组合建模法（精选7篇）
组合建模法 篇1
0 引言
微球是以白蛋白、壳多糖等为囊壁材料,药物活性成分为囊芯制成的球形给药系统[1],其内部可以是填充的,也可以是中空的[2]。漂浮型释药制剂是根据流体动力学原理制备的一种特殊缓释制剂,是一种延长药物在胃内的滞留时间、提高药物生物利用度的重要途径[3],对胃溃疡、胃癌等疾病的治疗有着特殊意义[4]。
壳聚糖是一种天然高分子材料,无毒且生物相容性好,广泛应用于医药材料[5]。其由于具有优良的成膜性和独特的表面多孔结构,可以很容易地把药物制成胃滞留漂浮型控释制剂。研究表明,以壳聚糖-海藻酸盐制备的微球适合口服蛋白药物的特殊要求[6]。缓释性能是该类微球的一项重要性能指标,但其释药规律受多种已知或未知因素的影响,如药物本身性质、囊壁材料、辅料、释放环境等,释放规律不易确定,因此,需要建立良好的模型对微球的释药规律进行模拟和预测。实际应用中,针对这类具有缓释效果的药物载体不仅要注重药物释放规律的模拟,同时高精度的预测更具实际意义。本研究以牛血清白蛋白为模型药物,利用壳聚糖和海藻酸钠制备了CGRM,并建立了ZODM、Higuchi和Rpeppas模型对其释药性能进行模拟和预测,在此基础上构建了一种高精度的组合建模法。
1 实验
1.1 仪器、试剂与软件包
TU-1901双光束紫外可见分光光度计(北京普析通用仪器有限责任公司),78-1型磁力加热搅拌机(杭州仪表电机厂),可控硅控温水浴锅(通州市沪通实验仪器厂),VirTis冷冻干燥机(美国VirTis),SHA-B恒温振荡器(常州国华电器有限公司),Mettler AE100电子分析天平(梅特勒-托利多仪器(上海)有限公司)。
壳聚糖(CS,脱乙酰度大于等于90%,国药集团化学试剂有限公司,批号:F20060117),海藻酸钠(SA,化学纯,国药集团化学试剂有限公司,批号:F20060424),冰醋酸(分析纯,上海化学试剂有限公司,批号:20000218),碳酸钙(分析纯,天津市福晨化学试剂厂,批号:20031008),牛血清白蛋白(Sigma,纯度大于99%),水为一次蒸馏提纯水。
使用美国OriginLab Corporation的OriginPro 7.5软件包进行线性拟合及非线性曲线拟合。
1.2 CGRM的制备
取适量CS溶于2%的稀醋酸配制成2%的溶液。采用文献[7]的方法,取适量SA溶于水配制成2%的溶液,加入1/4 SA质量的BSA模型药物,搅拌均匀,完全溶解后加入1/2 SA质量的碳酸钙并搅拌均匀,在轻微搅拌下用5#针头滴入到壳聚糖溶液中,15min后取出微球,重复水洗除去表面残留, -80℃下真空冷冻干燥备用。
1.3 CGRM的缓释性测定
称取一定质量的微球样品,于pH=7.4的PBS中静置3h,然后置入温度为37℃、振荡频率为120r/min的恒温振荡箱内进行释放。每隔1h取3mL试样进行处理并于280nm处测定吸光度,同时补充适量的释放介质。由于物质的吸光度与其溶液的浓度成正比,为了减小后面模拟及预测数据的误差,此处未换算为浓度值,而是直接采用吸光度值,结果见表1。
2 结果与讨论
2.1 CGRM的3个缓释模型
建立模型过程中,取表1中的前4个数据用来建模,5h、6h时刻的数据用来验证模型的预测值。
2.1.1 CGRM缓释性的ZODM模型
囊心从微球中释放的零级动力学方程式为:
Q(t)=mt+n
经拟合得到的模型为:
Q(t)=0.00644t+0.078
在此模型中分别代入t=1、2、3、4,所求的值即为1h、2h、3h、4h时刻吸光度的ZODM模型模拟值,代入t=5、6,所求的值即为该模型对5h、6h时刻的预测值,结果见表2。
2.1.2 CGRM缓释性的Higuchi模型
Higuchi方程为:
undefined
经拟合得到的模型为:
undefined
在此模型中分别代入t=1、2、3、4,所求的值即为1h、2h、3h、4h时刻吸光度的Higuchi模型模拟值,代入t=5、6,所求的值即为该模型对5h、6h时刻的预测值,结果见表2。
2.1.3 CGRM缓释性的RPeppas模型
RPeppas方程为:
lnQ(t)=mlnt+n
经拟合得到的模型为:
lnQ(t)=0.14704lnt-2.48317
在此模型中分别代入t=1、2、3、4,所求的值即为1h、2h、3h、4h时刻吸光度的RPeppas模型模拟值,代入t=5、6,所求的值即为该模型对5h、6h时刻的预测值,结果见表2。
表2中,3种模型的模拟精度都较高。从模拟值(1h、2h、3h、4h的数据)的相对误差来看,ZODM模拟效果最好;从预测值(5h、6h的数据)相对误差来看,预测精度的优劣顺序为: Higuchi>ZODM>RPeppas。相对于模拟精度,预测精度不是非常理想,远不及模拟精度。
2.2 组合建模法
经过对上述各模型及其它模型的研究,本研究构建了一种简单高效的建模方法。因为该建模法是基于多个模型的线性组合,故称之为线性组合模型建模法,简称组合建模法。
2.2.1 组合建模法
上述实验数据反映在坐标系中对应曲线f0(x)。f0(x)是一条理想曲线,因此实验数据所建立的各种模型都要尽可能地、充分地逼近f0(x)。事实上,实际的药物释放过程往往受着多种已知因素或者不可预知因素的影响与干扰,因此很难仅用一种理论进行精确描述,通过某一种方法建立的模型也很难精确地逼近理想曲线f0(x)。经过探索认为,在一些已知模型的基础上进行适当的组合处理,利用相关数学理论和机器学习理论可以构建出高模拟精度、高预测精度的“双高”模型。
组合建模法:设实验数据所对应的理想曲线为f0(x),已知模型对应曲线为f1(x)、f2(x)、…、fm(x),则必定存在ai、ci,使得:
undefined
并且该模型不会劣于已知模型f1(x)、f2(x)、…、fm(x)中的任何一个。
证明(反证法):先设f1(x)、f2(x)、…、fm(x)的m个模型中以fj(x)(1≤j≤m)最优。下面只要证明f(x)不劣于fj(x)即可。假设不存在任何一组的ai、ci能使f(x)不劣于fj(x),即无论ai、ci取何值,f(x)均劣于fj(x)。显然,只要作如下取值,ai=0(i≠j)、aj=1、ci=0,此时f(x)=fj(x),即f(x)等同于fj(x),亦即满足f(x)不劣于fj(x)。这与假设相矛盾,从而假设不成立,原命题成立。证毕。
2.2.2 组合模型参数的确定
参数的确定是一个比较复杂的过程,需要多方面的考虑,因为实际应用中存在不少的约束条件。精确的参数确定需要大量的计算或者借助一些软件,但在某些特殊条件下可以直接迅速地给出拟合程度较高的参数值。
机器学习是一个新兴的多学科交叉应用领域,用于各行各业的决策支持活动。通过对大量可靠的相关缓释数据所组成的训练样本集的学习,可以获得一些有参考意义的参数,然后通过相应的测试样本集对所获得的参数模型进行检验,以选择一组最优的参数,所获得最优模型即可用来模拟或者预测。
由于具有多个子模型的组合模型的参数选择需要借助大量的计算或软件包,不再详述。这里以2个子模型为例,提供2种一定条件下简单而模拟效果较好的参数确定法。这2种方法都是一种近似的方法,并不精确。精确的参数确定可以借助一些软件包,利用一些样本集对其进行训练而得到,另文详述。
(1)平权法
若选择的2个子模型的模拟误差比值较多的为负数或者接近-1,则2个子模型系数均取为ai=1/2、ci=0;当然这也可以视为比例法的一种特例。
(2)比例法
以2个子模型为例,若2个子模型的所有模拟误差比值接近为undefined,则系数分别为undefined。若各模拟误差比值较多的为负数,可以先计算各相应误差的比值,然后按照绝对值大小排成一个数列,当数列中元素个数为奇数时,处于中间位置的数值即可作为确定系数的依据;当元素个数为偶数时,处于中间相邻位置的2个数的平均值可以作为确定系数的依据。
2.2.3 建模实例
数据取自表2中预测性能较差的2个模型ZODM和RPeppas,为方便单独列于表3中。这里演示了使用 “平权法”建立组合模型F1,使用“比例法”建立组合模型F2。
由前面的计算可知,ZODM 和RPeppas模型的表达式分别为:
Q(t)=0.00644t+0.078
lnQ(t)=0.14704lnt-2.48317
先计算两者的模拟误差数列,分别为(-0.0003, 0.0004, 0.0002,-0.0003)和(0.0006,-0.0011,-0.0006, 0.0012)。
(1)组合模型F1
取ai=1/2、ci=0(i=1,2),则:
F1=undefined
分别代入t=1、2、3、4、5、6,即可以得到组合模型F1的模拟值与预测值,见表3。
(2)组合模型F2
相应模拟误差比值的绝对值分别为1/2、4/11、1/3、1/4。按照大小排序后成为1/4、1/3、4/11、1/2。由于其元素个数为偶数,故取中间2个数1/3、4/11的平均数23/66,由此可以确定系数a1=66/89、a2=23/89、ci=0(i=1,2),则:
F2=undefined
分别代入t=1、2、3、4、5、6,即可以得到组合模型F2的模拟值和预测值,见表3。
