适用于软计算中的非线性动态系统的模拟系统和方法技术方案

本发明专利技术描述了动态系统有效随机模拟的系统和方法。由于随机微分方程通常无法找到分析解，其完整分析要求数值模拟。通常这些模拟绝大部分由一阶欧拉型算法来处理。通过消除模拟内的代数环改善这些算法的效率。当方程组的输出变量也是描述系统的一个或多个方程的输入变量时，会出现代数环。在一个实施例中，通过用公式表达模拟，引起代数环的输出变量被积分以产生积分输出，从而消除代数环。该积分输出随后被提供到一微分器，在需要时重构输出变量。（*该技术在2023年保护过期，可自由使用*）

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术大体上涉及具有可变随机结构的非线性动态系统的随机模拟。
技术介绍
非线性动态微分方程组的数值评估和模拟通常是基于欧拉(Euler)方法或龙格-库塔(Runge-Kutta)方法。这些方法使用局部代数环(algebraic loop)，实际上这要求额外的积分时间。这种积分的时间复杂度与下述因素紧密相关1)动态系统自由度的数目；2)动态系统所显示的非线性类型和非线性结构；以及3)随机激发的类型。计算结果的精度取决于积分程序(integrationroutine)的阶数以及积分容错性的设置。上面所列的前两个因素决定了用于实际非线性动态系统数值模拟的策略。降低这些非线性方程阶数的标准方法通常显示出很高的时间复杂度和对积分约束的附加要求。积分精度的必要条件通常还增加了额外的时间复杂度，因此增加了额外的计算资源。由于对于随机微分方程通常无法找到分析解，所以全面的分析需要数值模拟。通常这些数值模拟绝大部分是通过一阶欧拉型算法来完成的。反馈控制系统被广泛用于维持非线性动态系统的输出为一个期望值，尽管外部干扰会使该动态系统偏离该期望值。例如，一个反馈控制系统的例子为受自动调温器控制的房间内的空间加热炉。自动调温器不断测量房间内部的空气温度，当温度低于期望的最小温度时，自动调温器开启加热炉。当内部温度达到期望的最低温度时，自动调温器关闭加热炉。尽管有外部干扰，例如外部温度的降低，自动调温器-加热炉系统仍能保持房间内的温度为一个基本上恒定的值。在许多应用中都使用到相似类型的反馈控制。反馈控制系统内的中心部件是可被定义为“设备(plant)”的、具有输出变量或性能特性将受到控制的受控对象、机器、或过程。在上面的例子中，该“设备”为房间，输出变量为房间中的内部空气温度，干扰则是通过房间墙壁的热量流动(分散)。该设备由一个控制系统控制。在上面的例子中，该控制系统为与自动调温器结合的加热炉。自动调温器-加热炉系统使用简单的开启-关闭反馈控制系统来维持房间的温度。在许多控制环境下，例如电机轴位置或马达速度控制系统，简单的开启-关闭反馈控制是不够的。更高级的控制系统则依靠比例反馈控制、积分反馈控制与微分反馈控制的结合。基于比例反馈加上积分反馈加上微分反馈之和的反馈控制通常称为PID控制。PID控制系统为一种基于设备动态模型的线性控制系统。在经典的控制系统中，线性动态模型是以动态方程形式，通常为常微分方程的形式获得。假设该设备为相对线性的、非时变的和稳定的。然而，许多真实世界的设备是时变的、高度非线性的和不稳定的。例如，动态模型可能包含一些参数(例如质量、电感、空气动力学系数，等等)，它们或者只是近似于已知或者依赖于变化的环境。如果参数变化小且动态模型稳定，那么PID控制器可能符合要求。然而，如果参数变化大或者如果动态模型不稳定，那么一般要对PID控制系统增加自适应或智能(AI)控制功能。AI控制系统使用一种优化器，通常为非线性优化器，来按程序控制PID控制器的工作，从而改善控制系统的总体工作。经典的高级控制理论是基于下述假设靠近平衡点的所有受控“设备”都可以被近似为线性系统。不幸的是，这个假设在真实世界中几乎不成立。绝大多数设备是高度非线性的，经常没有简单的控制算法。为了满足非线性控制的这些需求，已经发展出了使用诸如遗传算法、模糊神经网络、模糊控制器等使用软计算概念的系统。通过这些技术，控制系统及时进化(改变)，使自身适应受控“设备”和/或工作环境内可能发生的变化。如前所述，对动态系统的模拟中，代数环的存在提高了模拟的时间复杂度，并因此增加了模拟所需的计算资源。
