自整定
沒有或很少條目連入本條目。 (2018年2月8日) |
在控制理論中,自整定(self-tuning)可以在滿足目標函數最大化或是最小化的情形下,將其內部運行參數進行最佳化,一般會是進行效率的最大化,或是錯誤的最小化。
自整定及自動整定(auto-tuning)有時會指同一個概念,許多軟件研究群體認為auto-tuning是較正確的名詞。不過在變頻器領域中,自動整定(auto-tuning)有時只是馬達參數自學習,利用測試信號及演算法量測馬達參數,不一定包括內部運行參數的最佳化[1]。
自整定系統一般會包括非線性自適應控制。數十年以來,自整定系統已經是航太產業中的標誌,這類的反饋在非線性過程的多目標最佳控制非常重要。在電信產業中,常使用自適應通信,其中會動態的調整系統參數,讓效率及強健性都可以最大化。
例子
[編輯]在運算上的自整定範例包括:
- 傳輸控制協議 (Transmission Control Protocol,TCP)
- Microsoft SQL Server(較新的版本才支援)
- FFTW(西方最快速的傅里葉變換)
- ATLAS(自動整定的線性代數軟件)
- libtune(Linux的可整定函式庫)
- PhiPAC(精簡指令集的自整定線性代數軟件)
- MILEPOST GCC(以機器學習為基礎的自整定編譯器)
自整定的性能優勢非常的大。美國電腦科學家Jack Dorr認為自整定提昇性能的數量級大約會是三倍左右[來源請求]。
數位自整定控制器是硬件層次自整定系統的例子之一。
架構
[編輯]自整定系統一般包括四個元素:預期、量測、分析及動作。預期會描述系統在給定exogenous條件下應有的行為。 量測會搜集有關條件及系統行為的資料。分析會判斷系統行為是否符合預期,後續應該進行哪些行動。常見的動作是搜集資料,並且動態調整系統的組態。
自整定(自適應)的自動控制系統是可以適應隨機變化條件的系統,其作法是自動調整其參數,或是自動決定其最佳組態[2]。在不是自整定的自動控制系統中,有許多參數會影響系統穩定性及控制品質,可以手動進行調整。若在運作條件大幅變化時(例如輸入訊號或是受控體特性改變時),參數仍維持相同的值,其控制性能可能會退化,甚至不穩定。手動的參數調整很麻煩,而且有時是不可行的。這種情形下使用自整定的自動控制系統,不但有在經濟上或使用方便性的考量,這也是唯一可以實現強健控制的方法。自整定系統可以包括參數測定(parameter determination),也可以不包括參數測定。
在有參數測定的控制系統中,控制水準是靠自動尋找一組最適的參數值來實現的。控制水準是一個概略性的特徵,多半不太能表示成基本參數的函數,就算有,也可能是一個複雜函數,甚至沒有已知的函數可以表示。此特徵可能會用直接量測的方法來取得,也可能根據基本參數再作計算而得。之後會暫時變化這些參數,利用參數變化後產生的控制水準震盪來找出有關參數最適值(也就是讓控制水準出現極值)的資訊。若控制水準的值已不在理想的極值上,需要再調整參數使控制水準回到極值,或是可以到不同條件下的極值。有有參數測定的控制系統就算外部環境變化很大,也可以可靠的運行。
在實際系統中,若控制系統有參數測定機能,需要一段時間才能找到最佳的調整值,因此其需要的時間會比較長,可能會比實際應用可接受的時間要長。若是系統沒有參數測定機能,就沒有這個缺點。這類系統會使用一些量測控制水準的方式(例如某控制參數的一階時間微分)。利用自動整定讓控制水準維持在一定範圍內。有一些方式可以在不測定參數的情形下進行自整定,主要是以控制暫態過程,頻域特性等為主。這些都是閉迴路自整定系統的例子,若控制水準偏離允許範圍,系統會自動修正參數來調整控制水準。相反的,開迴路自整定系統是有些參數補償的機能,其輸入訊號是受控的,依照一定程序來調整系統參數,這類的自整定可以接近即時動作。不過為了要實現自整定,仍需要去瞭解系統運作的環境,並要對環境對控制系統的影響有足夠的瞭解。
實務上,自整定會有用特殊的硬件或是適應性軟件演算法來實現。以下是一些自整定(適應性)軟件的特點:
- 幫助控制系統的關鍵流程
- 達到最佳運行的條件
- 促進控制系統的設計一致性
- 縮短系統測試及調適的時間
- 在讓系統更加強健的過程中,讓技術協助支援的比例可以下降
- 節省系統調適需要的人員及時間
相關條目
[編輯]腳註
[編輯]- ^ Yaskawa V1000 autotune. [2018-02-08]. (原始內容存檔於2019-09-05).
- ^ http://bse.sci-lib.com/article099233.html (頁面存檔備份,存於互聯網檔案館) Big Soviet Encyclopedia, Self-Tuning Systems] (俄文)
文獻
[編輯]外部連結
[編輯]- 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. (頁面存檔備份,存於互聯網檔案館) doi:10.1109/JPROC.2004.840301.
- A Collaborative guide to ATLAS Development (頁面存檔備份,存於互聯網檔案館)
- Optimizing Matrix Multiply using PHiPAC: a Portable, High-Performance, ANSI C Coding Methodology (頁面存檔備份,存於互聯網檔案館)
- Faster than a Speeding Algorithm
- Rethinking Database System Architecture: Towards a Self-tuning RISC-style Database System (頁面存檔備份,存於互聯網檔案館)
- Self-Tuning Systems Software (頁面存檔備份,存於互聯網檔案館)
- 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 (頁面存檔備份,存於互聯網檔案館)
- Digital Self-tuning Controllers