由表3可见,在本例中,2个组合模型的效果大致相当。2个组合模型的模拟精度都较原始子模型有一定提高,组合模型的预测精度较原始子模型则有大幅提高。从某种意义上说,高精度的预测比模拟更有实际意义。高精度的预测意味着可以仅仅通过少量已知数据来预测更多所需的数据、缩短实验周期、减少实验损耗。挖掘少量已知数据建立模型,再利用模型对微球的长久释药规律进行预测,不仅可以减少工作量,还可为实验方案的设计提供理论上的导向作用。
灰色系统理论[8]的GM(1,1)模型也是一个用于微球缓释性模拟和预测不错的选择。本课题组曾用GM(1,1)模型来模拟中空海藻酸钠微球的缓释性能[9],取得了不错的效果。但是当GM(1,1)模型参数a的绝对值过大时,模型精度会降低,不适合长期预测[10],这一点在文献[9]中得到印证。本研究所构建的组合建模法则不存在此问题,只要通过合适的训练样本对组合模型参数进行筛选,就可以构建出高模拟精度、高预测精度的模型。另外,本研究的组合建模法不仅可以用于CGRM的模拟和预测,同样也可以用于其它诸多类似的场合,应用范围广,并且由组合模型的子模型构成,可以对探讨微囊的缓释机理起到一定的辅助作用。
3 结论
利用本研究构建的组合建模法对CGRM的缓释性能进行了模拟预测,结果表明,组合建模法在保证高模拟精度的同时亦能大幅度提高预测精度。
该组合建模法建模高效快捷,可应用于诸多类似场合,是一种模拟长效药物缓释体系释药规律的有力工具,对探讨药物的缓释机理也有一定的启示作用,在实践中具有良好的应用价值。
参考文献
[1]Langer R.New methods of drug delivery[J].Science,1990,249(4976):1527
[2]Wong MS,Cha J N,Choi K,et al.Assembly of nanoparti-cles into hollowspheres using block copolypeptides[J].Na-no Lett,2002,2(6):583
[3]Singh B N,Ki m K H.Floating drug delivery systems:An approach to oral controlled drug delivery via gastric retention[J].J Control Release,2000,63(3):235
[4]Thanoo B C,Sunny MC,Jayakrishnan A.Oral sustained re-lease drug delivery systems using polycarbonate micro-spheres capable of floating on the gastric fluid[J].J Pharm Pharmacol,1993,45(1):21
[5]Wu Z G,Lin H B,Feng W.Carbon nanotubes/chitosan composites[J].Prog Chem,2006,18(9):1200
[6]Chan L W,Heng P W.Effects of aldehydes and methods of cross-linking on properties of calcium alginate microspheres prepared by emulsification[J].Biomaterials,2002,23(5):1319
[7]Lu Xiewei(卢勰炜),Zhu Kangjie(朱康杰).Preparation of chiflsan-alginate pellets floatingis stomach(新型壳聚糖海藻酸钠胃漂浮小丸的制备)[J].Chin J MAP(中国现代应用药学),2004,21(6):475
[8]刘思峰,郭天榜,党耀国,等.灰色系统理论及其应用[M].北京:科学出版社,1999
[9]Wang Xianming(王贤明),Wu Yuejin(吴跃进),Yu Zenglia-ng(余增亮).Research on release model of intra-hollow so-diumalginate microcapsules based on grey theory(基于灰色理论的中空海藻酸钠微胶囊释药模型研究)[J].Mater Rev(材料导报),2007,21(12):124
[10]Song Zhongmin(宋中民).Grey GM(2)model(灰色GM(2)模型)[J].Systems Engineering-Theory Practice(系统工程理论与实践),1999,19(10):127
组合建模法 篇2
随着无线网络应用的拓宽,无线网络用户急剧增加,无线网络流量大幅度增加,无线网络的有效管理变得十分重要[1]。无线网络流量的建模与预测可以帮助管理部门掌握人们的上网规律,提前掌握无线网络流量的变化趋势,因此建立高精度的预测模型具有重要的实际意义[2]。
最初人们采用多元线性回归模型对无线网络流量进行分析,建立无线网络流量的回归模型,并对将来无线网络流量值进行估计[3],该模型基于无线网络流量呈线性增长的变化特点进行回归预测,对于小规模无线网络来说,预测精度高,而对于大规模、复杂无线网络流量,预测精度低[4,5]。随后有学者提出了采用自回归积分滑动平均模型(ARIMA)对无线网络流量进行分析,将无线网络流量历史值作为一个时间序列,找到数据之间的联系,实现无线网络流量的预测[6],其与多元线性回归模型相似,不能反映无线网络流量的随机变化特性[7]。最近,有学者采用神经网络和支持向量机等对无线网络流量进行建模[8,9,10],它们可以反映无线网络流量的随机性变化特点,但无法对无线网络流量的周期性变化特点进行描述,因此存在一定的局限性[11]。
针对无线网络流量复杂变化的特点,为了解决单一模型预测精度低的难题,提出基于组合优化理论的无线网络流量预测模型(ARIMA-RVM),首先采用自回归积分滑动平均模型进行建模,然后采用相关向量机进行建模,最后采用单步和多步预测实验分析其性能。
1 ARIMA和RVM
1.1 ARIMA
ARIMA是自回归(AR)模型和滑动平均(MA)的组合,通用性要优于单一AR和MA,R(p)定义如下:
式中ε(t)为预测误差。
当ε(t)自相关时,式(1)变为:
式中:Θp(p=1,2,⋯,q)为参数;a(t)为噪声[12]。
ARIMA(p,q)定义:
当阶数n很大时,AR(n)可以看作与ARIMA(p,q)等价,即:
式中an(t)为误差项。
an(t)的计算公式为:
通过ân(t)得到ARIMA(p,q)的回归函数为:
参数n,p和q根据式(7)进行确定:
式中:S表示样本数;Pnum为参数的数量。
1.2 RVM
设数据为的回归函数为:
式中ωi为噪声。
引入核函数K(x,xi)对式(8)进行变换得到:
式中:w=[w0,w1,w2,…,wN]T为权值。
RVM的后验概率为:
引入参数β,全部数据的最大似然函数为:
式中:t=[t0,t1,t2,…,tN]T;φ∈RN×(N+1)。
wj先验分布满足高斯分布,则有:
式中:a=[a0,a1,a2,…,aN]T表示超参数[13]。
通过贝叶斯算法估计w的最大后验分布概率为:
由于p(t|a,β)不含w,因此可对式(13)进行简化,得到:
式中:Σ和μ的计算公式为:
式中:A=diag(a0,a1,a2,…,aN)表示对角矩阵。
参数aj和β的计算公式为:
当有新的样本x*到来时,相应的预测结果为t*:
选择径向基函数作为RVM的核函数,定义为:
2 ARIMA-RVM的无线网络流量建模与预测
(1)对一个无线网络系统进行分析,并采用网络流量采集设备得到一段时间内的流量变化值。
(2)采用ARIMA对无线网络流量进行建模,对其周期性变化特点进行预测,并根据预测值与实际值估计ARIMA预测误差。
(3)ARIMA预测误差包含无线网络流量的随机性变化特点,因此采用RVM对ARIMA预测误差进行建模与预测,对无线网络流量的随机性变化特点进行描述。
(4)将ARIMA与RVM的无线网络流量预测值组合在一起,得到无线网络流量的最终预测值。
综上所述可知,ARIMA-RVM的无线网络预测模型的工作框架如图1所示。
3 实验结果与分析
3.1 无线网络流量数据
采用某公司的无线网络系统、每小时的流量值作为实验对象,共得到500个样本,具体如图2所示,其中200个样本作为测试数据。无线网络流量预测结果的均方根误差(RMSE)和相对百分比误差(MAPE)定义为:
式中:yt和ŷt为真实值和估计值。
3.2 结果与分析
ARIMA-RVM,ARIMA以及RVM的无线网络流量的单步预测结果如图3所示。从图3的预测值与实际值的变化曲线可以发现,ARIMA可以描述无线网络流量的整体变化趋势,预测误差变化范围大,预测精度低;而RVM仅能描述无线网络流量的随机性变化特点,预测误差变化更大,预测结果没有一点实际应用价值;而ARIMA-RVM的预测值与真实值的变化趋势相同,预测误差十分小,预测精度要远远高于ARIMA,RVM,这主要是由于ARIMA-RVM集成了ARIMA,RVM的优势,可以对无线网络流量的周期性和非线性变化特点进行建模与预测,克服了单一ARIMA以及RVM的不足。
