一种用于测试设备的自适应调整的控制系统

本发明涉及测试设备的控制系统，特别涉及一种用于测试设备的自适应调整的控制系统。

背景技术：

1、在现有的工业控制系统中，设计人员通常需要通过编程来实现各种复杂的控制逻辑。这些编程工作不仅要求设计人员具备较高的编程技能，而且还需要花费大量的时间和精力进行代码的编写、调试和维护。

2、传统的编程方式往往难以满足高精度和高效率控制的设备，如压力脉冲测试设备的需求，导致测试结果的准确性和效率受到影响。

技术实现思路

1、针对传统的编程方式往往难以满足高精度和高效率控制的设备，且编程难度较高的问题，本发明提出了一种用于测试设备的自适应调整的控制系统。

2、本发明提供以下技术方案：

3、一种用于测试设备的自适应调整的控制系统，所述系统包括：

4、波形控制模块，用于选择或生成不同波形完成对参数的控制，且所述波行通过图形化的配置界面进行调整生成；

5、pid控制模块，用于使系统能够根据实时的环境和参数变化进行自适应调整；

6、传感器模块，用于实现对物理量的实时监测与数据融合；

7、数据处理模块，用于对采集的数据和信号进行处理，确保数据与信号的准确性；

8、安全监测模块，用于实时监测异常情况，并在必要时发出报警信号。

9、进一步地，所述波形控制模块选择的波形包括正弦波、三角波、梯形波和水锤波。

10、进一步地，在所述波形控制模块中，还包括：构建波形生成模型，用于将波形参数化表述；其中，所述波形表示如下：

11、所述正弦波的向量ps表示为：ps＝[as,fs,φs]；

12、所述三角波的向量pt表示为：pt＝[at,ft,φt,dt]；

13、所述梯形波的向量pr表示为：pr＝[ar,fr,φr,wr]；

14、所述水锤波的向量pw表示为：pw＝[aw,fw,φw,pw]；

15、其中，as表示正弦波的振幅；fs表示正弦波的振幅频率；φs表示正弦波的相位；at表示三角波的振幅；ft表示三角波的振幅频率；φt表示三角波的相位；dt表示三角波的占空比；ar表示梯形波的振幅；fr表示梯形波的振幅频率；φr表示梯形波的相位；wr表示梯形波的脉宽；aw表示水锤波的振幅；fw表示水锤波的振幅频率；φw表示水锤波的相位；pw表示梯形波的水锤效应参数。

16、进一步地，在所述波形控制模块中，还包括：设计图像化配置页面；其中，正弦波、三角波、梯形波和水锤波分别设有独立的图像化配置页面，用户通过在图像化配置页面中拖动滑块或输入数值调整波形参数；所述图像化配置页面实时显示波形变化，表示如下：

17、所述正弦波的图像化配置页面表示如下：

18、ys(t)＝assin(2πfst+φs)

19、其中，ys(t)表示正弦波函数，fst表示t时刻正弦波的振幅频率；

20、所述三角波的图像化配置页面表示如下：

21、

22、其中，yt(t)表示三角波函数，n表示傅立叶级数中的谐波序号；ftt表示t时刻三角波的振幅频率；

23、所述梯形波的图像化配置页面表示如下：

24、

25、其中，yr(t)表示梯形波函数，表示周期，wr表示脉宽，fr表示梯形波的频率，mod表示取模运算，t表示时刻；

26、所述梯形波的图像化配置页面表示如下：

27、

28、其中，yw(t)表示水锤波函数；pw表示水锤效应参数，表示波动衰减的时间常数；fwt表示t时刻梯形波的振幅频率。

29、进一步地，在所述波形控制模块中，还包括：构建结合进化算法和深度学习的自适应波形调整算法，用于根据实时反馈自动调整波形参数p；其中，所述构建自适应波形调整算法，包括以下步骤：

30、构建波形参数p的损失函数e(p)，表示如下：

31、

32、其中，ydesired(ti)表示期望的波形值；yactual(ti,p)表示当前参数p生成的实际波形值；n表示采样点数量，ti表示定义或测量波形期间选择的特定时间点；