技术实现思路
本专利技术通过消除动态系统模拟中的代数环来解决这些及其他难题。当所描述系统的方程组的输出变量也是该方程组内一个或多个方程的输入变量时，就会出现代数环。在一个实施例中，通过用公式表示模拟来消除代数环，其中对引起代数环的输出变量积分，以产生一个积分输出。该积分输出随后被提供至一个微分器，以在需要时重构输出变量。因此，将在其他方面引起代数环的输出变量不直接反馈到方程组，而是在反馈到方程组之前先积分，再微分。先积分后微分的方法消除了代数环，进而加快了模拟。当不止一个输出变量引起代数环时，各个引起代数环的输出变量都在反馈到方程组之前先积分，然后再微分，从而消除模拟中所有潜在的代数环。附图说明通过结合附图的下述描述，本专利技术的上述以及其他方案、特点及优点将更为明显。图1示出了基于软计算的自组织智能控制系统的一般结构。图2A示出了用于求解非线性微分方程组的、带有代数环的模拟系统的方框图。图2B示出了用于求解非线性微分方程组的、不带有代数环的模拟系统的方框图。图3A示出了用于模拟动态系统的、带有代数环的系统的方框图。图3B示出了图3A中所示系统的代数环。图4示出了图3A中消除代数环的系统的方框图。图5示出了模拟图3A及图4中自由、受激及受控模拟的计算机运行时间，并示出了通过消除代数环而得到的改进。图6示出了具有代数环和控制反馈环的动态模拟系统的方框图。图7示出了图6中消除代数环的动态模拟系统的方框图。图8示出了悬架系统的整车模型。图9A示出了带有固定阻尼(damping)的悬架系统的计算机运行时间和模拟速度的改进的标绘图。图9B示出了带有变化阻尼的悬架系统的计算机运行时间和模拟速度的改进的标绘图。图10示出了单轮脚踏车模型的部件和坐标系统。图11示出了有无代数环进行模拟时，基于上述单轮脚踏车运动方程模拟的α角比较的示意性标绘图。图12示出了有无代数环进行模拟时，基于上述单轮脚踏车运动方程模拟的β角比较的示意性标绘图。图13示出了有无代数环进行模拟时，基于上述单轮脚踏车运动方程模拟的γ角比较的示意性标绘图。在附图中，任何三位阿拉伯数字的元件附图标记的第一位数字一般表示首次出现该参考部件的附图编号，任何四位阿拉伯数字的元件附图标记的前两位一般表示首次出现该参考元件的附图编号。具体实施例方式图1示出了基于软计算的用于控制设备的控制系统100的方框图。在控制器100内，参考信号y被提供到加法器105的第一输入。加法器105的输出为一误差信号ε，该误差信号ε被提供到模糊控制器(FC)143的输入以及比例-积分-微分(PID)控制器150的输入。PID控制器150的输出为控制信号u*，它被提供到设备120的控制输入以及熵计算模块132的第一输入。干扰m(t)110也被提供到设备120的输入。设备120的一个输出为响应x，它被提供到熵计算模块132的第二输入以及加法器105的第二输入。加法器105的第二输入被求反，使得加法器105的输出(误差信号ε)为第一输入的值减去第二输入的值。熵计算模块132的输出作为适应函数被提供到遗传分析器(GA)131。GA 131的一个输出解被提供到FNN 142的输入。FNN 142的输出作为知识库被提供到FC 143。FC 143的输出作为增益排表被提供到PID控制器150。GA 131与熵计算模块132为控制质量模拟系统(SSCQ)130的一部分。FNN 142和FC 143为模糊逻辑分类器系统(FLCS)140的一部分。使用一组输入以及适应函数132时，遗传算法131以类似于生物进化过程的方式求出有希望为最优的解。遗传算法131产生多组“染本文档来自技高网...