RMSE和MAPE的单步统计结果见表1。ARIMA-RVM的RMSE要小于ARIMA和RVM,同时MAPE也得到了降低,说明ARIMA-RVM的无线网络流量预测精度更高。
ARIMA-RVM,ARIMA以及RVM的无线网络流量的多步预测结果如图4所示。从图4可以发现ARIMA的多步预测值与实际值的误差很大,预测精度大幅度下降,同时RVM已经无法对无线网络流量变化特点进行预测。ARIMA-RVM的多步预测值与真实值的误差同样变大,但预测误差相对较小,完全可以满足无线网络流量误差低于10%的实际应用要求,比ARIMA,RVM的性能具有十分明显的优势,对比结果证明了ARIMA-RVM的多步无线网络流量预测的有效性,而且预测结果十分可信。
RMSE和MAPE的多步统计结果见表2。从多步预测结果的RMSE和MAPE可以发现,ARIMA-RVM的无线网络流量预测结果仍然优于ARIMA和RVM,主要是由于ARIMA-RVM可以对无线网络流量的随机性、周期性进行描述,而ARIMA和RVM仅只能描述其中的一种变化特点,无法建立性能优异的无线网络流量预测模型。
4 结论
无线网络的规模大、结构复杂,而且影响因素众多,使得无线网络流量同时具有周期性变化规律和随机性变化的特点,而单一模型只能描述周期性变化点或者随机性变化特点,预测效果比较差。为了全面描述无线网络流量的变化趋势,提出基于ARIMA-RVM的无线网络流量预测模型,单步和多步的实验结果表明,ARIMA-RVM通过ARIMA预测无线网流量的周期性变化规律,从整体上把握无线网络流量的变化态势,采用RVM对无线网络流量的随机性进行描述,从细节上把握其变化特点,获得较高精度的无线网流量预测结果,具有广泛的应用前景。
摘要：无线网络流量受到上网成本、上网行为等因素的综合作用,具有随机性和周期性变化的特点,针对单一模型不能全面描述该变化特点的难题,提出基于组合优化理论的无线网络流量预测模型。首先采用自回归积分滑动平均模型进行建模,找出无线网络流量的周期性变化规律,然后采用相关向量机进行建模,找出无线网络流量的随机性变化特点,最后将它们的预测结果组合在一起进行单步和多步的无线网络流量预测实验。实验结果表明,该模型可以同时对随机性和周期性变化特点进行描述,预测精度高于单一自回归积分滑动平均模型或者相关向量机。
组合建模法 篇3
信息化战争下武器装备体系对抗是敌对双方作战体系之间的较量, 敌对双方武器装备体系对抗所有要素均参与其中, 形成的整体称为体系对抗系统。这个系统由部队、武器装备、编制编成以及作战理论组成, 具有显著的复杂性、不确定性等特征。对体系对抗系统的仿真是在一定的战争背景下, 输入作战方案和规划, 赋予武器系统相应的作战任务, 以仿真模型为主体, 模拟真实战场环境中武器装备体系在作战任务牵引下的对抗行为, 为武器装备系统性能和作战效能评估提供依据。作为信息化武器装备体系对抗的“中枢神经”, 指控系统是整个体系对抗系统的聚合器和效能倍增器, 同时也具有许多复杂大型系统规模大、关联关系多、整体涌现性等特征, 对其建模的有效性和正确性与否直接影响到武器装备体系对抗仿真的整体。
本文旨在通过采用SEBI组合建模方法, 正确抽象出指控系统的体系框架, 并准确地描述指控系统中涉及到的各类实体, 精致地刻画出实体间的行为, 同时描述实体之间错综复杂的关联关系在宏观层次上的表现。
2. 体系对抗仿真中SEBI组合建模方法与框架
SEBI (System, Entity, Behavior, Interaction) 是指体系、实体、行为、交互的建模方法, 从顶层上对要建模对象和内容进行抽象, 用于对体系对抗仿真模型的开发。SEB组合建模的基本思想是:依据武器装备体系对抗的特点, 将模型描述分为体系、实体、行为和交互等不同层次。体系层次描述对应于作战想定的生成, 实体层次描述对应于各种武器装备的类型, 行为层次描述对应于实体模型的行为, 表现为各种规则和约束条件, 交互层次反映是实体之间发生的相互作用、相互关联, 以及实体动作的作用效果和结果。SEBI组合建模方法将建模层次分为五层, 分别是体系建模、实体建模、行为建模、交互建模和代码细化, 这五层相互之间承上启下, 互相关联。其参考模型如图1所示:
SEBI组合建模方法把复杂的体系对抗模型细化为相对独立的层次, 有助于建模仿真的分工协同, 适合像指控系统这样关系复杂, 涉及面多的大型复杂系统的仿真建模。下面, 将应用SEBI组合建模方法对指控系统的体系结构进行分析, 建立初步概念框架, 然后在此基础上进行体系对抗仿真下的指控系统的体系建模、实体建模、行为建模以及交互互联建模与分析, 给出相应的表示与描述, 将体系对抗仿真建模的复杂性分解到各个层次的建模中, 再通过组合形成完整的战场体系模型, 从而有效地支持电子信息武器装备体系对抗仿真的建模工作, 为后续深入研究形式上的描述、模型组合应用、重用重构等深层问题奠定基础。
3. 基于SEBI方法的指控系统建模分析
3.1 指控系统体系模型参考
体系对抗仿真下的指控系统体系模型面向的用户是作战想定设计人员, 关注点主要在作战方案的设计、各类装备的配比、装备性能参数和初始条件等对作战态势和作战结果的影响。体系层次下的建模主要是确定对抗双方的指控系统模型组成、装备的装配关系、初始状态和参数、交战交互关系以及装备之间需要交互的所有数据类型, 并支持装备组成关系在仿真过程中的动态变化。体系模型的结构类似于层次化的结构, 模型之间通过接口耦合或者隶属关系耦合建立交互关系和组成关系, 见图2。
3.2 指控系统实体模型分析
模型系统中的实体是依据面向对象程序设计中类的概念产生的, 实体中的属性描述内部状态, 实体的行为描述动态过程, 实体之间通过交互互相关联。实体的结构一般由属性和操作两部分组成。实体模型本身需要定义动态特征的基本要素与执行逻辑, 这些动态特征将由行为建模描述。
指控系统实体模型是对指挥实体的名称、类型、属性、状态、输入输出接口、接口类型等进行描述的模型。指挥实体是对行动实体具有自动指挥与控制功能的指挥员和指挥机构等, 根据战场态势变化、战场环境实施指挥。以防空兵指挥所模型为例, 需要定义其类型名称、内部属性名称和类型、输入和输出功能接口等静态特征, 如图3所示。
3.3 指控系统行为建模
行为层次建模主要描述模型对于输入事件的响应、状态的变化规律、时间的推进、以及向外部环境输出事件等动态特征, 进而详细地刻画系统的指控作战过程和功能, 反映其内部因素、外部因素以及作战态势之间的影响关系。行为建模范围基于状态、基于事件、基于活动以及基于规则等方法, 用于描述系统的顶层行为逻辑。行为建模一般由实体层次的建模人员完成, 需要详细掌握系统的详细运行过程和功能机理, 并抽象为行为模型。指控系统行为模型是对指控实体指控决策过程以及结果的抽象描述, 反映仿真过程中对行动实体的连续指挥, 以及命令理解、态势分析、条件判断以及决策结果等, 图4反映了指控行为模型内部结构。
由于在仿真过程中, 有许多因素会影响到武器平台的活动, 需要应用一系列的指挥控制规则对行为模型进行控制, 这些规则构成了行动实体作战中所遵循的规则集合, 主要包括三类规则[4]:1) 探测指控规则:用于模型外部预警探测网络, 模拟对传感器的指挥控制, 以及对来自传感器的探测信息进行信息连接和消息传递;2) 通信管控规则:用于模型内部通信网, 模拟对通信设备的管理控制, 以及对相应行动实体或武器装备进行通信连接和消息传递;3) 交战行动规则:用于模型外部火力打击网中的行动实体, 模拟对参战单元的决策和行动反应, 模拟相应的行动实体或武器装备的作战过程。
3.4 指控系统交互建模
体系对抗仿真下的模型系统通过对实体之间错综复杂关系的描述来反映作战体系在宏观层面上的整体性。实体之间进行交互, 是建立在对实体之间各种关系的描述之上的。实体间的关联关系包含指挥关系、通信关系、支援关系和威胁关系等。武器装备体系模型在宏观层次上, 通过作战单元之间的指挥控制关系、协同合作关系、作战目标关系等关联关系, 对体系对抗双方或多方的武器装备体系的整体特征进行描述, 以此作为具有指挥能力的作战单元进行指控决策的重要依据。
复杂自适应理论认为, 个体之间的交互是整体的基础。关注整体首先需要关注的是交互, 而交互的核心是信息的交互。对指控系统交互的建模可通过动态二维表记录和修改体系中信息关联的拓扑结构, 设C={C1, …Cm}是指控系统实体集, S={S1, …Sn}是各种情报侦察传感器集合, T={T1, …Tr}是指控系统实体集, F={F1, …Fs}是火力打击单元实体集。实体间的交互关系为, 无交互关系的为0, 有交互关系的为XYij, 其中, X, Y取自{C, S, T, F}集中;ij分别取自{1, …, m}, {1, …, n}, {1, …, r}, {1, …, s}, 从而建立交互关系。
4. 结束语
指挥控制建模在武器装备体系对抗仿真中发挥着至关重要的作用。本文针对武器装备体系对抗仿真中的指挥控制系统建模问题, 采用基于体系、实体、行为、交互为建模对象的SEBI组合建模方法, 对体系对抗中的指控系统模型建立了一般框架, 为武器装备系统体系仿真建模方法的研究提供了一种思路。
参考文献
[1]胡晓峰, 罗批, 司光亚, 等.战争复杂系统建模与仿真[M].北京:国防大学出版社, 2005.
