智能路径优化方法（共8篇）
智能路径优化方法 篇1
摘要：本文提出基于双向搜索的改进算法, 适用于城市智能交通。目前常用的最短路径算法为Dijkstra算法, 时间复杂度为但由于城市交通网中结点众多, 该算法解决速度慢, 而且时间复杂度高。针对该问题, 本文从算法设计入手, 提出改进的双向搜索算法。实验证明, 优化后的算法较好地改善搜索效率, 符合城市智能交通的发展需求。
关键词：智能交通,路径规划,双向搜索
一、算法的优化原理
1.1所谓双向搜索, 指的是两个方向搜索同时进行。正向搜索:搜索是通过初始结点向目标结点进行;逆向搜索:搜索是通过目标结点向初始结点进行;当出现新结点时, 要求对本队列之中的所有结点进行判定是否重复, 同时还要求与对方队列中的所有时间判定是否重复, 若存有相同的结点 , 那么就发生了相遇事件, 此时搜索结束, 两方向搜索步数之和为搜索频数, 这样生成的搜索树为菱形, 搜索结点的数据得到有效的减少, 提高搜索效率。通过实验得出, 与单向搜索比较, 双向搜索结点数可以减少1/2以上。
1.2算法优化。搜索时, 初始结点和目标结点与搜索到的每一个节点连线投影, 初始结点与正向搜索的新结点投影与目标结点与逆向搜索的新结点投影, 计算两距离和, 若距离和比初始结点到目标结点的距离长, 则判定双向搜索无重合, 即可停止某一方向的搜索, 而另一方向继续。选择从哪个方向开展搜索, 主要因素为哪个方向结点个数较少则向该方向扩展[1]。众所周知, “两边之和大于第三边”, 所以如寻找结点在同一边上, 则此边就是所需要找的最短路径, 否则, 连线夹角最小的边是最短路径的可能性最大。
二、路径规划算法设计
2.1 算法实现。设置两个队列 c:array[0..1, 1..maxn] of jid, 这两队列分别为正向搜索和逆向搜索的扩展队列;设置两个头指针h:array[0..1] of integer, 这两个头指针分别为正向搜索和逆向搜索的头指针;设置两个尾指针t:array[0..1] of integer , 这两个指针分别为正向搜索和逆向搜索的尾指针。
主程序:选择节点数较少且队列未空、未满的方向先扩展
实验证明, 双向搜索与单向搜索相比扩展的结点数减少了至少1/2, 本文中的双向搜索算法采用邻接表存储, 不但减少了存储空间还有效地降低了算法的时间复杂度。
2.2 实验及结果分析。算法可行性分析, 采用经典的Dijstra 算法与优化的双向搜索算法对南昌市区部分道路进行最短路径搜索实验[2]。实验过程中, 主要在市区的主干道进行实验, 共存储186个结点烽548条弧。对同一起点与同一终点进行最短路径搜索, 搜索结果如表1所示。
三、结论
本文提出的路规划算法采用邻接表的存储方法, 对双向搜索算法进行优化, 对算法中因双向结点不相遇使得时间复杂度增加的问题, 采用停止一方搜索的办法, 使该算法符合城市智能交通的要求。实验证明, 该算法大多数情况下可得到最优解, 克服了以往算法中的不足, 符合城市智能交通发展的需求。
参考文献
[1]周兴.面向Internet的动态路径规划算法研究与应用系统设计[D].广州:华南理工大学, 2011.
[2]底园园, 苏小会.交通诱导系统中动态路径诱导算法的研究[J].计算机与数字工程, 2011, 39 (2) :33-35.
智能路径优化方法 篇2
基于优化智能方法的边坡稳定性分析研究
边坡稳定影响因素复杂且具有随机模糊性,给边坡稳定性分析带来了诸多障碍.基于进化BP神经网络的智能方法,充分利用BP人工神经网络对非线性函数强大的映射能力、自学习能力和推广能力,本文建立了基于MATLAB神经网络工具箱的优化智能边坡稳定分析系统,同时采用贝叶斯规则化法对系统进行改善,大幅提高了泛化能力和工程适用性.
作 者：孙富学 杨昭宇 阮长锋 朱云辉 作者单位：温州大学,建筑与土木工程学院,浙江,温州,325035刊 名：中国水运(下半月)英文刊名：CHINA WATER TRANSPORT年，卷(期)：20099(1)分类号：U418.5+2关键词：边坡稳定性 人工神经网络 优化智能方法
智能车线性CCD路径识别方法 篇3
路径识别是自主循迹智能车实现控制并稳定运行的基础,道路信息提取的准确与否直接影响到控制策略能否实现。而道路信息提取的准确性取决于传感器能否准确地区分出黑色引导线与白色背景以及其他干扰信息。如图1所示,第八届飞思卡尔车模竞赛的赛道是一个具有特定几何尺寸约束、摩擦系数及光学特性的KT板,45 cm宽的白色KT板两边贴有宽度为2. 5 cm对可见光及不可见光均有较强吸收特性的黑色条带作为引导线。大赛规定赛道传感器选用线性CCD。线性CCD提取信号是被动的接受反射回的光线,因此,采集的信号易受外界环境的影响。例如,赛道黑色引导线很可能由于发生镜面反射而被误判为白色背景。所以,设计一个识别准确,抗干扰能力强的路劲识别系统,使智能车在不同光照条件下均能正常运行,这对自主循迹智能车是尤为重要的。
1线性CCD识别方案
该系统采用飞思卡尔MC9S12XS128单片机作为控制核心,将线性CCD捕获的模拟量赛道信息转化成数字信号,进行分析计算小车与赛道之间的偏差和赛道走势,进而控制小车沿赛道行驶而不偏离赛道。
该车道路传感器使用的是Texas Advanced Optoelectronic Solution公司的TSL1401CL线性CCD。 该传感器是包含128个光电二极管的线性阵列。每个光电二极管都有各自的积分电路,此电路统称为像素。每个像素在光电二极管的不同光能量冲击下产生不同的模拟电荷信号,该信号的大小与光强和积分时间成正比。在驱动时序的作用下,CCD将模拟电荷信号串行位移输出[1]。 如图2中TSL1401CL的工作时序可知,串行输入SI控制每一个像素的积分和复位操作; CLK控制每一个像素电压的依次输出,每个像素的值可以在CLK的下降沿时从AO采集。
2线性CCD外围电路设计
MC9S12XS128单片机的PA0和PA1口分别提 供TSL1401CL的时钟输 入和串行 输入。 AD0口与TSL1401CL的模拟电压 输出口 ( AO ) 连接。 试验表明TSL1401CL线性CCD的输出信号和环境光线密切相关, 分别在不同的光照环境进行采样,采样数据表明环境光线较弱时,CCD输出信号较低,以致赛道黑线信息不明显。晚上日光灯环境下输出信号电压值更低,几乎接近0,根本无法辨别赛道信息。解决该问题的简单有效的方法就是增大输出电压,即放大输出信号,系统采用运放来放大AO输出信号[2]。其电路原理如图3所示。由式( 1) 可以得出电压增益( 放大倍数) Av= 11。
3软件设计
3.1曝光时间(积分时间)计算
