一种基于容器工作流结构的数据驱动云控制方法及系统技术方案

本发明专利技术公开了一种基于容器工作流结构的数据驱动云控制方法及系统，通过将数据驱动预测控制转化为有向无环图的工作流形式的方法，充分利用了云计算的并行计算能力，能够适配云工作流处理的分布式要求，极大提升数据驱动预测控制任务的处理效率。测控制任务的处理效率。测控制任务的处理效率。

【技术实现步骤摘要】
一种基于容器工作流结构的数据驱动云控制方法及系统


[0001]本专利技术属于自动控制
，具体涉及一种基于容器工作流结构的数据驱动云控制方法及系统。

技术介绍

[0002]随着科技发展，工业过程系统日趋复杂，工业过程产生并存储的数据信息也在不断增多，因此数据驱动方法应运而生，并受到了广泛关注，数据驱动控制成为了控制学术界和工业界研究的热点。模型预测控制(MPC)在控制理论领域被广泛关注，已成为现代控制主流方法之一，随着计算能力的提高，MPC已经成为工业控制领域比较常见的控制策略之一。MPC最典型的特征是可处理多变量控制问题、可处理输入输出物理约束及可适应结构变化。子空间辨识方法是一类状态空间模型的系统辨识方法，该方法彻底将控制工作者从繁琐的机理建模中解脱出来，只要具有足够多的过程输入输出数据就可以通过辨识方法得到过程较为准确的状态空间模型。子空间辨识过程中得到的子空间预估器可直接作为预测控制器的预测模型输出，形成数据驱动预测控制方法，并在实际工业过程中得到了应用，取得了良好的效益。
[0003]数据驱动预测控制结合了系统辨识、模型预测控制等方面的理论，直接利用测量输入输出数据，产生预测控制序列，并施加到被控对象上。相对于传统控制方法来说，数据驱动预测控制具备以下优点：不依赖于模型信息等先验知识、可动态控制时变系统、仅依赖基本线性代数工作以及可靠性高等。由于数据驱动预测控制的执行需要依赖大量历史数据导致计算效率受到严重制约，不利于在实时控制系统以及高维控制系统中的应用。近十年来，云计算的快速发展为自动控制领域带来了新的范式，即云控制系统。云控制系统是指将控制器部署在云端、被控对象部署在边缘被控节点，云端与边缘被控节点通过网络相连的系统，旨在利用云计算的强大计算能力，解决控制领域存在的算力不足问题。在此基础上提出了数据驱动预测云控制系统，它是将数据驱动控制器部署在远端的云服务器上，为被控对象按需配置云服务器提供远程控制服务。
[0004]然而，现有数据驱动预测云控制系统仅将完整的、未经适应云计算环境设计的数据驱动预测控制算法简单、直接地部署在单个服务器上，其计算模式依然是集中式的，与本地控制器相同，即，现有云控制系统的计算模式未考虑云计算的分布式处理结构、未利用云计算的并行计算能力，因此未能显著地提高计算效率。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种基于容器工作流结构的数据驱动云控制方法及系统，利用云计算的并行计算能力实现了数据驱动预测控制工作流。
[0006]本专利技术提供的一种基于容器工作流结构的数据驱动云控制方法，包括以下步骤：
[0007]将工作流中的任务节点定义为入口任务节点、中间任务节点及出口任务节点，其中，入口任务节点为云端控制器数据的入口，用于转发数据；中间任务节点为多层结构，用
于对数据执行截断奇异值分解及对上层任务节点结果进行聚合；出口任务节点用于求解得到数据驱动预测控制序列；
[0008]入口任务节点将所需数据转发给各中间任务节点；中间任务节点根据从上层任务节点接收到的数据建立、更新Hankel矩阵分块形成数据列块，在对数据列块进行聚合操作后，再对聚合后的结果执行截断奇异值分解，逐层迭代直到最后一层中间任务节点；出口任务节点对从最后一层中间任务节点接收到数据进行聚合操作后，求解数据驱动预测控制序列。
[0009]进一步地，所述中间任务节点根据从上层任务节点接收到的数据建立、更新Hankel矩阵分块形成数据列块，在对数据列块进行聚合操作后，再对聚合后的结果执行截断奇异值分解，逐层迭代直到最后一层中间任务节点的过程，包括以下步骤：
[0010]步骤2.1、计算切割列块数目N
c
＝round(n/col+0.45)，其中，n为原矩阵的列数，col为拆分后矩阵的列数，round()为取整函数；将从上层任务节点接收到的数据建立Hankel矩阵分块形成数据列块建立存储列块及列块奇异值分解结果的列表l
U
、l
∑
及l
V
；
[0011]步骤2.2、对数据列块进行奇异值分解得到V
p
＝MSN
T
，计算V
p
的Morre
‑
Penrose伪逆矩阵其中，N和M均为奇异值分解的系数矩阵，S为分解得到的奇异值序列；将M存入列表l
U
中、N存入列表l
V
中、S存入列表l
∑
中；计算列表长度Nl＝len(l
U
)，计算迭代层数level＝ceil(log2Nl)，令i＝1，建立双层循环求解矩阵M奇异值分解结果；
[0012]步骤3、建立新的空列表l
Ut
,l
∑t
,l
Vt
，使用输入列表l
U
,l
∑
,l
V
为其对应赋值后，将输入列表l
U
,l
∑
,l
V
置空，如下公式所示：
[0013]l
Ut
＝l
U
,l
∑t
＝l
∑
,l
Vt
＝l
V
[0014]l
U
＝list()；l
∑
＝list()；l
V
＝list()
[0015]令j＝1；
[0016]步骤4、选择各新列表l
Ut
,l
∑t
,l
Vt
中的相邻两个元素进行数据聚合处理后，再将聚合结果增加到列表l
Ut
,l
∑t
,l
Vt
中，对于新列表l
Ut
,l
∑t
,l
Vt
中执行聚合操作，令j＝j+2；
[0017]步骤5、若j≤Nl，则执行步骤4，否则执行步骤6；
[0018]步骤6、若Nl是否为奇数，则执行步骤7；否则执行步骤8；
[0019]步骤7、将列表l
Ut
,l
∑t
,l
Vt
最后一项分别加入列表l
U
,l
∑
,l
V
中；
[0020]步骤8、令i＝i+1，若i≤level，则执行步骤3，否则执行步骤9；
[0021]步骤9、返回M奇异值分解结果
[0022]进一步地，所述对数据列块进行聚合操作，包括以下步骤：
[0023]执行k＝rank(∑)，计算奇异值阶次k；
[0024]采用U
k
＝U(:,1:k)；∑
k
＝∑(1:k,1:k)；V
k
＝V(1:k,1:k)，对U,∑,V分别进行低阶近似处理，返回低阶近似结果后，执行U
r
,∑...