[2]刘晨, 王维平, 朱一凡.体系对抗仿真SEB组合建模方法论[J].系统仿真学报, 2007, 19 (3) .
[3]杨峰, 李群, 王维平, 等.体系对抗跨层次建模方法论[J].系统仿真学报, 2005 (02) .
组合建模法 篇4
随着可用Web服务数量的快速增长,人们需要的往往不是单一简单的Web服务,而是将多个Web服务组合起来的新业务。目前Web服务集成语言主要有XLANG、WSFL、WSCI、BPML、BPEL4WS等。Web服务集成语言的缺点是不能够以图形化的方式直观表达出Web服务流程模型,不利于业务人员参与Web服务流程模型的建立,此外由于缺乏形式化语义,难以对利用其建立的模型进行分析工作。所以本文就是对web服务组合建立模型并用实例加以说明。
1 相关工作
Web服务组合建模理论和方法的研究已经成为一个重要的研究课题,也有了许多与此相关的研究成果。文献[1]提出了基于一般Petri网的Web服务合成方法,它可以确保合成服务的控制流的可靠性。然而,一般Petri网因无数据概念,不能精确表达Web服务的语义,例如消息概念、服务操作集合等。文献[2]基于颜色Petri网和面向对象思想,提出了WS-Net模型。WS-Net作为一种体系结构模型,形式化了体系结构的拓扑以及每个Web服务组件的行为,同时也形式化了整个系统的行为。此模型用颜色Petri网能区分托肯的类型,但没有明确界定控制流、数据流。文献[3]基于扩展的颜色petri网定义了web服务组合模型WSC-ECPN,明确表示了web服务的控制流和数据流,但是该模型不能表示web服务参数和操作的语义,以及操作的QoS属性。
颜色Petri网扩展了Petri网的token机制,定义了托肯颜色以描述复杂的数据对象,弥补了一般Petri网的不足,从而使得颜色Petri网在描述业务流程控制流的同时能描述流程中的数据流,更全面地刻画业务流程。对于进程间的控制依赖和数据依赖,分别抽象为有向弧和托肯。因而本文利用颜色Petri网并对其扩展来对Web服务及其合成进行建模。
2 基于颜色Petri网的web服务组合模型
基本Web服务是不能再分的原子服务,功能单一,它可以定义为一个三元组WS=(S,C,Q),S是基本描述,即服务名称、服务的商业实体以及服务的文本描述;C是服务的功能描述;Q是对服务非功能属性的描述,即服务质量QoS。目前,大部分的Web服务描述语言都自发地遵循(S,C,Q),比如OWL-S。OWL-S中原子过程由前提、输入、输出、效果(即Preconditions、Inputs、Outputs、Effect)四个元素组成,合称为服务的IOPE。上述三元组中的C可以表示为一个四元组:C=(Precon,Input,Output,Postcon)。
组合Web服务(CWS)由基本服务组成,它通过调用其他服务的功能来完成任务。一个组合服务CWS可以形式化的定义为CWS=(∑ws,∑CR,∑DR),其中∑ws=服务集合{WS1,…,WSn},且服务间具有控制逻辑关系CR和数据逻辑关系DR;
∑CR=基本服务间控制逻辑关系的集合,控制逻辑关系是基本服务间的执行逻辑关系;
∑DR=基本服务间数据逻辑关系的集合,数据逻辑关系是服务间数据交互关系。由此可见对操作、控制流、数据流是组合服务建模的基本模型元素。
定义1颜色Petri网(Colored-Petri-Net CPN)是一个八元组CPN=(Σ,P,T,F,E,C,G,I),其中(P,T,F)为一个网:
·Σ为颜色的非空有限集;
·P为有限状态库所集;
·T为有限变迁集;
·F为有限弧集,F∈(P×T)∪(T×P);
·E为弧函数,E:F→Boolexpression,表示一个弧到一个布尔表达式的映射,其中:坌f∈F:Type(E(f))=C(p)MS∧Type(Var(E(f)))哿Σ,p为f连接的库所,C(p)MS表示p处颜色集上的多重集,E表示调用Web服务时输入、输出的参数;
·C为颜色函数,C:P→Σ,C(p)表示p中的颜色类型属于Σ;
·G为防卫函数,G:T→Boolexpression,其中:坌t∈T:[Type(G(t))=Boolean Type(Var(G(t)))哿Σ],G表示调用一个服务时除输入外要满足的条件;
·I是一个初始化函数,是定义在P上的封闭表达式,满足:坌p∈P∶Type(I(p))=C(p)MS。
通过上述web服务和颜色petri网的描述可以看出两者之间的相似性,Web服务通过消息传递进行连接,所有的服务的消息参数类型可以映射到颜色集Σ;前置条件映射到颜色集中的标识和变迁的防卫函数上;服务的效果可用变迁发生过程中标识转移前后的状态表示;将一个Web服务操作表示为一个变迁,它对应三类库所:控制库所、输入消息库所和输出消息库所;消息传输的方向映射到有限弧集F;输入输出参数类型映射到颜色函数C;用户添加的约束条件映射到防卫函数G;服务操作运行需要的以及结束后产生的参数映射到弧函数E;用户提供的初始的输入参数映射到初始化函数I,并且可在函数弧和变迁上增加权标识来表示时间和代价等QoS属性。
定义2基于扩展颜色Petri网的Web服务组合模型WSC-CPN=(Sdes,CPN,DV,Pa,Ta,I,O,QoS),其中:
·Sdes={Swsdl,Smodel,Sground},其中:Swsdl是Web服务的描述文件;Smodel基于过程描述服务如何工作,是服务内部流程的描述;Sground描述如何访问服务,包括网络协议、消息格式、传输等,即每个操作对应的绑定。
·CPN是定义1中的颜色Petri网,并且对其中的库所、变迁和弧进行分类,P={Pc,Pd}={Pc,I,O}其中Pc为控制库所,存放web服务操作的控制参数,用以表示控制流,Pd为数据库所,存放web服务操作的数据参数,用以表示数据流;Pc的颜色类型函数指向CONTROL。
T={Tc,Td}其中Tc是控制变迁集,不表示任何web服务操作,仅辅助流程的表达;Td是普通变迁集,是web服务组合中调用的web服务操作的集合。
F={Fc,Fd}其中Fc是控制弧集,连接控制库所和变迁;Fd是数据弧集,连接数据库所和变迁。
Web服务操作的输入参数对应于E(Pd×Td),web服务操作的输出参数对应于E(Td×Pd)。
控制输入库所到变迁、变迁到控制输出库所的弧函数如果未设定都默认为st,即控制库所最多只能存放一个托肯,st是控制托肯为CONTROL类型。
·变迁输入函数I:Td→Pd,一个变迁T到数据库所Pd的一对多映射;
·变迁输出函数O:Td→Pd,一个变迁T到数据库所Pd的一对多映射;
·DV是变量定义;Web服务通过消息进行数据交互和服务调用,本文将服务之间用于交互的消息定义为Web服务的接口参数它可以定义为一个二元组DV={I,O}。
·Pa是库所的数据参数的语义标注函数,指向领域本体库,相当于某一领域内的专业词汇表;
·Ta是变迁的本体标注函数,对操作进行语义标注,指向领域本体库;
·QoS是Web服务的性能属性。可以把QoS属性标注在防卫函数上。QoS模型是一个可扩展的模型,用户可以根据自己的要求选择属性。Qos属性有很多,如:时间、执行代价、可靠性、可用性、安全性等通用Qos属性,还有领域Qos属性。目前领域Qos研究的比较少。
本节通过组合服务网的形式化描述,扩展了CPN定义。原子过程的Petri网如图1所示。
3 Web服务基本组合结构
OWL-S支持多种控制结构,下面给出几种典型结构的组合过程对应的语义。OWL-S过程模型还定义了Web服务交互过程中的数据流,即过程之间输入和输出的关系,此处略去。
其余控制结构执行语义的直观解释如下:
·顺序(Sequence):一个过程在另一个过程之后再执行。
·并行(Split):其组成部分是一组将要并发执行的过程,各分支可同时执行。
·Split+Join:其组成部分是一组并发执行的过程,组合过程在其所有组成部分执行结束之时结束。
·Anyorder:其组成部分是一组以任意顺序执行的过程,而且在组合过程的执行过程中,不允许组成部分的执行有重叠,即原子过程不能并行执行,组合过程不能交错执行。
·Choice:在一个流程中,组合过程根据控制条件从中选择一个过程分支执行。
·If-then-else:其组成部分是两个过程,组合过程根据明确定义的条件选择其中之一执行。
·Repeat-while和Repeat-until:其组成部分只有一个过程;前者表示当外界条件可满足时重复执行这个过程;后者表示重复执行这个过程直到外界条件可满足。
Web服务组合就是通过合成具有以上一些结构的web服务来实现的。
4 一个实例原型
本节通过一个实例,使用定义的结构建立其WSC-CPN模型。假设在股票行业中,用户想通过一个“跨国公司名称”和“股票代码”和“特定时刻”找出该公司在某一股市的股票折合人民币价格以及该公司所在国家名称和其他信息,有下表中的几个Web服务,它们包括若干操作及其输入输出参数。用户可以组合以下的服务得到自己想要的信息。
组合以上的几个服务,用户可以进行各种查询,比如,现在要找出某一跨国公司的股票在某一时刻在纽约的股市的价格折合成人民币后的价格以及该公司所在国家的一些信息和该公司的一些信息。公司名称、股票代码和某一时刻是已知输入。图2为查询流程示意图。
相关变量声明如下:
数据类型定义如下:
其查询流程对应的WSC-CPN模型见图3。
图3中,普通变迁表示web服务的操作,控制库所中放置组合流程的控制库所,它的流向指定了web服务操作执行的顺序;数据库所放置数据托肯,表示web服务操作的输入和输出。
5 结论
Web服务流程模型的建立是Web服务集成工作的重要组成部分,本文分析了用Petri网进行web服务建模的不足,给出了基于颜色Petri网Web服务组合模型,并通过一个具体的建模实例展示了颜色Petri网在服务组合建模方法。今后的工作是进一步完善模型的不足,如对Qos模型进表1行扩展,并利用Petri网理论的各种分析技术来对Web服务流程模型的正确性和性能进行分析和验证。
摘要：该文提出一个基于扩展颜色Petri网的Web服务组合描述模型,该模型在描述组合流程的控制流和数据流的同时还能描述流程中的参数、操作的语义和服务质量,能较全面地刻画Web服务组合流程;最后通过该建模方法给出一个建模实例。
关键词：颜色Petri网,Web服务组合,建模
参考文献
[1]Hamadi R,Benatallah B.A Petri Net-based Model for Web Service Composition[C]//Adelaide,Australia:14th Australasian DatabaseConference(ADC2003),2003:191-200.