如果竞赛环境各个方向的光线均匀一致,则可以在赛车出发前根据环境光线调节一个合理的曝光时间,以得到合理的输出,这样赛车就能采用一个固定的曝光时间跑完全程。实际赛场会有场馆的窗户、赛道上方的灯光等光源,投射在赛道上的光线也并不均匀一致。所以需要赛车在赛道上适时地、动态地调整曝光参数。从TSL1401CL的工作时序可以看出曝光量和串行输入( SI) 有关,所以系统中通过动态调整SI的周期实现曝光量的自动调整,该计算策略如图4所示。
从图4可以看出,该计算策略是一个典型的闭环控制,实际曝光量由上一次线性CCD捕获的白色赛道上的像素数据的平均值( pixel_average) 得到。与设定的SI周期比较得出偏差E,根据偏差E调节本次曝光所需的SI周期,使之达到适应环境的目的。
3.2像素二值化处理
为了准确判断黑线的位置以及减弱赛道上噪点的干扰,需将CCD采集的图像进行二值化处理,把模拟信号转换成0和1的二值信号,便于后期的数据处理。处于黑线上像素点的模拟量( 灰度值) 远远小于处于白线上像素点的模拟量,故选取处于黑线和白线两个模拟量之间的一个值作为阀值。灰度值大于该阀值为1,反之为0。图像的阀值变换函数为[4]:
由于赛场光线的不均匀,该阀值T也需要根据光线的强弱而变化,即动态阀值。原理是计算出上一次采集的白线灰度值的平均值,再将该值乘以一个系数作为当前场的阀值,以适应不同的光照条件。
如图5所示,将数据发送至Lab VIEW软件编写的上位机可以看到该方法具有良好的效果。
3.3赛道偏差计算
赛道偏差计算采用边缘检测法,即扫描像素二值化之后0和1的跳变沿。可通过单边扫描和从中心向两边扫描两种方式实现,如图6所示。
由于赛道引导线处于赛道两边,若采用单边检测容易出现左右两边引导线混淆的情况,故系统中采取从中心向两边扫描的方式,左右两边同时寻找从1跳变到0的像素点位置。第64个像素点向第1个像素点扫描,得到左边引导线的位置Error_L,第65个像素点向第128个像素点扫描,得到右边引导线的位置Error_R,Error_L和Error_R符号相反。从中心到两边分别取值为64 ~ 1和 - 64 ~ - 1,赛道偏差Error = Error_L + Error_R。当小车处于直道时Error_L与Error_R互为相反数,此时Error = 0; 当小车处于弯道时Error_L与Error_R绝对值不同, 两个值求和之后就可以计算出赛道偏差,用于后期数据处理。由于小车驱动电机的反应具有滞后性,高速行驶于弯道时容易出现第64个像素点与第65个像素点同时落在黑线上的情况,如图7( a) 所示。此时从中心到两边像素点都没有从1到0的跳变,Error就为0,从而出现丢线的情况。为了避免这种情况的发生,采用浮动中心点的方法,即扫描并不是固定的从第64和65个像素点向两边进行,而是根据上一次的赛道偏差计算出本次扫描的起始位置。如图7( b) ,当小车处于左转弯时扫描起始位置向左移动,反之向右移动。实验证明用该方法很好地避免了因扫描中心点落在黑线上而导致的丢线。如图8所示,此方法也增大了Error的范围。这使得小车在转向时具有更好的连续性。
4结语
智能机器人路径规划方法研究 篇4
路径规划技术是机器人研究领域中的一个重要课题。所谓机器人的最优路径规划问题, 就是依据某个或某些优化准则 (如工作代价最小、行走路线最短、行走时间最短等) , 在其工作空间中找到一条从起始状态到目标状态的能避开障碍物的最优路径。
根据路径规划所使用的方法及原理, 不同, 将移动机器人路径规划分为两种类型:传统路径规划方法与智能路径规划方法。
2 传统路径规划方法
2.1 可视图法
可视图法视移动机器人为一点, 将机器人、目标点和多边形障碍物的各顶点进行组合连接, 并保证这些直线均不与障碍物相交, 这就形成了一张图, 称为可视图。由于任意两直线的顶点都是可见的, 从起点沿着这些直线到达目标点的所有路径均是运动物体的无碰路径, 搜索最优路径的问题就转化为从起点到目标点经过这些可视直线的最短距离问题。这种方法虽然能保证在三维以下构形空间中求出最短安全路径, 但是不能推广到更高维的空间中。切线图法和Voronoi图法对可视图法进行了改造, 其缺点是如果控制过程中产生位置误差, 规划物与障碍物发生碰撞的概率很高。
2.2 栅格解耦法
栅格解耦法是目前研究最广泛的路径规划方法。该方法将机器人工作环境分解成一系列具有二值信息的网格单元, 称为栅格。用尺寸相同的栅格对机器人的二维工作空间进行划分, 栅格的大小以机器人自身的尺寸为准。若某个栅格范围内不含任何障碍物, 则称此栅格为自由栅格;反之, 称为障碍栅格。自由空间和障碍物均可表示为栅格块的集成。栅格的标识方法有两种:直角坐标法和序号法, 多采用四叉树或八叉树表示工作环境, 并通过优化算法完成路径搜索。该法以栅格为单位记录环境信息, 环境被量化成具有一定分辨率的栅格, 栅格的大小直接影响着环境信息存储量的大小和规划时间的长短, 栅格划分大了, 环境信息存储量小, 规划时间短, 但分辨率下降。在密集环境下发现路径的能力减弱, 栅格划分小了, 环境分辨率高。在密集环境下发现路径的能力强, 但环境信息存储量大, 规划时间长, 可以采用改进的栅格法弥补原栅格法的不足。
2.3 图搜索法
图搜索方法中的路径图由捕捉到的存在于机器人一维网络曲线 (称为路径图) 自由空间中的节点组成。建立起来的路径图可以看作是一系列的标准路径。而路径的初始状态和目标状态同路径图中的点相对应, 这样路径规划问题就演变为在这些点间搜索路径的问题。通过起始点和目标点及障碍物的顶点在内的一系列点来构造可视图。连接这些点, 使某点与其周围的某可视点相连 (即使相连接的两点间不存在障碍物或边界) 。然后机器人沿着这些点在图中搜索最优路径。
2.4 人工势场法
人工势场法是由Khatib提出的一种虚拟力法。其基本思想是将移动机器人在环境中的运动视为一种虚拟人工受力场中的运动。障碍物对移动机器人产生斥力, 目标点产生引力, 引力和斥力周围由一定的算法产生相应的势, 机器人在势场中受到抽象力作用, 抽象力使得机器人绕过障碍物。该法结构简单, 便于低层的实时控制, 在实时避障和平滑的轨迹控制方面, 得到了广泛应用。其不足在于存在局部最优解, 容易产生死锁现象, 因而可能使移动机器人在到达目标点之前就停留在局部最优点。
3 人工智能路径规划技术
近年来, 随着遗传算法等智能方法的广泛应用, 机器人路径规划方法也有了长足的进展, 许多研究者把目光放在了基于智能方法的路径规划研究上。其中, 应用较多的算法主要有模糊方法、神经网络和遗传算法。
3.1 模糊逻辑算法
模糊逻辑是研究模糊命题的逻辑, 它是二值逻辑的推广, 是对经典的二值逻辑的模糊化。模糊逻辑算法基于对驾驶员的工作过程观察研究得出, 驾驶员避碰动作并非对环境信息精确计算完成的, 而是根据模糊的环境信息, 通过查表得到规划出的信息完成局部路径规划。优点是克服了势场法易产生的局部极选问题, 对处理未知环境下的规划问题显示出很大优越性, 对于解决用通常的定量方法来说是很复杂的问题或当外界只能提供定性近似的、不确定信息数据时非常有效。假设检测的是障碍物与机器人的距离和障碍物的运动信息, 输出机器人速度变化和转角变化。其缺点是当障碍物数目增加时, 该方法的计算量会很大, 影响规划结果。
