Des chercheurs de l'Université du Zhejiang en Chine ont développé une nouvelle façon d'améliorer les performances des systèmes automatisés tels que les centrales énergétiques, avions et électronique. Les chercheurs ont publié leur méthode dans le numéro de juillet de Journal IEEE/CAA d'Automatica Sinica ( JAS ), une publication conjointe de l'Institut des ingénieurs électriciens et électroniciens (IEEE) et de l'Association chinoise de l'automatisation (CAA).
Les systèmes automatisés utilisent un modèle de contrôle prédictif pour utiliser efficacement l'énergie. La méthode analyse les comportements actuels et les délais pour prévoir et initier les meilleures prochaines étapes pour optimiser les objectifs du système. Par exemple, le système de vol automatisé d'un avion doit examiner l'altitude de vol, la vitesse, conditions météorologiques, la distance jusqu'à destination, ravitaillement en carburant, et plus d'utiliser efficacement ses ressources pour arriver en toute sécurité.
« Le contrôle prédictif de modèle est largement utilisé en raison de sa capacité à gérer efficacement la dynamique complexe des systèmes à entrées et sorties multiples, contraintes du système, et des objectifs de contrôle contradictoires, " a écrit Hongye Su, un auteur sur le papier et un professeur à l'Université du Zhejiang, Chine. "Un rôle clé dans ce cadre est quelque chose appelé 'ensemble réalisable'."
L'ensemble réalisable est l'ensemble des actions potentielles qu'un système peut effectuer tout en restant dans des contraintes prédéterminées, comme toutes les routes que vous pourriez emprunter, au sein d'un État, pour atteindre la même destination. Ces solutions possibles peuvent être mathématiquement visualisées comme un espace dans des formes spécifiques, et à mesure que les contraintes changent, les formes aussi.
Su et son équipe ont conçu un algorithme qui calcule l'ensemble des possibles à l'aide de contraintes représentées par des formes géométriques. Le programme peut déterminer rapidement l'angle des connexions internes dans chaque forme, résultant en l'ensemble réalisable ou toutes les actions possibles avec facilité.
"La simulation montre que la méthode proposée est particulièrement efficace pour le calcul d'ensembles réalisables de faible dimension et évite le problème de non-unicité des optimiseurs, ainsi que le problème de consommation mémoire rencontré par la projection d'algorithmes, " A écrit Su.
L'optimisation des systèmes de choses telles que la consommation d'énergie peut prendre beaucoup de temps et de mémoire, surtout avec un nombre extraordinaire de contraintes à considérer. En appliquant ce que Su et son équipe appellent le "calcul d'ensembles réalisables polyédriques, " le problème peut être résolu plus rapidement et avec moins de puissance de calcul, en termes de mémoire requise.
Su prévient que cela n'est vrai que pour les ensembles réalisables de faible dimension, toutefois. Moins de contraintes à prendre en compte, moins un ensemble réalisable contient de dimensions.
"Si la dimension de l'ensemble des possibles est très grande, la charge de calcul de la méthode proposée serait horrible, " Su a écrit, notant qu'une solution possible peut consister à changer les formes utilisées dans le calcul en polyèdres et que davantage de travail est nécessaire pour explorer davantage cette possibilité.