[2]Zhang Jia.WS-Net:A Petri-net based specification model for Web service[C].USA:Proceedings of the 2nd IEEE International Confer-ence on web Services,2004:420-427.
[3]李景霞.基于扩展颜色petri网的web服务组合建模研究[D].北京:中国科学院计算机技术研究所,2006.
[4]顾宁,刘家茂,柴晓路.Web Services原理与研发实践[M].北京:机械工业出版社,2006.
[5]吴哲辉.Petri网导论[M].北京:机械工业出版社,2006.
[6]Zeng L Z,Benatallah B,Dumas M.QoS-Aware middleware for Web services composition[J].IEEE Transactions on Software Engineering,2004,30(5):311-327.
[7]岳昆,王晓玲,周傲英.Web服务核心支撑技术:研究综述[J].软件学报,2004(3).
[8]郭玉彬,杜玉越,奚建清.Web服务组合的有色网模型及运算性质[J].计算机学报,2006,29(7):1067-1075.
组合建模法 篇5
目前搜救机器人在军用和民用上都有着长足的发展势头,由于它的研发涉及机械、电子、计算机、材料、传感器、控制技术等多门科学,所以在很大程度上代表一个国家机器人的发展。搜救机器人的机械结构比较复杂,主要有轮式行进机构、履带式行进机构和腿式行进机构等。每一种机构根据其优缺点,使用在不同的环境中。但不论是哪一种行进结构它的运动稳定性、越障性和适应复杂地形能力是搜救机器人机械结构研究的关键技术[1~5]。
机器人爬楼梯是一个复杂的运动行为,其行动由腿部关节的转动角度决定。目前J.Gutmann、K.Hirai等通过不同的方式实现了双足机器人的攀爬楼梯的实验[6~8]。
1 腿履机器人虚拟样机建模和有限元分析
1.1 三维建模
针对搜救机器人在灾难救灾工作中的运动特征, 通过对足式、轮式和履带式搜救机器人的代表性结构设计比较,分析各种机器人在搜救工作中的地形适应性和移动平稳性等特点。设计了如图1所示的搜救机器人的结构。CATIA是一个强大的三维造型软件,并具体的设计、分析、模拟、组装到维护在内的全部工业设计流程。因此选择CATIA对腿履组合式机器人进行三维仿真建模,并使用ADAMS对其进行爬楼梯的运动仿真。
如图1所示,腿履机器与人腿类似,一共两条腿, 每条腿由大腿、小腿和足端构成,足端采用履带式结构,因此它有两种行进姿态,履带式和腿式。当采用履带式行进方式时,两腿部弯曲使大腿与地面平行,降低重心,进入行进模式。当采用腿式行进方式时,大小腿立起,进入行走模式。由于机器人主要靠履带来转向, 所以每条腿只建立了四个自由度,髋关节,膝关节和踝关节的转动,分别由舵机驱动。
履腿组合机器人是为了使机器人能在更多的环境下行进,所以把履带和腿式结合起来。履带的结构既可以看成是脚的运动,也可以像履带一样行进,只是腿式和履带是独立运动,不能同时运动。即腿式行进时,履带制动,履带行进时,腿制动,互不干扰。履带式机构克服了轮式的复杂地形适应性、越障能力、跨沟能力等缺点。与足式机器人相比具有移动速度快、运动平稳、爬坡能力强、控制简单、不易倾倒等特点。步行机器人复 杂路面适应性强、越障性能强。所以这种结构不光具备了履带和腿式的共同特点,还能互补其缺点。
1.2 关键件的力学分析
由于髋关节与腰部所受扭矩最大,所以主要对腿部髋关节支持板和腰部的连接板作了有限元分析。设置输入扭矩为舵机的最大扭矩16Kg·cm。分析结果如图2、图3所示。从图中数据的处这两处的最大应力值均在需用应力值以内,满足力学要求。
2 机器人腿式运动时爬楼梯的运动规划
2.1 机器人运动轨迹规划
机器人在爬楼梯时左右脚交替行走,每只脚的运动为抬起和放下。即分为摆动相和支撑相。行走时要求运动平稳,在落地时与地面冲击小或最好无冲击,足端与腿部不与楼梯相碰,保证零力矩点落在支撑区内。本文采用规定足端和质心运动轨迹,可逆得出各关节的驱动轨迹的方法实现机器人的行走目的。
右脚足端运动轨迹如公式(1)和公式(2)所示。公式 (1)为抬脚运动轨迹,公式(2)为落脚运动轨迹。这个足端运动轨迹的优点是在X轴和Y轴上的运动加速度是正弦函数,在起步和落脚时不会出现较大的接触力,而且运动平稳,没有滑动和拖地的现象发生,容易跨越障碍物。公式中S为步幅;H是抬腿高度;T是运动周期, Sx、Sy是运动的起点[9]。
机器人由履带结构代替了脚的结构,履带上设计了弹簧缓震机构,所以假设机器人在起步,落地和行走时履带始终与地面保持平行。机器人的身躯规划为与楼梯倾斜度相同的直线,匀速运动,则质心运动轨迹如公式 (3)所示。其中k为斜率,hy是轨迹与Y轴的交点坐标。
零力矩点的轨迹如公式(4)所示。其中,PX、PZ是零力矩点在XOZ面上的X坐标和Z坐标,x,y,zc是质心坐标。
2.2 脚与楼梯不发生碰撞的条件
如图4所示,如果足端与楼梯不发生相碰则图中虚线与CD不能相交。即虚线满足公式(5)。在腿式行进方式中,足端为一个整体,各个点运动曲线相同,所以虚线是实曲线经过平移到B点得到。Xc是C点在X轴上坐标。hCD是楼梯的高度。虚线已知,确定步幅,抬腿高度,和楼梯尺寸时,就可以确定BC的最小距离。
3 爬楼梯运动模式的运动仿真
图5是简化的ADAMS运动模型,采用內膝式结构。在ADAMS中使用if、step等函数编程,保证两个足端的运动行为在摆动和支撑之间交替运行。
样机的大小腿杆长均为90mm,脚长80mm,两腿之间距离100mm,步幅为100mm,第一步的的抬腿高度为50mm,后面的抬腿高度90mm,运动周期为1s,仿真时间为7s。机器人的运动学仿真如图6所示,机器人的初始状态为下蹲,然后左右脚交替行走,停止时回到双脚下蹲状态。
机器人的足端在X轴和Y轴的运动轨迹如图7和图8所示。与公式(1)和公式(2)规定的轨迹相符。机器人左腿和右腿在Z轴的运动轨迹如图9和图10所示,其轨迹平滑无尖点,运动平稳。
图11和图12是质心在X轴和Y轴的运动轨迹。其轨迹曲线平滑无尖点,坐标值平稳增加,说明质心运动的过程中,尤其是在抬脚和落脚时无冲击现象发生,运动平稳。
4 结论
1)结合履带和腿式的共同特点,建立了腿履机器人的行走模型,并对关键部分的零件作了力学分析,结果满足使用要求。2)建立了爬楼的数学模型,并使用ADAMS进行爬楼梯的运动仿真,仿真的结果,运动曲线平滑,机器人运动平稳,无拖步和滑步现象发生, 起步和落脚无冲击。3)仿真得出了各个关节的运动曲线。4)为样机的制作和控制提供理论依据。
摘要：为适应不同路况,设计了一款新型的移动机器人。它可以实现履带移动和腿式行走两种运动方式,其兼具了履带和腿式机器人的共同优点,并互补了它们的缺点。分析了履腿机器人的运动,提出了一种合理的步行运动方程,有效的避免了足端在运动起始点和终止点冲击,提高了机器人运动的平稳度。根据所建立的运动方程,获得了机器人腿部关节处的运动轨迹。并依据机器人的行走特点,对其爬楼梯运动进行仿真设计,验证了所设计机构的运动方案真实可行。
组合建模法 篇6
转子一点接地故障是发电机常见的一种故障形式, 转子一点接地不会对发电机安全运行造成很大的伤害, 然而如果再发生第二点接地故障, 将会严重威胁发电机的安全, 励磁绕组两点接地, 流过较大电流灼伤转子本体, 原先的气隙磁通失去平衡引起机组振动, 以及局部磁化发电机, 发电机需要消磁后才能投入正常运行, 影响正常发电。因此, 从安全角度出发, 必须给发电机配置一点接地保护[1], 同时目前两点接地采用接地位置的变化量判据, 即 (35) (29) , 其中为位置变化量整定门槛, 若是在一点接地测量有误差情况下这种方法用于直接跳闸的两点接地保护, 就显得不是那么的严谨了, 本文对实际工程中常用的乒乓式和注入式转子接地保护进行详细的理论分析, 提出了一种将乒乓式和注入式结合的新型转子接地保护方案, 该方法能对转子一点接地电阻和位置对此测量, 具有很高的可靠性。
1 发电机转子接地保护的现状
目前针对于发电机转子接地, 主要分为非注入式和注入式两大类, 本文详细探讨乒乓式和方波注入式两种保护原理的计算优缺点并进行讨论。
1.1 乒乓式转子一点接地
乒乓式转子一点接地又称切换采样式转子一点接地保护[1,2,3,4,5,6,7,8,9,10,11], 也是目前非注入式中使用最为广泛的原理, 通过控制电子开关的通断切换, 得到相应的回路方程并对方程求解, 可得出转子接地位置a以及转子接地电阻Rg, 其原理图如图1所示。
其中S1、S2为电子开关, Rg为接地电阻。I1、I2为S1打开, S2闭合时对应回路流过电流, I1'、I2'为S1闭合, S2打开时对应回路流过的电流, 工程上认为仅仅发生转子接地故障, 励磁电压近似于不变, 可得出
其中I1、I2、I 1'、I 2'均为实测值, 可见该切换只要在励磁电压稳定的前提下, 是可以真实反应转子绕组实际对地绝缘电阻的, 且与接地位置无关, 然而非注入式保护动作的前提是必须要有励磁电压, 不具备发电机停机状态下转子接地的监测功能[2,3]。