3.2 神经网络法
将神经网络和模糊数学结合可实现移动机器人局部路径规划。先对机器人传感器信息进行模糊处理, 总结人的经验形成模糊规则, 再把模糊规则作用于样本, 对神经网络进行训练。通过学习典型样本, 把规则融会贯通, 整体体现出一定智能。实际中允许输入值偏离学习样本, 只要输入接近一个学习样本的输入模式, 则输出也就接近该样本输出模式。
3.3 遗传算法
遗传算法以自然遗传机制和自然选择等生物进化理论为基础, 构造了一类随机化搜索算法, 利用选择、交叉和变异编制控制机构的计算程序, 在某种程度上对生物进化过程作数学方式的模拟。只要求适应度函数为正, 不要求可导或连续, 同时作为并行算法, 其隐并行性适用于全局搜索。多数优化算法都是单点搜索, 易于陷入局部最优, 而遗传算法却是一种多点搜索算法, 故更有可能搜索到全局最优解。遗传算法的整体搜索策略和优化计算不依赖于梯度信息, 解决了一些其它优化算法无法解决的问题。遗传算法运算速度不快, 进化众多的规划要占据较大存储空间和运算时间。优点是克服了势场法的局部极小值问题, 计算量不大, 易做到边规划边跟踪, 适用于时变未知环境的路径规划, 实时性较好。
4 结论
目前, 移动机器人的路径规划方法在完全已知环境中能得到令人满意的结果, 但在未知环境特别是存在各种不规则障碍的复杂环境中, 却很可能失去效用。所以如何快速有效地完成移动机器人在复杂环境中的导航任务仍将是今后研究的主要方向之一。而随着机器人应用领域的扩大, 对规划技术的要求也越来越高, 传统的单一路径规划方法显然已经不能满足需要, 多传感器信息融合条件下的路径规划、多机器人协调工作条件下的路径规划等全局路径规划与局部路径规划的结合、传统规划方法与新的智能方法之间的结合已经成为当前研究热点与难点。
参考文献
[1]Podsedkowski L, Nowakowski J, Idzikowski M, et al.A new solution-for path planning in partially known or unknown environment for non-holonomic mobile robots[J].Robotics and Autonomous Systems, 2001, 34 (2/3) :145-152.
[2]欧青立, 何克忠.室外智能移动机器人的发展及其相关技术研究[J].机器人, 2000, 22 (6) :519-526.
[3]戴博, 肖晓明, 蔡自兴.移动机器人路径规划技术的研究现状与展望[J].控制工程, 2005, 12 (3) :198-202.
[4]成伟明, 唐振民, 赵春霞, 等.移动机器人路径规划中的图方法应用综述[J].工程图学学报, 2008, (4) :6-14.
[5]张捍东, 郑睿等.移动机器人路径规划技术的现状与展望[J].系统仿真学报, 2005:17 (2) :439-443.
智能路径优化方法 篇5
关键词：玉米收获机器人,路径识别,图像处理
0 引言
玉米是我国主要粮食作物之一, 每年播种面积达2 500万hm2, 其收获作业是生产链中最耗时和最费力的一个环节, 作业季节性强, 劳动强度大[1]。随着农业生产的规模化、多样化和现代化发展, 玉米收获的机械化、自动化和智能化将逐渐占有举足轻重的地位[2]。玉米智能收获机器人的研究开发可以大大降低农民的劳动强度, 提高劳动生产率。因此, 国内外都在积极研究具有自动行走性能的玉米联合收割机—玉米智能收获机器人。
机器人路径识别是其关键技术之一, 具体方法有多种:陈中伟等用高压巡线获得机器人路径[3];李云翀等用激光雷达得到移动机器人的导航路径[4];杨世胜等通过电磁诱导获得农用喷雾机器人的路径[5]等, 但以上的路径识别方法都有一定的局限性, 受距离和环境的影响较大。数字图像处理具有信息量大、传输距离远、传输速度快、抗干扰能力强和应用范围广等特点。近年来, 随着农业信息化的发展, 该技术在农业领域的应用也越来越深入。本文将重点介绍数字图像处理技术在玉米智能收获机器人路径识别的应用研究[1]。
1 玉米垄行图像的获取
玉米智能收获机器人在田间作业时, 其行走的特征之一是基本上沿着玉米垄行行走, 故本文将玉米垄行确定为该机器人的行走路径, 然后通过数字图像处理技术自动获取此路径, 为实现自动行走奠定基础。
本文通过安装在收获机上的CCD摄像机实时地获取垄行的图像, 再通过远程传输模块把采集到的图像传递给PC机上的接收模块。该图像的传输网络建立在现有的远程遥控农业机器人作业平台基础上。实现该传输网络的硬件系统组成如图1所示, 包括CCD摄像机、视频编码器、图像远程传输模块、图像接收模块和PC机。CCD摄像机采用防抖动、体积小和结构紧凑的图像采集器。摄像头将采集到的模拟图像信号通过视频编码器转换成数字信号, 再进行压缩, 使得图像传输更加流畅, 并且显示更加清晰、细腻。无线传输模块把经编码器处理后的数字视频信号通过无线网络传递给无线接收模块;无线接收模块再把得到的数字信号传递给PC机, 由PC机上的数字图像处理软件对得到的图像进行灰度处理;然后适当二值化, 形成二值文件 (二值化阈值需根据玉米地环境、天气情况和光照强度等实际情况来选定) ;对二值文件进行去噪、填充和边缘提取等处理, 最终获得玉米智能收获机器人行走路径。
2 玉米垄行的路径识别
该路径识别的图像处理程序是由Visual C++编程软件编写的, 在VC++下能够更加有效地使用GDI, 实现对图形图像的操作。此外, VC++提供了非常方便的动态链接库编程向导, 支持正规DLL的编写, 提高软件的重用性和编程效率, 从而提高了图像处理的灵活性和实时性。图像处理软件的流程如图2所示。
2.1 玉米垄行图像的灰度化
由于获得的图像为真彩色BMP文件, 每个像素点用3个数值来描述它的特征, 数据量很大, 影响实时处理, 所以必须将彩色的信息投影到灰度空间上。图像灰度化的最常用方法是加权平均值法, 即
R=G=B=R×WR+G×WG+B×WB
实践和理论推导表明, 当WR=0.30, WG=0.59, WB=0.11时, 可得到最合适的灰度图像。原始图像和经灰度化后的图像分别如图3和图4所示。
2.2 玉米垄行图像的二值化
二值图像是只有两个灰度值的图像, 它的灰度值只有0和1两种 (一般用0表示黑色, 1表示白色) 。灰度为0的像素称为0-像素, 灰度值为1的像素称为1-像素, 二值图像则由若干个0-像素与若干个1-像素组成。
