Onderzoekers van de Zhejiang University in China hebben een nieuwe manier ontwikkeld om de prestaties van geautomatiseerde systemen zoals energiecentrales, vliegtuigen en elektronica. De onderzoekers publiceerden hun methode in het julinummer van IEEE/CAA Journal of Automatica Sinica ( JAS ), een gezamenlijke publicatie van het Institute of Electrical and Electronic Engineers (IEEE) en de Chinese Association of Automation (CAA).

Geautomatiseerde systemen maken gebruik van voorspellende modelbesturing om energie efficiënt te gebruiken. De methode analyseert huidig ​​gedrag en tijdschema's om de beste vervolgstappen te voorspellen en te initiëren om de doelen van het systeem te optimaliseren. Bijvoorbeeld, het geautomatiseerde vliegsysteem in een vliegtuig moet de vlieghoogte onderzoeken, snelheid, weersomstandigheden, de afstand tot de bestemming, brandstofvoorraden, en meer om zijn middelen efficiënt te gebruiken om veilig aan te komen.

"Voorspellende besturing van modellen wordt veel gebruikt vanwege het vermogen om effectief om te gaan met de complexe dynamiek van systemen met meerdere in- en uitgangen, systeembeperkingen, en tegenstrijdige controledoelstellingen, " schreef Hongye Su, een auteur op het papier en een professor aan de Zhejiang University, China. "Een sleutelrol in dit kader is iets dat 'haalbare set' wordt genoemd."

De haalbare set is alle mogelijke acties die een systeem kan uitvoeren terwijl het binnen vooraf bepaalde beperkingen blijft, zoals alle wegen die je zou kunnen nemen, binnen een staat, om dezelfde bestemming te bereiken. Deze mogelijke oplossingen kunnen wiskundig worden gevisualiseerd als een ruimte binnen specifieke vormen, en naarmate de beperkingen veranderen, zo ook de vormen.

Su en zijn team hebben een algoritme ontworpen dat de haalbare set berekent met behulp van beperkingen die worden weergegeven door geometrische vormen. Het programma kan snel de hoek van de binnenverbindingen binnen elke vorm bepalen, resulterend in de haalbare set of alle mogelijke acties met gemak.

"De simulatie laat zien dat de voorgestelde methode vooral efficiënt is voor laagdimensionale haalbare setberekeningen en het niet-uniciteitsprobleem van optimizers vermijdt, evenals het geheugenconsumptieprobleem dat wordt ondervonden door projectie van algoritmen, ' schreef Su.

Het optimaliseren van de systemen van zaken als energieverbruik kan veel geheugen en tijd vergen, vooral met een buitengewoon aantal beperkingen om te overwegen. Door toe te passen wat Su en zijn team de "veelvlakkige haalbare verzamelingsberekening" noemen, " het probleem kan sneller en met minder rekenkracht worden opgelost, wat betreft het benodigde geheugen.

Su waarschuwt dat dit alleen geldt voor laagdimensionale haalbare sets, echter. Hoe minder beperkingen om te overwegen, hoe minder dimensies een haalbare set bevat.

"Als de afmeting van de haalbare set erg groot is, de rekenlast van de voorgestelde methode zou afschuwelijk zijn, "Sou schreef, opmerkend dat een mogelijke oplossing kan liggen in het veranderen van de vormen die in de berekening worden gebruikt in veelvlakken en dat er meer werk nodig is om deze mogelijkheid verder te onderzoeken.