1.2 方波注入式转子一点接地保护
注入式转子一点接地保护和乒乓式转子接地保护比较而言具有灵敏度高、调试容易、不受励磁电压有无的影响, 根据现场转子绕组引出方式的不同, 分为双端注入和单端注入两种, 原理图如图2 (a) 、 (b) 所示。
其中:Rx为测量回路电阻;Ry为注入回路大功率电阻;US为注入电源模块;Rg为转子绕组对大轴绝缘电阻。为简化说明, 以发电机静止状态下的单端注入为例, 方波电源US加到励磁回路上, 与Rx、Ry、对地电阻Rg以及对地电容Cg构成回路, 通过测量注入正电压和注入负电压这两种状态下针对于Rg值的不同, 在Rx上会得出不同的泄漏电流或测量电压, 利用这个电流或电压来反应出转子对地绝缘。设方波发生器内阻为Rs, 在位置接地, 由于励磁绕组阻值很小, 可以忽略, 画出等效电路图3。
在暂态过程中可以列出方程并计算:设 , 可得
由此可见, 测量电流的大小与此时注入方波的t值有关, 当t (28) 0时, 有
而当 时, 有
由式 (4) 可见, 进入稳态以后, 就会有一个经过简单计算便可得知的当前接地电阻Rg, 所以能进入稳态, 再进行转子接地的测量, 能比较真实的反应转子绝缘情况[4], 在多个采样点测得的值进行平均值计算, 可以得到更加接近实际接地阻值的计算值, 测量相对于暂态来讲也要精确。
2 稳态量对接地电阻测量的影响
针对以上分析的电容电流在暂态过程中对注入式转子接地保护的影响, 而且转子一点接地的危害并不大, 所以为了确保动作的可靠性, 防止误动, 继电保护装置一般都采用稳态量的计算方法, 本文重点要提出一种能更加可靠的一点接地方案, 具体如下。
2.1 采用检测电压自动跟踪
装置自动跟踪检测dUx/dt的值, 测量Rx上电压的变化量, 等到dUx/dt小于等于一个小的门槛时, 再进行稳态量的接地电阻检测, 此时电容充放电趋于稳定, 进入稳态过程后再分别对于正半波和负半波时测量电阻上电压进行测量, 不考虑励磁电压的变化, 可以得出Rg与两次测量电压的关系
其中, 为注入方波正半波和负半波时在测量电阻上的测量电压。
但是由于转子接地是单套保护运行, 用单一的监测回路总是会存在一定的隐患, 并且接地碳刷与大轴之间接触电阻为一变化量的时候会使得测量电阻可能偏大或偏小[2,5], 导致一点接地误判。
2.2 将乒乓式和方波注入式结合
为了尽可能地减小以上所述的各种情况对转子一点接地的影响, 使得转子接地能更加可靠地不会误动, 提出将方波注入回路和乒乓式原理相结合, 该方法虽然由于增加了状态, 使得切换周期加长, 从而延长了保护的动作时间, 但是从稳定性上, 对于目前的转子一点接地保护, 是有提高的。假设在a位置经Rg接地电阻接地, 其原理如图4。
其中切换周期乒乓式为注入式的1/3, 即在注入式的正半波前2/3波周期内, 乒乓式切换一个周期, 先S1打开、S2闭合, 然后S1闭合, S2打开, 后面1/3周期内部不进行任何切换, S1、S2都处于闭合状态, 负半波前1/3周期内S1、S2闭合, 后面2/3周期内乒乓式切换一个周期, 还是先S1打开、S2闭合, 然后S1闭合、S2打开, 相当于在整个注入周期内, 用乒乓式原理测量两次, 注入式原理测量一次, 这么做的目的是为了每次测量都是连贯的。为表达方便, 忽略方波电源的内阻Rs, 在选择电阻阻值的时候, 使R=Ry, 设 在方波正半波中当进入稳态后根据乒乓式原理可以得出式 (6) 。
将计算得到的Rg值代入回路方程, 可得出接地位置α。
相同的, 在方波负半波进入稳态的时候用乒乓式原理可以得出另一个Rg测量值
代入回路方程, 算出其接地位置为
注入式稳态量的计算值Rg根据式 (4) 可推导出
代入正半波回路方程, 算出其接地位置为
以上的计算都是基于励磁电压稳定的前提下的, 如果励磁电压有波动, 计算存在一定的误差, 但是本计算方法可以通过比较以上三个测得的Rg值和保护设定的整定值, 三个同时小于整定值, 为才判为转子一点接地告警或者动作, 来尽可能地躲避励磁电压波动以及大轴和滑环之间接触电阻对转子接地保护判断的影响。由上面推导公式可见, 当 数据过小, 会导致接地电阻Rg值和接地位置计算结果溢出, 应对保护做相应处理, 闭锁保护。
当以上算出三个Rg值和三个值之间偏差小于一定范围并持续满足一段时间以后, 认为形成稳定的一点接地, 才允许两点接地保护投入, 以三个测量的平均值最为转子一点接地的阻值和接地位置, 参与两点接地的数据计算。
2.3 一点接地测量对两点接地计算的影响
由于转子一点接地的测量阻值和接地位置会参与两点接地的阻值及接地位置计算, 为简化说明, 以双端注入式计算模式下进行探讨, 两点接地的原理图如图5所示。
由于处于注入式模式下, S1、S2开关闭合, 此时与常规注入式两点接地原理图完全一致, 列出回路方程并计算接地阻值:令 两点接地后第二点接地电阻表达式
其中Rg1为一点接地后经计算可得, 将式 (14) 代入正半波回路方程计算出第二点接地位置β为
根据以上公式可见Rg1值的测量准确与否, 对于第二点接地电阻Rg2的计算将有较大影响, 组合式转子接地保护多次测量, 综合分析, 相对于单回路测量的转子接地保护, 准确度是有提高的, 因此对两点接地故障计算相对要准确。对于Rg1值接近于0将会导致两点接地第二点阻值无法判断, 应使用发电机二次谐波电压作为极端情况下辅助判据, 确保能正确切除故障。
3 组合式原理的转子接地仿真分析
3.1 仿真模型介绍
在图5电路的基础上, 采用Matlab软件构建励磁绕组接地故障仿真模型, 如图6所示。励磁绕组用4段π型等效电路来表示, 采用三峡左岸电厂ALSTOM机组参数[6];额定电压为475.9 V, 空载电压为191.8 V, 电阻Re=0.1029Ω, 电感Le=1.58m H, 对地电阻RY=5 MΩ, 对地电容Cy=1.264μF, 其余参数:Re1=0.25 Re, Le1=0.25 Le;Ry1=4 Ry, Cy1=Cy/4, Rc=0.4 kΩ。
假设在0 s发生一点接地故障, 接地电阻为Rg, 故障点位置α=25%情况下分别检测不同Rg值对应的测量阻值、接地位置的精度和误差。由于一个注入周波内, 正、负半周波内电子切换开关各检测测量一次, 在正负周波切换时注入式检测测量一次, 为了更好的体现连续性, 在仿真中设定注入方波的周期为6 s, 注入电压幅值为50 V, 图7是一周期内两个电子切换开关的动作情况。
3.2 仿真模型试验结果
设置励磁电压为475.9 V, 接地位置25%, 改变接地电阻的大小, 检测保护的精度以及灵敏度, 仿真的实际结果实验数据表2为正乒乓切换检测的接地电阻, 表3为负乒乓切换检测的接地电阻, 表4为注入式低频检测的接地电阻, 表5为三者测量的平均值。
比较表5和表2~表4, 可见当发电机一点接地时, 对于电阻、接地位置测量的综合误差, 组合式是有提高的。
4 结语
本文对于几种现在使用比较广泛的转子一点接地保护进行了简单的探讨。非注入式的保护硬件以及原理相对简单, 也无需增加外部辅助设备的投资, 但是其具有固有的局限性, 容易受励磁电压大小的影响;注入式转子接地对于发电机停运或者正常运行的方式没有影响, 这也是其最显著的优越性, 然而发电机的电容电流、大轴和滑环的接触电阻以及采样回路的各种异常, 都会导致转子一点接地保护误判, 在注入式回路中增加乒乓式原理进行多次测量, 对接地情况进行综合判断, 增加了其可靠性和准确性, 同时本文对该模型在转子两点接地时能比传统转子接地保护以更精确的理论数据对第二点接地电阻及接地位置进行计算, 并在转子一点接地时由于有多回路检测功能, 可以防止单一的测量元件异常导致保护的误动作。
摘要：分析了在实际工程中几种的发电机转子接地保护及其存在的问题, 通过计算第两点接地的阻值和位置, 从理论上分析出一点接地阻值的测量准确性对于第二点接地阻值有重要的影响。根据几年来现场机组保护调试和投运的工程经验提出了一种新的组合式的转子接地计算方案, 即将乒乓式和注入式原理相结合, 对于转子接地阻值及位置三次独立的测量并综合计算。通过理论分析和以三峡ALSTOM机组为模型的Matlab仿真数据结果表明, 和常规单一测量方式的转子接地保护相比较, 组合式原理的保护能提高发电机一点接地的可靠性和准确性, 同时也能起到监视采样回路的功能。
关键词：转子接地保护,电容电流,自动跟踪,两点接地,组合式
参考文献
[1]郭自刚, 陈俊, 陈佳胜, 等.大型水电机组保护若干问题探讨[J].电力系统保护与控制, 2011, 39 (3) :148-151.GUO Zi-gang, CHEN Jun, CHEN Jia-sheng, et al.Discussion on some problems of large hydroelectric unit protection[J].Power System Protection and Control, 2011, 39 (3) :148-151.