灰度图二值化的关键是选择好分割阈值。本文二值化阈值需根据玉米田间环境、天气情况和光照强度等实际情况来选定, 把玉米垄行和背景及杂质分开, 得到所需的信息, 二值化处理公式为
式中 a—分割阈值, 具体根据反复试验确定, 本试验确定为128。
灰度图经二值化后的图像如图5所示。
2.3 玉米垄行图像的去噪
图像在输入、传送和处理过程中受到干扰会形成噪声, 并且会降低图像质量, 导致图像处理困难和不良视觉效果。因此, 在进行图像处理的过程中应该要进行去噪处理, 从而消除噪声, 抑制干扰。
本文研究的主要目的是获取玉米智能收获机器人的行走路径。该实验假设除垄行以外的图像信息均为噪声, 通过高斯滤波、中值滤波和均值滤波等处理, 最后选用效果最好的8邻域均值滤波器, 其卷积核为
均值滤波器为
式中 f (i, j) —原始含噪图像;
g (i, j) —去噪后图像。
该方法滤波后可以显著改善图像质量。去噪后的图像如图6所示。
2.4 玉米垄行图像的膨胀
去噪后的图像中一般有较多细小的黑团块。利用形态学二值膨胀滤波器可以消除这些小面积区域, 并能消除区域边界上较小的断裂, 改善二值图像的质量。二值膨胀滤波器选用的是简单快速的3×3模板对白像素进行膨胀运算。
经过二值去噪膨胀后, 农作物图像中大面积均质区域已被提取出来。它们一般与图像中的大片农作物对应, 表现为二值图像中的黑团块。图像通常还有一部分小面积黑团块, 而与其相邻的垄行等景物则表现为白团块。再采用对黑像素作连通标记的方法将低于给定面积阈值的小面积黑团块予以剔除。经以上处理后, 垄行基本上同其他的背景分开。膨胀后的图像如图7所示。
2.5 玉米垄行的检测及识别
玉米垄行的检测及路径是本文研究的核心内容。在图像处理中, 一般认为灰度发生急剧变化的点即为边缘, 在频域中则表现为高频分量。边缘主要存在于目标与目标、目标与背景以及区域与区域之间, 是图像分割、纹理特征提取和形状特征提取等图像分析的重要基础。由于边缘与场景中玉米的重要特征对应, 所以它是很重要的图像特征。以下是用几种不同的算法进行图像的路径识别。
2.5.1 用Roberts边缘算子进行垄行的检测及识别
Roberts边缘算子根据任意一对互相垂直方向上的差分可用来计算梯度的原理, 采用对角线方向相邻两像素之差, 计算出Roberts的梯度幅值R (i, j) , 适当取门限TH, 做如下判断
R (i, j) >TH
式中 (i, j) —阶跃状边缘点;
{R (i, j) }—边缘图像。
提取的结果如图8所示。
2.5.2 用Log边缘算子进行垄行的检测及识别
Log边缘算子是二阶微分算子, 它是向量, 也进行各向同性的运算, 并对灰度突变敏感。由于Log边缘算子是二阶差分运算, 所以在灰度阶跃边缘的两侧均有响应。其值一边为正, 一边为负, 而对斜坡形边缘响应为0 (即值为0) , 并且在此0值点的两侧也有一正一负两个峰值。无论是阶跃边缘, 还是斜坡边缘, 这一正一负两峰值的大小及走向反映了边缘的强弱及走向。提取的结果如图9所示。
2.5.3 用Prewitte边缘算子进行垄行的检测及识别
Prewitte边缘算子对数字图像{f (i, j) }的每个像素, 考察它上下、左右邻点灰度之差。计算出Prewitte边缘算子P (i, j) , 适当取门限TH, 做如下判断
P (i, j) >TH
式中 (i, j) —阶跃状边缘点;
{P (i, j) }—边缘图像。
提取结果如图10所示。
Roberts算子采用对角线方向相邻两像素之差近似梯度幅值检测边缘, 但对噪声敏感。Log算子是二阶微分算子, 利用边缘点处二阶导函数出现零交叉原理检测边缘, 不具方向性, 对灰度突变敏感, 同时对噪声敏感, 且不能获得边缘方向等信息。Prewitt算子利用像素点上下、左右邻点灰度差, 在边缘处达到极值检测边缘, 对噪声具有平滑作用, 定位精度高。从图8、图9和图10中也可以看出, 该实验用Prewitte算子进行路径识别的效果最好。
3 结束语
计算智能方法的优化机理研究 篇6
计算智能方法是科学家们用数学方式对自然界的进化过程或生物的某种行为进行抽象简化模拟而形成的一类优化方法。它已在众多工程领域中显示了良好的应用前景。它属于典型的随机优化算法, 同其实际应用相比, 其理论方面的研究, 还处于探索阶段。
1 遗传算法基本流程
遗传算法作为一类随机优化算法受到各学科研究人员的普遍重视。基本遗传算法的主要执行步骤为: (1) 随机产生由定长字符串 (问题解表示为数字串的形式编码) 组成的初始群体, 并计算群体中每一个体串的适应度; (2) 判断是否满足终止条件, 如满足则输出结果, 否则执行下述步骤; (3) 按给定的交叉概率执行交叉操作; (4) 按给定的变异概率执行变异操作; (5) 返回步骤 (2) 。
2 进化规划寻优机理分析
2.1 进化规划
进化规划由美国学者L.J.Fogel提出, 适用于解决目标函数或约束条件不可微的复杂的非线性实值连续优化问题。进化规划与遗传算法在原理上相似, 但在具体实现方面有差别。其中最为显著的区别是进化规划中不采用交叉算子, 仅通过变异操作来维持两代之间的联系。其基本步骤为: (1) 编码:对要求解的问题以数字串的方式进行编码; (2) 产生初始种群; (3) 应用式 (1) 对父代个体进行变异产生子个体;
(4) 计算子个体的适合度值; (5) 采用竞争选择的方法选出新一代种群, 返回 (3) , 重复此过程, 直到满足一定的收敛准则。
2.2 进化规划寻优机理
进化规划相对于其自然界生物进化的客观实际而言, 其数学基础要薄弱一些。目前很多研究集中在算法的收敛性方面。同分析标准遗传算法类似, 对采用浮点数编码的方式分析时, 认为编码长度及种群规模均在有限空间内, 且认为进化规划的Markov链是有限维的。经随机过程分析, 在经过m代进化后, 进化规划将达到如下的一个状态:
式中:PmEP为m代转移矩阵;H*为每一个状态初始概率的1× (t+1) 阶行向量;T为严格正的t×1阶转移子矩阵;Nm为t×阶转移子矩阵的多项式表达。其吸收概率为:
式 (2) 表明了一种概率收敛, 但进一步暗示了以概率1收敛。
在进化规划寻优机理研究方面, 国内学者尝试提出建立种群微分方程来研究进化规划的动态寻优过程。该研究针对进化种群, 以种群在线性能及种群离线性能作为研究对象, 综合考虑变异与选择操作对一个种群进化的影响。采用离散变量连续化处理方式, 建立相关微分方程来揭示一个有限空间内, 某一种群在线、离线性能在环境中的演化情况。通过为该微分方程的解及稳定性分析, 得出了一些有意义的结论。同样, 目前的研究都是在理想的假设条件下进行的, 旨在揭示优化过程的基本物理含义是初步的、探索性的工作。
3 蚁群算法基本理论与收敛性分析
3.1 基本蚁群算法