33、随机生成一组波形参数向量p1,p2,…,pm作为初始种群，并计算每个个体的适应度，根据适应度选择适应度高的个体作为父代，表示如下：

34、

35、其中，pselect(i)表示选择第i个个体的概率，m表示初始种群中波形参数向量的总数，j表示在求和操作中的索引；

36、将父代个体进行交叉操作，生成新的子代个体：设pa和pb为两个父代个体，通过交叉生成子代个体pnew，表示如下：

37、pnew＝αpa+(1-α)pb

38、其中，α表示交叉系数，0≤α≤1；

39、对部分子代个体进行随机变异：设pmut为变异后的个体，计算如下：

40、pmut＝p+βn(0,1)

41、其中，β表示变异系数，n(0,1)表示标准正态分布的随机变量。

42、进一步地，以进化算法产生的子代个体作为初始参数，引入深度学习算法对波形参数p进行优化，具体包括：

43、使用lstm网络预测未来的波形误差序列其中k为预测步数，lstm网络的输入为当前的波形参数pinit及其对应的误差序列et-k:t，表示如下：

44、

45、其中，表示lstm网络预测的未来k步的误差序列，lstm表示lstm网络模型；

46、结合预测的误差序列和当前的波形参数pinit，定义多目标优化函数popt，所述多目标优化函数popt包括误差最小化和参数平滑性，表示如下：

47、

48、其中：α1,α2表示权重参数，分别表示误差最小化和参数平滑性的权重；表示波形参数p的二阶时间导数，用于衡量参数的平滑性；k表示步数的长度，表示找参数集p，使得目标优化函数最小，表示在时刻t+i；的预测误差值，表示偏导数符号；

49、使用梯度下降法进行迭代优化，更新波形参数p，且每次迭代中，根据多目标优化函数计算梯度并更新参数，表示如下：

50、

51、其中，η表示学习率；表示对波形参数p的梯度计算。

52、进一步地，所述pid控制模块包括模糊pid自适应控制器、内模复合pid控制器、eso内模耦合模糊pid控制器，依据环境和参数变化进行自适应调整。

53、进一步地，所述传感器模块包括位移传感器、温度传感器和压力传感器，用于对物理量的实时监测和数据融合，提供系统对环境变化的感知。

54、进一步地，所述数据处理模块集成数据清洗模块和信号处理模块，所述数据清洗模块包括缺失值清洗、重复值清洗、缺失值补充、阈值限定；所述信号处理模块包括信号平稳处理、信号加窗、傅里叶变换、短时傅里叶变换、峰值提取、滤波器设计。

55、进一步地，所述信号平稳处理通过以下计算得到平滑的信号：

56、

57、式中，λ[k]表示平滑后的信号，ω[n]为原信号处理中的影响系数，ψ*[k-n]为预设函数的共轭函数，k为时间序列对应的特定数据组，n为时间序列中的一个数据点n；

58、所述峰值提取通过如下方法提取：

59、

60、其中，peak(t)是t处的峰值，data[t:t+w]为t到t+w范围内的数据，max(data)为整个数据的峰值。

61、本发明相比现有技术具有以下优点：

62、(1)本发明采用了组态化无代码的设计方式，使得用户无需编写复杂的代码就能构建和配置控制系统。这种设计方式大大降低了使用门槛，提高了系统的易用性和可维护性，同时减少了开发和部署时间。

63、(2)本发明结合组态化无代码的特点，本发明提供了多种控制方式，如pid控制器、模糊pid自适应控制器等，可以通过简单的拖拽和配置，实现不同的控制策略，满足各种复杂的控制需求。

64、(3)本发明的创新波形控制方案通过结合进化算法和深度学习方法，使用参数化模型生成波形，并通过图形化配置界面调整波形参数。自适应波形调整算法根据实时反馈优化波形参数，确保波形满足特定测试要求。该方法可以有效提高测试设备的性能，满足复杂测试环境中的高精度和高效率需求。