[2]陈俊, 王光, 沈全荣, 等.关于发电机转子接地保护几个问题的探讨[J].电力系统自动化, 2008, 32 (1) :90-92.CHEN Jun, WANG Guang, SHEN Quan-rong, et al.Study on issues of generator rotor earth fault protection[J].Automation of Electric Power Systems, 2008, 32 (1) :90-92.
[3]兰华, 张波, 艾涛, 等.发电机励磁绕组一点接地保护改进方案研究[J].电力系统保护与控制, 2010, 38 (7) :42-46.LAN Hua, ZHANG Bo, AI Tao, et al.Study on improvement palns of ping-pong type ground protection for generator field winfing[J].Power System Protection and Control, 2010, 38 (7) :42-46.
[4]徐立明, 赵彬, 唐云龙, 等.采用动态测量技术实现转子一点接地保护[J].继电器, 2006, 34 (17) :18-19.XU Li-ming, ZHAO Bin, TANG Yun-long, et al.Realizing rotor grounding protection by adopting dynamic measurement[J].Relay, 2006, 34 (17) :18-19.
[5]毕大强, 徐振宇.发电机励磁回路接地新原理的研究[J].继电器, 2000, 28 (7) :37-40.BI Da-qiang, XU Zhen-yu.A study into a new ground fault protection criterion for field winding of generator[J].Relay, 2000, 28 (7) :37-40.
[6]兰华, 张波, 李卫国.乒乓式励磁绕组接地保护若干问题的分析[J].电力系统保护与控制, 2010, 38 (15) :28-32.LAN Hua, ZHANG Bo, LI Wei-guo.Analysis of ping-pong type of rotor earth fault protection[J].Power System Protection and Control, 2010, 38 (15) :28-32.
[7]王维俭.电气主设备继电保护原理与应用[M].2版.北京:中国电力出版社, 2002.WANG Wei-jian.The principle and application electrical main equipment[M].Second Edition.Beijing:China Electric Power Press, 2002.
[8]王显平.提高切换采样式励磁回路接地保护灵敏度及可靠性的方法[J].继电器, 2002, 30 (6) :52-53.WANG Xian-ping.A way to improve the sensitivity andreliability of grounding protection in switch-over sampling energized circuit[J].Relay, 2002, 30 (6) :52-53.
[9]高春如.叠加交流转子电压转子一点接地保护误动的分析[J].继电器, 1994, 22 (3) :19-23.GAO Chun-ru.Analysis of misoperation of rotor earth fault protection with AC voltage injection[J].Relay, 1994, 22 (3) :19-23.
[10]郭光荣.发电机转子励磁绕组接地保护[J].电力系统自动化, 2003, 27 (20) :73-76.GUO Guang-rong.The earth fault protection for generator rotor field coil[J].Automation of Electric Power Systems, 2003, 27 (20) :73-76.
资金需要量组合预测法研究 篇7
充足的资金是企业日常生产经营活动的保障。如何正确预测资金需要量是企业非常关心的问题。随着经济全球一体化,市场竞争背景日趋复杂,预测难度也越来越大,只采用一种方法无法进行准确预测,而多种预测方法可以减少信息失真度,提高预测的准确度。在预测领域的研究中,最引人关注的是组合预测模型。1952年,马科维茨将数理统计方法引入资产组合选择的研究中。1954年,Schmitt成功运用组合预测方法对美国37个大城市人口进行预测,使其准确度有了提高。1969年,Bates和Granger首次对组合预测法进行系统研究,其研究成果引起了预测学界的高度重视。1989年,国际著名的预测学术期刊《Journal ofForecasting》出版了组合预测法专辑,奠定了组合预测法在预测学中的重要地位。我国学者对组合预测的研究始于20世纪70年代,并于20世纪90年代进入热潮。毛开翼、周传世对组合预测方法中的权重确定进行系统研究;部分学者对评价预测准确度的指标进行了评论。唐小我、曹章修等相继在《预测》、《管理上程学报》等刊物上发表了一系列关于组合预测的论文,促进了我国组合预测的理论研究与应用的发展。组合预测已经成为预测领域中的一个重要研究方向,引起了众多学者的研究兴趣,但预测方法在实践中的运用有待加强。本文着重探讨资金需要量的预测模型,在实际运用中,必须结合企业的实际情况选择合理的模型并进行组合或修改,才能做出科学合理的预测。
二、传统资金需要量预测方法述评
(一)传统资金需要量预测方法
(1)因素分析法。因素分析法是以相关项目实际年度的年均资金需要量作为基础,对未来年度即预测年度的资金周转速度和生产经营的需求进行分析预测的方法。
资金需要量=(基期资金平均占用额-不合理资金占用额)×(1±预测期销售增加率)×(1±预测期资金周转速度变动率)
(2)销售百分比法。销售百分比法是根据敏感性因素与销售收入的增长关系来确定未来资金的需要量。此方法假设销售额与经营性资产、负债存在稳定的比例关系。企业凭借经验,根据行业情况和企业自身历史数据,剔除不合理的资金占用,留下与销售收入有稳定百分比关系的敏感性因素。根据敏感性因素与销售收入的关系来预计资产和负债额,以确定留存收益,进而确定筹资需要量。销售百分比法公式为:
其中,A表示随销售额变化的敏感性经营性资产;B表示随销售额变化的敏感性经营性负债;S1为基期销售额;△S为销售变动额;A/S1为敏感资产与销售额的关系百分比;S2为预期销售额;P为销售净利率;E为利润留存率;B/S1为敏感负债与销售额的关系百分比。
(3)资金习性预测法。资金习性预测法是依据资金与产销量之间依存关系将资金划分为不变资金、变动资金来预测未来资金需要量的一种方法。主要用Y=a+b X表示,其中,产销量为X,资金占用量为Y,a为不变资金;b为单位产销量所需变动资金。而a和b的确定有两种方法,一种是回归直线法,一种是高低点法。回归直线法公式为:
高低点法公式为:
(二)传统资金需要量预测方法存在的问题传统资金需要量预测方法过于抽象,考虑影响因素过于简单,且不具有现阶段经济大环境实用性,从而影响预测的精准程度。
(1)因素分析法。因素分析法虽然计算简便,容易掌握,但预测的结果却不精确。此方法除了考虑不合理资金占用额、预测期销售增减率和预测期资金周转速度变动率外,未考虑到资产价格变化等因素对资金需要量的影响。
(2)销售百分比法。销售百分比法易于使用,能为企业提供短期筹资管理所需的预计财务报表,但销售百分比法亦存在许多缺陷。首先,需要敏感项目稳定等假设条件具有很多局限性。一方面,通过主观判断和历史经验确认的敏感项目可能在预测年度因为各种未考虑因素并未随销售额的变化而变化,另一方面,即使敏感项目与销售相关,不同项目不同情况的相关程度也可能不同。其次,销售百分比法计算敏感性因素与销售额时按同一重要程度计算,但没有相应体现不同项目在不同情况下的重要程度。再次,其假设条件“基期与预测期的情况要保持一致”不实际,此假设包含两个时期的敏感因素划分、敏感因素与销售额百分比及销售结构和价格水平不变这三层含义。近年来,经济的变动、通胀及国家宏观政策的调整都不能使企业各个因素达到最优状态,因此,预测期敏感因素的划分必然会与基期不同,随之不同的还有敏感因素与销售额的关系。因此,假设条件中的情况基本不会出现,使用该方法并不能精确地进行预测。