蚁群算法是模拟自然界中真实蚁群的觅食行为而形成的一种模拟进化算法。它采用有记忆的人工蚂蚁, 通过个体之间的信息交流与相互协作来找到从蚁穴到食物源的最短路径。蚁群算法的基本原理描述如下:
(1) 初始化蚁群算法并设定相应的参数。
(2) 选择城市。蚂蚁从某城市出发, 按照下述转移概率选择下一个城市。
式中, τij (t) 表示t时刻在路径ij上的信息量;ηij=1/dij, dij (i, j=1, 2, …n) 表示城市i和城市j之间的距离, 为启发式因子, 表示由城市i转移到城市j的期望程度;tabu (k) 为tabu表, 用以记录蚂蚁k已经走过的城市, 它随着进化过程做动态调整, 蚂蚁在后来的运动中不能选择那些已记录在tabu表中的城市;s表示蚂蚁k下一时刻所允许转移的城市, 即不在tabu表中的城市;α, β分别表示蚂蚁在运动过程中所积累的信息及启发式因子在蚂蚁选择路径的过程中所起的不同作用。蚂蚁按照上述状态转移规则选择城市并最终形成一条封闭路径, 当所有的蚂蚁完成了它们的闭合路径后, 即一次迭代结束, 利用全局信息更新规则来更新路径的信息量, 再开始下一次迭代直到达到最大迭代次数或最大停滞次数。
(3) 全局信息更新原则。算法完成一次迭代后, 各路径信息量的更新应遵循如下的全局信息更新原则:
式中:ρ表示信息残留的程度, 即信息素挥发系数;Q为常数;Lk为第k只蚂蚁在本次循环中所走过的路径的长度。
3.2 蚁群算法收敛性分析
目前, 蚁群算法在很多NP难问题的应用中取得了一定的成功, 但在理论分析方面仍有一定的欠缺。国外学者从图论、极限理论对蚁群算法进行了收敛性分析。证明过程都是比较基本、笼统的。国内学者在此方面也进行了深入的研究, 并考虑了算法中某些参数的影响。经适当的假设和分析, 可得到如下初步、基本的结论:
(1) 设蚂蚁数为m, 并令Xmin为所要求解问题的最优值 (最短路径长度) , 如果在t*次迭代时, 找到最优解X*, 则对于坌 (i, j) X*路径上的信息量τ*ij在足够长的迭代次数下, 必有:
对于任何路径ij上的信息量τij在足够长的迭代次数下, 存在:
(2) 对于任何路径ij上的信息量τij, 在有限的迭代次数下, 存在:
(1) 和 (2) 说明了对于任何路径ij上的信息量都有:
类似地, 可以证明:该算法在有限迭代次数下以概率1-ε (ε是一个很小的正数) 找到全局或局部最优解 (至少一次) 。如果迭代时间足够长, 将以概率1收敛于全局或局部最优解。
4 结束语
本文探讨了计算智能方法中的遗传算法、进化规划和蚁群算法的寻优机理及收敛性分析。这对于真正认识此类方法内在优化机制、有效进行算法改进, 进一步提高算法的解题效率提供了一定的理论基础。需要说明的是, 由于此类方法具有很强的随机、不确定性, 目前的研究大多数是在理想条件下进行的, 某些结论值得进一步商榷。总之, 计算智能方法的理论研究仍处于探索阶段, 其动态优化机理及收敛性证明有待进一步研究。
参考文献
[1]J H HOLLAND.Adaptation in Natural and Artificial Systems[M].Michigan:The University of Michigan Press, 1975.
[2]H P SCHWEFEL.Evolution and Optimum Seeking[M].America:John Wiley&Sons, 1994.
[3]DAVID B FOGEL.An Introduction to Simulated Evolutionary Opti-mization[J].IEEE Trans on Neural Networks, 1994 (1) .
[4]石立宝, 徐国禹.进化规划动态寻优机理分析[J].数学的实践与认识, 2002 (5) .
[5]MARCO DORIGO, VITTORIO MANIEZZO, ALBERTO COLORNI.Ant system optimization by a colony of cooperating agent[J].IEEE Trans.On System, Man and Cybernetics-Part B, 1996 (1) .
[6]WALTER J.GUTJAHR.A graph-based ant system and its conver-gence[J].Future Gener.Comput.Syst, 2000 (8) .
[7]THOMAS ST TZLE AND M.DORIGO.A short convergence proof for a class of ant colony optimization algorithms[J].IEEE Trans.Evol.Comput, 2002 (4) .
智能路径优化方法 篇7
中国自20世纪90年代末开始进行电力市场改革,在积累了一些电力市场实际运行经验的同时,也经历过一系列市场危机。电力市场的特殊性在于其交易既要遵从电力电量的实时平衡、电网安全约束等电力系统的物理规律,也要遵从市场的经济学规律,同时还受到市场参与者主观意愿和群体行为特征等潜在的非物理因素的影响,多种因素之间彼此交叉给电力市场的研究带来了很大的挑战。
当前对于电力市场的研究主要是从宏观上进行定性分析:研究国外电力市场在发电侧和售电侧引入竞争、建立市场的基本模式,进而结合中国电力市场建设发展的需求提出相关建议[1]。有的是建立电力市场的评价指标体系[2,3],分析电力市场效率与相关市场机制之间的作用[4];有的是研究从需求侧响应角度分析电力市场的运行状况[5,6];有的是站在智能电网与可再生能源大规模并网的背景下,研究电力市场的改革思路与效率提高的方法[7,8]。而对于电力市场的定量研究则相对较少,文献[9-10]均是基于复杂系统对电力市场进行仿真建模,文献[11]还在此基础上选用了代数方程、微分方程、差分方程来提取电力市场的有界稳定性信息及结构稳定性信息。以上研究对电力市场的发展起到了一定的促进作用,但是,这些对电力市场的分析方法大多直接根据观测指标进行建模,忽略了电力市场受到主客观因素等潜在变量及其之间的相互影响。
电力市场建设的成败需要站在更高、更宏观的角度上,建立电力市场实践过程中的“输出量”与“输入量”之间的定量关系模型。电力市场实践的“输出量”指电力市场的实际运行状况;“输入量”指市场供需、市场结构、市场规则等内部影响因素,以及参与者心理等外部影响因素。建立电力市场的运行效率与各类影响因素之间的定量关系模型,分析“输出量”与“输入量”间的影响关系,才能实现进一步的“反馈控制”,对未来的电力市场设计提供指导,而这类影响往往是不能直接通过数据获得的,这就使得以往模型的显著性缺乏一定的可信度。
