自整定
没有或很少条目链入本条目。 (2018年2月8日) |
在控制理论中,自整定(self-tuning)可以在满足目标函数最大化或是最小化的情形下,将其内部运行参数进行最佳化,一般会是进行效率的最大化,或是错误的最小化。
自整定及自动整定(auto-tuning)有时会指同一个概念,许多软件研究群体认为auto-tuning是较正确的名词。不过在变频器领域中,自动整定(auto-tuning)有时只是马达参数自学习,利用测试信号及算法量测马达参数,不一定包括内部运行参数的最佳化[1]。
自整定系统一般会包括非线性自适应控制。数十年以来,自整定系统已经是航太产业中的标志,这类的反馈在非线性过程的多目标最佳控制非常重要。在电信产业中,常使用自适应通信,其中会动态的调整系统参数,让效率及强健性都可以最大化。
例子
[编辑]在运算上的自整定范例包括:
- 传输控制协议 (Transmission Control Protocol,TCP)
- Microsoft SQL Server(较新的版本才支援)
- FFTW(西方最快速的傅里叶变换)
- ATLAS(自动整定的线性代数软件)
- libtune(Linux的可整定函式库)
- PhiPAC(精简指令集的自整定线性代数软件)
- MILEPOST GCC(以机器学习为基础的自整定编译器)
自整定的性能优势非常的大。美国计算机科学家Jack Dorr认为自整定提升性能的数量级大约会是三倍左右[来源请求]。
数位自整定控制器是硬件层次自整定系统的例子之一。
架构
[编辑]自整定系统一般包括四个元素:预期、量测、分析及动作。预期会描述系统在给定exogenous条件下应有的行为。 量测会搜集有关条件及系统行为的资料。分析会判断系统行为是否符合预期,后续应该进行哪些行动。常见的动作是搜集资料,并且动态调整系统的组态。
自整定(自适应)的自动控制系统是可以适应随机变化条件的系统,其作法是自动调整其参数,或是自动决定其最佳组态[2]。在不是自整定的自动控制系统中,有许多参数会影响系统稳定性及控制品质,可以手动进行调整。若在运作条件大幅变化时(例如输入讯号或是受控体特性改变时),参数仍维持相同的值,其控制性能可能会退化,甚至不稳定。手动的参数调整很麻烦,而且有时是不可行的。这种情形下使用自整定的自动控制系统,不但有在经济上或使用方便性的考量,这也是唯一可以实现强健控制的方法。自整定系统可以包括参数测定(parameter determination),也可以不包括参数测定。
在有参数测定的控制系统中,控制水准是靠自动寻找一组最适的参数值来实现的。控制水准是一个概略性的特征,多半不太能表示成基本参数的函数,就算有,也可能是一个复杂函数,甚至没有已知的函数可以表示。此特征可能会用直接量测的方法来取得,也可能根据基本参数再作计算而得。之后会暂时变化这些参数,利用参数变化后产生的控制水准震荡来找出有关参数最适值(也就是让控制水准出现极值)的资讯。若控制水准的值已不在理想的极值上,需要再调整参数使控制水准回到极值,或是可以到不同条件下的极值。有有参数测定的控制系统就算外部环境变化很大,也可以可靠的运行。
在实际系统中,若控制系统有参数测定机能,需要一段时间才能找到最佳的调整值,因此其需要的时间会比较长,可能会比实际应用可接受的时间要长。若是系统没有参数测定机能,就没有这个缺点。这类系统会使用一些量测控制水准的方式(例如某控制参数的一阶时间微分)。利用自动整定让控制水准维持在一定范围内。有一些方式可以在不测定参数的情形下进行自整定,主要是以控制暂态过程,频域特性等为主。这些都是闭回路自整定系统的例子,若控制水准偏离允许范围,系统会自动修正参数来调整控制水准。相反的,开回路自整定系统是有些参数补偿的机能,其输入讯号是受控的,依照一定程序来调整系统参数,这类的自整定可以接近即时动作。不过为了要实现自整定,仍需要去了解系统运作的环境,并要对环境对控制系统的影响有足够的了解。
实务上,自整定会有用特殊的硬件或是适应性软件算法来实现。以下是一些自整定(适应性)软件的特点:
- 帮助控制系统的关键流程
- 达到最佳运行的条件
- 促进控制系统的设计一致性
- 缩短系统测试及调适的时间
- 在让系统更加强健的过程中,让技术协助支援的比例可以下降
- 节省系统调适需要的人员及时间
相关条目
[编辑]脚注
[编辑]- ^ Yaskawa V1000 autotune. [2018-02-08]. (原始内容存档于2019-09-05).
- ^ http://bse.sci-lib.com/article099233.html (页面存档备份,存于互联网档案馆) Big Soviet Encyclopedia, Self-Tuning Systems] (俄文)
文献
[编辑]外部链接
[编辑]- Using Probabilistic Reasoning to Automate Software Tuning
- Frigo, M. and Johnson, S. G., "The design and implementation of FFTW3", Proceedings of the IEEE, 93(2), February 2005, 216 - 231. (页面存档备份,存于互联网档案馆) doi:10.1109/JPROC.2004.840301.
- A Collaborative guide to ATLAS Development (页面存档备份,存于互联网档案馆)
- Optimizing Matrix Multiply using PHiPAC: a Portable, High-Performance, ANSI C Coding Methodology (页面存档备份,存于互联网档案馆)
- Faster than a Speeding Algorithm
- Rethinking Database System Architecture: Towards a Self-tuning RISC-style Database System (页面存档备份,存于互联网档案馆)
- Self-Tuning Systems Software (页面存档备份,存于互联网档案馆)
- Microsoft Research Adds Data Mining and Self-tuning Technology to SQL Server 2000
- A Comparison of TCP Automatic Tuning Techniques for Distributed Computing
- Tunables library for Linux (页面存档备份,存于互联网档案馆)
- Digital Self-tuning Controllers