(3)资金习性预测法。资金习性预测法是通过对企业资金与销售间的关系,掌握其资金习性,把资金划分为变动资金和不变资金两部分,对准确地预测资金需要量有很大帮助。但在分析资金需要量时,其与业务量线性回归分析的线性关系有可能并不符合企业的实际情况,并且没有考虑价格变动等影响因素。
三、资金需要量组合预测中单项预测改进
基于以上分析,本文对组合预测方法进行研究前,须对各单项预测即传统预测方法进行改进,使单项预测法在更精确的基础上进行组合预测以求预测结果的精准。
(一)对业务量因素考虑的改进由于产品的业务量容易受到宏观经济政策、市场环境及行业状况等因素的影响,销售额的预测可能得到一个不准确的结果。在传统资金需要量预测方法中,除资金习性法要求有多年的销售量数据外,其他均仅借助于基期业务量来预测,大大降低了预测的准确性,因此,建议至少考虑3年的业务量来进行预测,对于多时期业务量的处理,通常可采用算术平均法、加权平均法、几何平均法以及考虑货币时间价值因素后对各年业务量进行折现求和的净现值法等。具体方法如下:
假设企业预测期可能的业务量为S1、S2…Sn,则算数平均法公式为,加权平均法公式为,几何平均法公式为现值法公式为其中,S代表业务量,n代表数据年数,P表示赋予权重,i表示折现率,(P/F,1,i)表示第一年业务量的复利现值系数。利用现值法进行折现时,应注意考虑折现率中的通货膨胀因素。
(二)对通货膨胀因素考虑的改进2008年美国金融危机以来,通货膨胀的持续攀升使企业陷入经营成本、融资成本的不断增加及经营资金日趋紧张的不利局面。国家统计局公布的数据显示,2011年5月我国CPI同比上涨5.5%,涨幅连续5个月同比加快,创34个月来新高。随着通胀压力的加大,物价水平的不断走高,更加剧资源错配和泡沫程度,并冲击中低收入群体,使经济增速放缓。对企业造成巨大影响的因素有以下方面。
(1)企业资金的需求大量增长。通胀使企业对资金的需求量迅速增加。由于通货膨胀,物价快速上涨,与基期等量的存货就会占用过多资金,企业为减少因涨价而遭受的损失,会采取超额储备来储备原材料而获得收益,在此过程中,企业的资金占用量随之增加,那么资金需要量也相应增加。在通货膨胀时期,企业普遍缺乏资金,从而相互拖欠账款,使其应收账款增加,资金供求矛盾的尖锐,也引起资金需求的增加。在严重通胀期,如果仍按会计的历史成本计价法进行计量,会产生成本虚低而利润虚高的情况。企业要维持基期的正常生产,就必须追加资金。
(2)企业资金来源匮乏。为控制通胀,政府会采取提高存款准备金率等方式紧缩银根,从而减少整个市场上的资金量。在通胀率较高时,物价上涨的幅度往往高于利率上升的幅度。且在物价急剧波动时,生产的利润会远远小于投机的利润,因此,越来越多的企业囤积存货、购买外汇,这些投机活动使得闲置资金转化为信贷资金受阻,减少了信贷资金的来源。此外,物价急剧上涨时,利率也会随之飞速上涨,从而使各种有价证券价格暴跌,物价持续上涨也迫使银行在选择贷款对象时更加谨慎,条件更加苛刻。这将加大企业在资金市场上的筹资难度,并将许多财务状况不良的公司或小企业挤出资金市场。
因此,在通货膨胀严重的情况下,对业务量进行现值法折现时使用的折现率不能再使用同期银行贷款平均利率,应对折现率进行调整,利用公式:
其中,r名(名义折现率)是调整后的折现率,r实(实际折现率)是同期银行贷款平均利率,r通为通货膨胀率。
如果企业对未来资金量的预测时基于预算年度的水平消除了通货膨胀的影响,那么这种资金量称为实际资金量。包含了通货膨胀影响的资金量为名义资金量。二者的关系为:名义资金量=实际资金量×(1+通货膨胀率)n。
四、资金需要量组合预测研究
在传统资金需要量预测法尽可能克服其自有缺点后,利用组合的方法对传统方法赋予一个权重进行组合预测。为了得到更高精度的预测结果,许多学者对组合预测的权重系数优化问题进行了深入讨论,并且取得了一定成果。
(一)资金需要量组合预测设资金需要量预测问题在时刻t的实际观察值为yt(t=1,2,…,n),对此项预测问题有m种可行的预测方法,其预测值分别为fti(t=1,2,…,n,i=1,2,…,m)。又设m种预测方法的加权系数分别为ci(i=1,2,…,m),于是现有组合预测模型可表示为:
采用此式的目的是使组合预测值比单个预测值fti的效果更好,更加接近实际观察值yt。此模型可以轻易计算出组合的预测资金需要量,此时的预测值不仅考虑了传统资金需要量预测方法的各种因素,并对通货膨胀等因素也进行了充分考虑,但还未涉及其他的某些因素。
(二)资金需要量组合预测中其他未考虑因素组合预测中对资金占用、资金周转率、销售收入增减以及通货膨胀等因素进行了综合,但对于企业生命周期等其他影响资金需要量的因素却未曾涉及。企业的成长呈现出生命周期特征,组织结构、内部控制系统及管理目标在各个阶段都可能有差异。奎因和卡梅隆把组织的生命周期划分为四个阶段:创业阶段、集合阶段、规范化阶段和精细阶段。企业在这四个阶段应选择不同的资金水平。
(1)创业阶段。这一阶段是企业的幼年时期,具有较小的规模、较少的人员和较易的关系等特点。企业的所有者或管理者对若干下属实施直接控制,作出所有决策。企业所有者或管理者的素质决定着企业的生存与发展。此时,新产品前途未卜,产品类型、特点、性能尚在不断发展中,利润基本为零,资金非常紧张,资金需求量大。
(2)集合阶段。此阶段产品销量节节攀升,销售群扩大,员工人数增加,企业的前景被看好。与此同时,扩大的组织规模使得管理问题日趋复杂。在此阶段,企业的资金流动频繁、盈余少,具有一定的资金需求,资金周转率高。
(3)规范化阶段。此阶段开始出现竞争者之间的价格竞争。虽然市场巨大,但已趋于饱和。产品价格开始下降,毛利率和利润率都有所下降,利润空间适中。此时的企业具有一定的资金积累,盈利能力处于最高状态,企业开始出现闲置资金,资金需求量下降。
(4)精细阶段。在这一阶段,企业为了整体战略将原来分权的权力重新收回进行集权管理。为降低成本,产品质量可能出现问题,产能会出现过剩。虽然此时企业盈利能力开始降低,但前期资金留存量充沛,财务状况稳定,资金需求量不大。
企业在成熟后期,可能处理不了前阶段的问题而开始衰退;也可能通过组织变革进行创新等方式,获得再次发展的机会。此时是企业发展的一个瓶颈期,有可能进入资金需要量迅速下降或缓慢上升阶段。
除企业生命周期外,还有其他笔者未考虑到的能够影响企业资金需要量的因素,如价格变动、经济环境、政治环境、文化环境的变动等。可以引入以下模型来处理:
Y为最终计算的资金需要量值;β0为前述组合预测下计算出来的资金需要量值;X1i为第一个自变量(影响因素)的第i个观测值;β1为与X1i相联系的参数;Xki为考虑经济环境、价格变动等以外的其他因素,βn为与Xki相联系的参数,误差项ui为无法观测的随机误差或随机干扰。
以上模型为下式的简化表达式:
用矩阵表示为总体模型:Y=Xβ+u
此时,就得到一个综合性较高,更富有现实使用意义的资金需要量预测模型。对于此模型中的参数β1、β2、βk及ui可利用最小二乘法进行确定。
(三)相关参数的确定由于要估计误差u的值,因此需要引入残差。假设为估计值,y为实际发生值,e为某一时点实际值与估计值之间的残差。n为各个时点,当n=0时表示预测期。
(1)误差的预测。未来预测误差其分布为N
由于σ2=D(ui)对误差的估计为:
对于给定的显著水平α,由推出的置信水平为(1-α)的预测区间为:
通过查t分布表可算出误差水平的一个预测区间,最终对误差预测进行F检验以验证预测估计的正确性。
(2)对的预测。而的估计值则根据企业对xn所赋予的意义不同使得模型具有不同形式,当为非线性回归模型时,根据常见的幂函数变换、指数函数变化、泰勒级数展开等方式对此模型进行变换,最终变换为模型Y=Xβ+u的一元线性形式。对于参数β的估计有
的预测区间为N对β的预测如误差一样仍需进行假设检验,对于β的假设检验不像误差检验那么局限,可使用t检验、F检验等,在此不进行赘述。
五、结论