本文提出的结构方程模型能够有效地挖掘和描述影响电力系统运行的潜在变量及其相互作用,更好地分析电力市场效率优化的途径。结构方程模型非常适用于电力市场效率的建模,其原因在于:①影响电力市场效率的各类分析评价指标众多,需要一种定量的分析方法,对众多指标中蕴含的信息进行提炼,而因子分析则提供了有效的分析手段;②影响电力市场效率的各影响因素间的关系错综复杂,路径分析能够对各类因素间的因果关系、相互作用关系进行假设检验;③电力市场的运行状况,受到交易者主观报价意愿的影响,而心理因素、群体行为的分析正是结构方程模型应用最广泛的领域[12]。因此,采用结构方程模型可以有效地量化影响电力市场效率的因素,为电力市场的进一步发展提供借鉴。
1 结构方程原理
结构方程模型是因子分析与路径分析的结合体,其核心的概念由两部分组成:第一部分是建立潜在变量的测量模型,用一些可观测变量来推测和反映潜在变量的变化特征,其构成的数据模型是因子分析[13]。潜在变量的测量模型如图1所示。
测量模型可分为外生变量的测量模型和内生变量的测量模型,相应的方程可表示为:
式中:X和Y分别为外生和内生指标;η和ξ分别为内生和外生潜在变量;δ 和ε 分别为X和Y的测量误差;ΛX为X指标与外生潜在变量ξ的关系;ΛY为Y指标与内生潜在变量η的关系。
第二部分是建立结构关系模型,反映的是各潜在变量之间相互作用的关系,其数学模型是路径分析,示意图如图2所示。
路径分析主要是根据不同的专业知识,对模型中各个变量之间的相互关系做出一定的假设,然后按照因变量个数分别拟合各自的线性回归方程,通过回归系数来确定变量间的影响关系的大小,结果通常以图形来描述。
结构模型的方程表示为:
式中:β为内生潜在变量间的关系;Γ 为外生潜在变量对内生潜在变量的影响;ζ为模式内未能解释的部分。
结构方程主要用于变量间的因果分析,根据一定的理论和假设,建立起相应的因果模型,并允许模型中含有自变量、中间变量、潜在变量,同时容许各变量有测量误差,借助于这个因果模型,就可以对复杂的因果结构关系进行合理的分析和解释。
2 电力市场的结构方程建模方法
中国自20世纪90年代末开始进行电力市场改革,先后经历了省级试点电力市场、区域电力市场、三级电力市场等几个不同阶段的尝试,积累了一些电力市场的实际运行经验,但同时也经历过一系列的市场危机,主要体现在如下方面。
1)电力市场缺乏竞争性
中国省级试点电力市场和本文所研究的东北区域电力市场,都是单一买方市场,市场成员数量较少,类型简单。买方只有省级电网,卖方是参与竞价的电厂。在一个省范围内,竞价电厂数量约十家左右,隶属于3~5个发电集团,容易形成串谋,利用市场力操纵价格。实践经验已经充分表明,省级电力市场和东北区域市场中,都存在不同程度的市场力,缺乏有效竞争。
2)电力市场缺乏稳定性
当电煤市场化之后,发电企业成本受煤价影响不断波动,但是由于煤电价格联动政策不科学、不及时,销售电价和上网电价不能联动,煤价引起的电价波动,不能合理传递到电力用户影响电力需求,也无法反馈到发电企业和煤炭企业。因此电力市场需求呈现刚性,不随上网电价的变化而变化;缺乏电力需求对价格的反馈调节作用下的发电上网电价,更多地取决于发电企业的报价意愿,缺乏稳定性和合理性。
3)电力市场低效率
由于存在上述两方面的缺陷,市场缺乏竞争性、稳定性,造成电力市场的效率低下,价格对供需情况的真实反映、价格对供需的调节能力都存在重大的缺陷。
影响电力市场的因素有很多,既有能够直接得到的可观测变量,又有无法观测的潜在变量。而结构方程可以通过概念模型搭建起可观测变量和潜在变量之间的路径关系,能够充分考虑它们彼此之间的相关或因果关系,提高模型的可信度和整体适用性。同时根据概念模型得到评测图,总结出电力市场效率优化的途径。根据电力市场的特点,本文提出的建模流程如图3所示。
2.1 定义关键指标
本文根据电力市场运营的内涵对以往学者从不同角度提出的指标体系[14]进行综合归纳,选取了11个反映电力市场运营效率的指标来进行分析,具体指标及其含义如表1所示。
2.2 因子分析选取潜在变量
因子分析是一种可以在众多变量中提取隐藏的具有代表性因子的统计技术。通过研究多个观测变量间相关系数矩阵(或协方差矩阵)的内部依赖关系,找出综合所有变量的少数几个潜在变量因子,并可以描述潜在变量与可观测变量之间的层次及隶属关系[15]。
具有q个公共因子的因子模型可以用矩阵方程表示为:
式中:X=[X1,X2,…,Xp]T,为p维随机可观测变量,满足E(X)=μ,其中E(·)为取期望值函数,μ=[μ1,μ2,…,μp]T;F = [F1,F2,…,Fq]T,为q(q<p)个潜在变量(公共因子)组成的随机向量;ε=[ε1,ε2,…,εp]T,为对应于X的测量误差向量,表示了变量X不能被潜在变量所解释的部分;L=(lij)p×m,为因子载荷矩阵,其元素lij表示第i个观测变量Xi在第j个公共因子上的载荷。
2.3 构建结构方程模型
电力市场效率是电力市场建设的核心问题,评价电力市场的运营效率目的不仅仅是测算市场的效率值,更重要的是揭示影响市场运营效率的主要因素[14],使中国电力市场运营者在今后的运营活动中更加重视这些因素,进一步优化市场的运营效率。根据因子分析获得的公因子,就可以得到支配11个电力市场关键指标背后的潜在变量,运用AMOS软件即可搭建初步的路径模型,并计算和输出模型的估计和检验信息,还可以根据相应的修正系数对模型进行完善,进而得到最终的路径图和路径系数。
2.4 结构方程模型的估计和检验
结构方程模型的估计是基于变量间的协方差结构进行的。它不是追求尽量缩小样本每一项记录的拟合值与观测值之间的差异,而是追求尽量缩小样本观测到的方差协方差值与模型拟合的方差协方差值之间的差异[15]。
模型设定的好坏取决于能否通过各项检验,结构方程模型主要考察的是设定的模型与资料的匹配程度,因此模型的检验集中在整体拟合优度的检验上。常用的检验指标主要有以下几种。
1)卡方检验:是最常用的模型评鉴方式,反映了结构方程假设模型的导出矩阵与观察矩阵的差异程度。卡方值的导出式如下:
式中:T为模型拟合度的检验值;N为样本数;Fmin为以各种不同参数估计方法所得到的拟合函数最小函数估计值。
卡方检验的虚无假设为理论矩阵与观察矩阵没有差异。当T值达到显著水平,代表虚无假设不成立,模型拟合度不佳;反之,当T值未达显著水平,代表虚无假设成立,模型拟合度良好。
2)拟合指数:常用的模型拟合指数有GFI,AGFI,PGFI,其含义及应用如表2所示。
3)替代性指数:常用的替代性指数主要有CFI和RMSEA,其含义及应用如表3所示。
3 算例分析
本文根据2004至2005年东北区域电力市场的实际运行相关数据,对2.1节中提出的11个影响电力市场效率的指标进行分析,将因子分析与路径分析相结合,对电力市场效率的优化方法进行研究。
3.1 因子分析确定潜在变量
