Investigadores de la Universidad de Zhejiang en China han desarrollado una nueva forma de impulsar el rendimiento de sistemas automatizados como plantas de energía, aviones y electrónica. Los investigadores publicaron su método en la edición de julio de IEEE / CAA Journal of Automatica Sinica ( JAS ), una publicación conjunta del Instituto de Ingenieros Eléctricos y Electrónicos (IEEE) y la Asociación China de Automatización (CAA).
Los sistemas automatizados emplean un control predictivo de modelos para usar la energía de manera eficiente. El método analiza los comportamientos actuales y los plazos para predecir e iniciar los mejores pasos siguientes para optimizar los objetivos del sistema. Por ejemplo, el sistema de vuelo automatizado en un avión debe examinar la elevación del vuelo, velocidad, las condiciones climáticas, la distancia al destino, suministros de combustible, y más para usar de manera eficiente sus recursos para llegar de manera segura.
"El control predictivo de modelos se usa ampliamente debido a su capacidad para manejar eficazmente la dinámica compleja de sistemas con múltiples entradas y salidas, restricciones del sistema, y objetivos de control contradictorios, "escribió Hongye Su, autor del artículo y profesor de la Universidad de Zhejiang, Porcelana. "Un papel clave en este marco es algo llamado 'conjunto factible'".
El conjunto factible son todas las acciones potenciales que un sistema puede realizar mientras se mantiene dentro de las limitaciones predeterminadas, como todas las carreteras que podría tomar, dentro de un estado, para llegar al mismo destino. Estas posibles soluciones se pueden visualizar matemáticamente como un espacio dentro de formas específicas, y a medida que cambian las limitaciones, también lo hacen las formas.
Su y su equipo han diseñado un algoritmo que calcula el conjunto factible utilizando restricciones representadas por formas geométricas. El programa puede determinar rápidamente el ángulo de las conexiones internas dentro de cada forma, resultando en el conjunto factible o todas las acciones posibles con facilidad.
"La simulación muestra que el método propuesto es especialmente eficiente para el cálculo de conjuntos factibles de baja dimensión y evita el problema de no unicidad de los optimizadores, así como el problema de consumo de memoria encontrado por la proyección de algoritmos, "Su escribió.
Optimizar los sistemas de cosas como el uso de energía puede requerir mucho tiempo y memoria, especialmente con un número extraordinario de limitaciones a considerar. Al aplicar lo que Su y su equipo llaman "cálculo de conjuntos factibles poliédricos, "el problema se puede resolver más rápido y con menos potencia informática, en términos de la memoria requerida.
Su advierte que esto solo es cierto para conjuntos factibles de baja dimensión, sin embargo. Menos restricciones a considerar, cuantas menos dimensiones contenga un conjunto factible.
"Si la dimensión del conjunto factible es muy grande, la carga computacional del método propuesto sería terrible, "Su escribió, señalando que una posible solución puede consistir en cambiar las formas utilizadas en el cálculo a poliedros y se necesita más trabajo para explorar más a fondo esta posibilidad.
