāng)輸出新粒子的適應(yīng)度大于pbest的適應(yīng)度時(shí)，對(duì)建筑施工工程的最優(yōu)位置用pbest來(lái)計(jì)算，直到輸出最優(yōu)位置。

3 試驗(yàn)結(jié)果與仿真

本研究的硬件配置CPU 為Inter Core i7-9700H，硬件運(yùn)行的內(nèi)存為3200 MHz 8×2 GB，硬盤(pán)大小為1 TB。將本研究的改進(jìn)型混沌粒子群優(yōu)化算法模型與K-means 分類(lèi)算法模型[14-15]和文獻(xiàn)[1]及文獻(xiàn)[2]進(jìn)行對(duì)比，試驗(yàn)架構(gòu)示意圖如圖5所示。

圖5 試驗(yàn)架構(gòu)示意圖Fig.5 Schematic diagram of the experimental architecture

試驗(yàn)架構(gòu)中包括信息獲取層、數(shù)據(jù)通信層、數(shù)據(jù)管理層、數(shù)據(jù)存儲(chǔ)層和上層管理中心等不同的模塊。本研究直接從建筑工程信息化系統(tǒng)數(shù)據(jù)庫(kù)中獲取目標(biāo)數(shù)據(jù)信息。參數(shù)數(shù)據(jù)信息如表1所示。

表1 參數(shù)信息Tab.1 Parameter information

通過(guò)蟻群算法時(shí)，通過(guò)TSPeil51 算法模型實(shí)現(xiàn)搜索和計(jì)算，其中的參數(shù)：α＝1.12，β＝4.98，ρ＝0.49，其中迭代次數(shù)為200；在粒子群CPSO 算法中，設(shè)置C1=C2=3，ω＝6，啟動(dòng)TSPLib 算法時(shí)，設(shè)定蟻群尋找的最短路徑為650。

在建筑工程管理過(guò)程中，用常規(guī)的蟻群算法和本研究的方法進(jìn)行對(duì)比。通過(guò)8 個(gè)小時(shí)的試驗(yàn)，輸出的對(duì)比示意圖如圖6所示。

圖6 對(duì)比試驗(yàn)圖Fig.6 Comparison test chart

通過(guò)上述方法圖像可以看到，采用傳統(tǒng)蟻群算法收斂速度相對(duì)較慢，在100 次迭代計(jì)算過(guò)程中，無(wú)法見(jiàn)到收斂信息，在經(jīng)過(guò)一段時(shí)間后，發(fā)現(xiàn)120 次迭代計(jì)算過(guò)程中，逐步發(fā)現(xiàn)了最優(yōu)迭代計(jì)算。通過(guò)圖5可以看到，常規(guī)技術(shù)中的蟻群算法在尋優(yōu)方面，技術(shù)效果較差，然后觀察本研究方法中改進(jìn)型蟻群算法中，TSPeil51 算法表現(xiàn)出了較好的收斂速度，為了提高試驗(yàn)效果，還可以通過(guò)調(diào)整α，β，ρ 的值的方式，經(jīng)過(guò)粒子群算法之后，由于出現(xiàn)的迭代次數(shù)不同，遍歷的路徑長(zhǎng)度也有所不同，粒子群算法的技術(shù)優(yōu)勢(shì)還在于通過(guò)粒子的慣性運(yùn)動(dòng)，改變了常規(guī)技術(shù)中的路徑，改變了常規(guī)蟻群算法中局部最優(yōu)解出現(xiàn)的停滯現(xiàn)象。

然后在對(duì)本研究算法模型的平均值、極差、標(biāo)準(zhǔn)差、最大偏差率以及平均偏差率上進(jìn)行計(jì)算。平均值公式為

極差公式為

標(biāo)準(zhǔn)差公式為

最大偏差率公式為

平均偏差率公式為

通過(guò)4 個(gè)小時(shí)的計(jì)算，分別將本研究方法與文獻(xiàn)[1]方法、文獻(xiàn)[2]方法和K-means 算法模型進(jìn)行對(duì)比分析。則不同算法的計(jì)算輸出結(jié)果如表2所示。

表2 不同算法的計(jì)算輸出結(jié)果Tab.2 Computational output results of different algorithms

通過(guò)表2可以看到，在平均值均為9.32 的情況下，本研究方法的極差、標(biāo)準(zhǔn)差、最大偏差率以及平均偏差率均遠(yuǎn)遠(yuǎn)小于文獻(xiàn)[1]、文獻(xiàn)[2]和K-means 算法模型。因此，本研究的方法具體突出的技術(shù)效果。

4 結(jié)語(yǔ)

針對(duì)建筑工程項(xiàng)目信息化過(guò)程中出現(xiàn)的一系列問(wèn)題，本研究構(gòu)建了建筑工程信息化系統(tǒng)總體方案，全面地提高建筑工程管理能力。構(gòu)建了改進(jìn)型混沌粒子群優(yōu)化算法模型的數(shù)據(jù)管理方法，在蟻群算法模型中融入了粒子群算法模型，改變了常規(guī)技術(shù)中粒子逃逸局面，提高了建筑工程管理能力。本研究的技術(shù)手段提高了建筑工程建設(shè)能力，但是隨著信息化技術(shù)和人工智能技術(shù)的飛速發(fā)展，本研究的方法為下一步技術(shù)的研究奠定技術(shù)基礎(chǔ)，其存在的一些技術(shù)弊端也值得進(jìn)一步思考。