运用SPSS软件,对3.1节中提出的11个指标做因子分析。得到适宜度检验表如附录A表A1所示。可知,Bartlett球度检验的精确P值显著小于0.05,则应拒绝原假设,说明相关系数矩阵不太可能是单位阵,适合做因子分析;KMO(Kaiser-Meyer-Olkin)统计量为0.674,说明各个变量相关性较强,比较适合做因子分析。
得到累计方差贡献表如附录A表A2所示。可知,前三个变量对方差变异的解释高达81.335%,而后边的8个变量对方差的解释显著降低,由此可知,提取三个公因子是比较合适的。
同时,得到旋转因子矩阵如附录A表A3所示。因子旋转是为了使每个变量的载荷都尽可能集中在某个因子上,以使公因子更易于解释。通过因子旋转,得到了11个指标在3个因子上的新载荷。根据各指标的含义可以定义3个影响电力市场效率的潜在变量。
其中:电力市场的竞争性反映市场竞争的激烈程度,通过供需、结构、报价意愿、中标情况等多个侧面来反映;电力市场的稳定性反映市场成交情况的平稳性,通过一些效率、效益、成交情况等指标来体现;电力市场的有效性是指市场价格信号能够正确反映市场供需、市场结构的动态变化。
竞争性、稳定性和有效性,是电力市场中三个潜变量,无论从逻辑推理还是经验观察,电力市场的有效性、竞争性和稳定性这三方面因素客观存在且密切相关。但这三方面因素都无法通过某一个明确的指标来表征,因此,通过归纳11个可观测变量来反映这三方面潜在变量,并构建结构方程模型来揭示和展现其内在联系。潜在因子支配表如表4所示。
3.2 电力市场的结构方程模型的搭建
根据11个可观测指标的定义及电力市场的交易行为可知,电力市场的供需比、集中度、TOP4份额、市场效率和中标率均在一定程度上反映了市场的竞争性,这是由市场结构所决定的;报高价比例、高价中标率、勒纳指数和市场效益反映了一定的交易竞价策略,而这些直接受到竞争性的影响,间接受到市场结构的影响,反映了市场的稳定性;成交均价与集中度的相关性和成交均价与供需比的相关性间接反映了市场的有效性程度,这是电力市场的竞争性和主观报价策略的共同影响结果。因此,根据3个潜在变量之间的关系,搭建初步结构方程模型路径图如图4 所示。图中,e1至e13为相关量的残差。
3.3 电力市场结构方程模型的搭建
根据本文初步搭建的模型,可以识别并得到模型卡方值为57.7,自由度为41,精确P值为0.040,显然卡方检验的精确P值小于0.05,则拒绝原假设,认为模型的拟合度不佳;同时,RMSEA为0.170,大于经验值0.08,因此需要对模型进行一定的修正。修正指数表如表5所示。
修正指数表示如果在各个变量之间增加相应的路径,卡方也会减少相应的值,从而更好地提高模型的适配性。从上表可以看出,如果将e1与e5建立关联关系,e1与e5的协方差将会减少0.009,卡方值将会减少7.419。根据市场供需比和中标率之间确实存在反向相关的关系,去掉两者之间误差项相关系数为0的约束,将e1与e5建立关系,形成一个新模型。
3.4 模型估计与检验
根据新修正过的模型进行估计可以得到模型各参数的回归系数表如附录A表A4 所示。可以看到,所有数据的 “C.R”绝对值都大于1.96,P <0.001,可以认为各电力市场的回归系数在0.05 的显著性水平上显著地不为0,表明各个电力市场的可观测变量及潜在变量之间的影响是显著的。
修正过的路径图是可以被识别的,且卡方值为48.8,自由度为41,概率值为0.187。概率值大于0.05的临界水平,所以认为理论矩阵与观测矩阵没有差异,模型比较合适。除此之外,拟合度检验GFI为0.932,大于0.9,AGFI为0.908,大于0.9,PGFI为0.504,大于0.5;替代性检验CFI为0.902,大于0.9,RMSEA为0.017,小于0.05,表明电力市场的结构方程模型较好,可以接受。模型的标准化输出如图5所示。
3.5 模型结果分析
根据模型的拟合结果可到如下规律。
1)路径系数反映了各可观测变量对相应潜在变量的敏感程度,路径系数的大小反映了影响程度的大小;路径系数的正负反映了影响的方向。由图5可知,从各个局部的潜在变量和可观测变量而言:在所有计算得到的路径系数中,市场供需比对电力市场的竞争性最为敏感,体现在相应的路径系数最大为0.74,说明电力市场的竞争性显著支配着市场供需比,同时,路径系数为正则说明潜在变量和可观测变量之间的影响是正向的,电力市场的竞争性越高,市场的供需比也越高;电力市场的竞争性高,市场集中度、TOP4份额、中标率越低,市场效率越高。同理可知,市场效益对电力市场的稳定性最敏感,主要且正向支配着市场效益,电力市场的稳定性越好,则市场效益越好,报高价比例和高价中标率也相应增加,勒纳指数降低;而成交均价与供需比的相关性则对电力市场的有效性最敏感,电力市场运营的有效性越强,成交均价与供需比的相关性就越高,成交均价与集中度的相关性就越低。
2)从整体潜在变量之间的关系而言,路径图中潜在变量之间的箭头指向体现了潜在变量之间的因果关系:电力市场的竞争性为外生变量,是“因”,电力市场的有效性则为由外生变量影响的内生变量,为“果”;而电力市场的稳定性既是电力市场竞争性的“果”,也是电力市场有效性的“因”。电力市场的竞争性显著影响了电力市场的有效性和电力市场的稳定性,且路径系数为正表明影响是正相关的,这就说明在实际的市场运作中,市场供需比及市场力等直接影响竞争性的指标也间接影响着市场的有效性和稳定性,而电力市场的监管者可以根据这种正向的影响进行正向的干预,要想提高稳定性和有效性,就要提高电力市场的竞争性。同理,电力市场的稳定性对电力市场的有效性也是正向的影响,说明电力市场稳定性的提高也会相应的提高电力市场的有效性程度。
以上结论,量化解释了电力市场3个潜在变量:电力市场的竞争性、电力市场的稳定性和电力市场的有效性对电力市场各可观测影响指标的作用,与实际经验相符,说明结构方程的建模方法是有效的,可以作为一种发掘市场潜在规律的数学工具。
4 结语
本文结果表明,要想提高电力市场的有效性和稳定性,需要相应地提高电力市场的竞争性,同时电力市场稳定性的提高也有助于提高电力市场的有效性。只有保证电力市场的有效竞争,才能使整个电力市场处于一种稳定运营的状态,才能提高电力市场的整体的稳定性。
本文利用结构方程模型,对电力市场中各类可观测和潜在的影响因素进行建模分析。与传统的直接根据观测指标进行建模的研究方法相比,本文方法能够有效地挖掘和描述影响电力市场运行的潜在变量及其相互作用,运用因子分析对众多观测指标背后的共性因子信息进行了提炼,又结合路径分析对各类潜在变量之间的因果关系和相关关系进行了检验,量化分析了电力市场效率优化的方法,为电力市场的有效运营提供了参考和借鉴。由于数据的限制,未能对更多的影响因素进行一一分析,此后的工作将致力于加入更多的数据指标进行建模,进一步完善模型的适配性。
智能建筑中暖通空调的优化方法 篇8