【技术保护点】
一种有效的数值积分方法，用于模拟具有基本上非线性的、包含高阶导数的非线性微分方程，包括：提供一个或多个输入变量给一方程组；使用所述输入变量由所述方程组计算一个或多个输出；对至少一个选定输出积分，以产生一积分输出； 对所述积分输出微分，以产生一重构的选定输出；以及把所述重构的选定输出作为下一个输入提供到所述方程组。

【技术特征摘要】
【国外来华专利技术】US 2002-7-30 10/209,6361.一种有效的数值积分方法，用于模拟具有基本上非线性的、包含高阶导数的非线性微分方程，包括提供一个或多个输入变量给一方程组；使用所述输入变量由所述方程组计算一个或多个输出；对至少一个选定输出积分，以产生一积分输出；对所述积分输出微分，以产生一重构的选定输出；以及把所述重构的选定输出作为下一个输入提供到所述方程组。2.一种具有非线性的、包含高阶导数的非线性微分方程的随机模拟方法，包括定义有一代数环的非线性微分方程组，其中至少一个方程的一输出变量也是所述至少一个方程的一输入，所述输出变量对应于所述输出变量代表的量的n阶导数；通过下述方法定义消除所述代数环的一模拟系统对所述输出变量积分，以产生一积分输出变量，所述积分输出变量对应于由所述输出变量代表的所述量的n-1阶导数；提供所述积分输出变量到所述至少一个方程的输入；以及对所述积分输出变量微分，并提供所述积分的一输出到所述至少一个方程的一输入；以及使用欧拉型方法来数值评估所述模拟系统。3.根据权利要求2的方法，其中还包括提供一个或多个输入到一控制系统；从所述一个或多个输入计算出一控制输出到所述控制系统；以及提供所述控制输出到所述方程组的至少一个输出。4.根据权利要求2的方法，其中还包括使用一控制器产生一控制信号，所述控制器接收来自一第一信息信号的输入，所述第一信息信号包含所述方程组的至少一个变量；从所述信息信号计算熵；使用所述熵计算一教学信号；使用所述教学信号教导所述控制器。5.根据权利要求4的方法，其中还包括使用所述教学信号训练一神经网络。6.根据权利要求5的方法，其中所述教学信号通过一遗传分析器计算。7.根据权利要求6的方法，其中所述遗传分析器的一适应函数是以所述信息信号为基础的。8.根据权利要求6的方法，其中所述遗传分析器的一适应函数被设定为降低所述第一信息信号的熵。9.根据权利要求5的方法，其中所述神经网络为一模糊神经网络。10.根据权利要求5的方法，其中所述神经网络为一由所述教学信号教导的模糊神经网络。11.根据权利要求5的方法，其中所述教学信号的计算包含运行一遗传分析器，所述遗传分析器具有一降低所述方程组熵的适应函数。12.一种用于模拟控制被描述为非线性微分方程组的设备的模拟系统，包含一设备模拟模块，其被设定成计算基于一个或多个设备变量的方程组的另一个设备输出，其中同样作为所述方程组输入的来自所述方程组的输出变量，在作为输入提供到所述方程组之前，先积分，然后再微分；通过计算一教学信号来产生所述教学信号的装置，以产生降低所述设备熵的控制；由所述教学信号指导的产生一增益排表的装置；以及控制装置，其使用至少一个所述设备变量及所述增益排表来产生一控制信号。13.根据权利要求12的控制系统，其中所述用以产生一增益排表的装置包含一遗传分析器。14.一种用于模拟控制被描述为非线性微分方程组的设备的装置，包含一设备模拟模块，其被设定成计算基于一个或多个设备变量的方程组的另一个设备输出，其中同样作为所述方程组输入的来自所述方程组的输出变量，在作为输入提供到所述方程组之前，先积分，然后再微分；以及一多路复用器，其被设定成根据一模拟算法提供所述输入到所述方程组。15.根据权利要求14的装置，其中所述模拟算法为一阶欧拉算法。16.根据权利要求14的装置，其中所述模拟算法为龙格—库塔算法。17.根据权利要求14的装置，其中还包含一分析器，用于通过计算一教学信号来产生所述教学信号，以产生降低所述设备熵的控制；一模糊逻辑分类器模块，用以产生由所述教学信号指导的一增益排表；以及一控制模块，其使用至少一个所述设备变量及...

【专利技术属性】
技术研发人员：谢尔盖V乌里扬诺夫，谢尔盖潘菲洛夫，
申请(专利权)人：雅马哈发动机株式会社，
类型：发明
国别省市：JP[日本]