智能建筑就是将其自身的使用功能、结构布置、系统服务依据客户的需求进行最大化的组合, 从而达到高效、舒适、便利的人性化建筑环境。智能建筑不仅是对传统建筑物功能化的保留更是现代科技日新月异发展的集中体现。智能建筑将建筑技术、计算机终端控制和传输综合运用, 将信息进行整理分析, 通过各种实质性的指令服务于客户。智能建筑的节能是我国改革和发展的迫切要求, 是实现可持续发展的关键。建筑智能化工程由简称5A的自动化组成, 包括:CA (通讯自动化) 、OA (办公自动化) 、BA (楼宇自动化) 、FA (消防自动化) 和SA (保安自动化) 。智能楼宇将5A形成一个有机的整体, 综合管理, 共享信息。智能化的内涵就是将建筑做成既有效果现代化, 使用舒适感也能大幅度降低耗能的建筑。
2 BA控制系统介绍
BA控制系统是英文词组Building Automation System的简称, 它是对楼宇内各种机电设备进行集中管理和监控的综合系统。BA系统由暖通专业的空调新风机组、送排风机;给排水专业的集水坑与排水泵, 电器专业的电梯、变配电、照明等构成。在整个楼宇范围内, 通过整套楼宇自动控制系统及其内置最优化控制程序和预设时间程序, 对所有机电设备进行集中管理和监控。
暖通专业的新风, 送排风在BA系统中占有很大的分量, 它的节能与否关系到整栋建筑的耗能量, 因此我们必须在保障日常工作生活的前提下, 使用控制器代替日常运行维护, 减少设备失控或损坏。
3 暖通空调的优化方法
暖通空调系统优化可以从以下两个方面实现, 第一:在系统内机器运行的参数中找到最佳匹配, 整体效能最佳;第二:对系统及其过程进行定量化的状态模拟, 减少控制环节, 系统响应输出最优化。
首先, 可以合理选用DDC及PID。目前, BA系统的生产厂家可以提供大中小不同处理能力的DDC。就建筑的使用功能而言, 空气处理机、新风机、通风机常常用中小型的控制器即可满足需求, 对于大型的热力站、冷冻机房应优先采用大型控制器来提高控制器间的通讯和降低使用的故障率。PLC可 (编程逻辑控制器件) 既可以用于工业领域也可用在空调通风的现场设备控制工程中。
空气处理机的DDC选择合适的PID参数是空调系统的稳定的重要环节。PID系数低, 达到设定温度的过渡过程较长;PID系数高, 空调对室内温度波动的反应特性曲线陡, 达到设定温度的过渡过程较短, 但这并不是反比例的关系。如果PID系数过高, 会造成DDC控制系统失稳, 产生室内温度的振荡, 造成水侧的电动调节阀周期性的来回运动。PID可以解决日常非热惯性空调场合的控制, 但是对于剧院、大型会议、展览中心, 利用较高的PID系数提高空调机组对负荷变化的响应速度是不可取的。我们可以在空调的送风道和室内安装温度传感器即分别室内的温度设定由主DDC控制器完成, 水阀的驱动由副DDC根据风道温度传感器和主DDC的指令完成。通过双级控制的方式让风道温度变化与房间温度的变化相一致, 加速系统对温度波动的响应速率。在运行使用中, 可以采用多种有效的方式优化控制策略, 节能减排。在商业综合体和综合中, 夏秋季在清晨时通过程序启动空气处理机域新风机, 利用室外凉爽空气对室内全面换气预冷, 既节约新风能耗又提高了室内空气品质;可采用室内外焙值比较法、二氧化碳等污染物浓度检测法确定新风量, 基于日程表的定时操作等。
其次, 合理使用BA中的控制权。BA需要遵从于中央控制站集中管理。这可以充分发挥中央控制的主导性, 但是也应具体情况具体分析。例如:在综合楼中经常会设置大型的会议室, 我们在这些房间内设置独立的空调通风系统的参数, 满足会议的需求。DDC自身并不带有这类分项的功能, 需要用户配合VRV控制面板设定器进行操作。
最后, 优化控制网络和建立BAS监控中心。控制网络是系统中的各个脉络, 它的组成与分支依赖于设计人员的思路。我们希望基于RS485总线或基于Lon Talk总线的控制网络的拓扑结构应尽可能简化、清晰。多分支、多分级的网络会给管理带来许多不便、大大降低其自身的靠性。Lon Talk总线在理论上可以组成任意拓扑结构的网络, 这种随意性并不能当做设计师的任性, 因为如果运用不当, 会造成技术风险的, 加大运营成本。对于Rs485总线的控制网络, 小型工程可用“手拉手”的布线方式, 大型工程可采取楼层网络分级。
BAS监控中心也就是建筑中的核心控制室, 它是整个建筑中的中枢系统, 负责监控整个空调、通风、动力系统。我们经常看到, 为了节约使用面积, 常常将BAS监控中心、消防控制室、安保监控等合并在一起, 这是极为不起党的做法。如果在大型的商业综合体中, 必须存在冷冻机房、锅炉房等, 如果距离较远, 则无法操作这些关键的设备。在设计中, 我们通常在冷冻机房和锅炉房现场控制室另设置一台监控分站, 由该分站负责冷冻机、锅炉监控功能, 并且该分站功能受权局限为冷热源设备。
4 VAV与VRV功能的异同
VAV系统是英文词组Variable Air Volume System的缩写。它作为智能型的控制手段依据房间内部负荷的变化或设定不同参数的变化, 保持恒定送风温度, 自动调节空调系统送风量。这种空调系统具有较强的灵活性, 较多的适用于商场不同的出租柜台, 需要改建的写字楼等。当室内重新装修, 改变隔断时, 参数的改变只需要更换支管和末端装置, 移动风口位置, 有些小的改动甚至可以通过重新设定室内温控器而实现。VAV系统也可以与BA系统实现联网, 通过优化VAV送风静压和新风量的方式, 改善室内空气质量。
VRV系统是英文词组Variable Refrigerant Volume的缩写。它通过控制压缩机的制冷剂循环量和进入室内换热器的制冷剂流量, 适时满足室内冷、热负荷要求的直接蒸发式制冷系统。VRV虽然使房间实现独立设置, 系统可以舒适节能、运转稳定, 但该系统对于生产厂家的材料质量、制造工艺、现场施工等都提出了较高的要求, 因而成本较高。VRV系统的输出容量可以通过改变压缩机的工作状态 (调节制冷剂的温度和压力) 或者室内、外机处的电子膨胀阀调节 (调整送入室内机的冷媒流量和状态) 实现。该系统广泛应用于综合楼或者写字楼中需要单个开启的房间。
我国许多大中城市的综合楼、商业等公共建筑都已实现智能控制, 这充分证明公共建筑的智能化已经成为现代建筑的标准配置。作为一名暖通工程师, 我的专业在智能建筑的节能中发挥着巨大的作用。我们应该将本专业的设计融入到整个建筑设计体系中, 综合考略, 深入调研, 将市场上具有优势的BA系统体现在我们的工程中, 节约能源, 环保减排。
参考文献
[1]隋荣欣.暖通空调系统节能探讨[J].黑龙江科技信息, 2016 (04) .
[2]周蓓.关于暖通空调系统节能设计的探究[J].中国建材科技, 2015 (S1) .
[3]陈雨立.有关暖通空调系统设计中的节能问题研究[J].住宅与房地产, 2015 (22) .
[4]任超, 王记川.基于暖通空调系统在设计中的节能问题分析[J].河南科技, 2014 (01) .