【技术保护点】

【技术特征摘要】
1.一种基于容器工作流结构的数据驱动云控制方法，其特征在于，包括以下步骤：将工作流中的任务节点定义为入口任务节点、中间任务节点及出口任务节点，其中，入口任务节点为云端控制器数据的入口，用于转发数据；中间任务节点为多层结构，用于对数据执行截断奇异值分解及对上层任务节点结果进行聚合；出口任务节点用于求解得到数据驱动预测控制序列；入口任务节点将所需数据转发给各中间任务节点；中间任务节点根据从上层任务节点接收到的数据建立、更新Hankel矩阵分块形成数据列块，在对数据列块进行聚合操作后，再对聚合后的结果执行截断奇异值分解，逐层迭代直到最后一层中间任务节点；出口任务节点对从最后一层中间任务节点接收到数据进行聚合操作后，求解数据驱动预测控制序列。2.根据权利要求1所述的数据驱动云控制方法，其特征在于，所述中间任务节点根据从上层任务节点接收到的数据建立、更新Hankel矩阵分块形成数据列块，在对数据列块进行聚合操作后，再对聚合后的结果执行截断奇异值分解，逐层迭代直到最后一层中间任务节点的过程，包括以下步骤：步骤2.1、计算切割列块数目N
c
＝round(n/col+0.45)，其中，n为原矩阵的列数，col为拆分后矩阵的列数，round()为取整函数；将从上层任务节点接收到的数据建立Hankel矩阵分块形成数据列块建立存储列块及列块奇异值分解结果的列表l
U
、l
∑
及l
V
；步骤2.2、对数据列块进行奇异值分解得到V
p
＝MSN
T
，计算V
p
的Morre
‑
Penrose伪逆矩阵其中，N和M均为奇异值分解的系数矩阵，S为分解得到的奇异值序列；将M存入列表l
U
中、N存入列表l
V
中、S存入列表l
∑
中；计算列表长度Nl＝len(l
U
)，计算迭代层数level＝ceil(log2Nl)，令i＝1，建立双层循环求解矩阵M奇异值分解结果；步骤3、建立新的空列表l
Ut
,l
∑t
,l
Vt
，使用输入列表l
U
,l
∑
,l
V
为其对应赋值后，将输入列表l
U
,l
∑
,l
V
置空，如下公式所示：l
Ut
＝l
U
,l
∑t
＝l
∑
,l
Vt
＝l
V
l
U
＝list()；l
∑
＝list()；l
V
＝list()令j＝1；步骤4、选择各新列表l
Ut
,l
∑t
,l
Vt
中的相邻两个元素进行数据聚合处理后，再将聚合结果增加到列表l
Ut...

【专利技术属性】
技术研发人员：夏元清，高润泽，詹玉峰，翟弟华，戴荔，孙中奇，吴楚格，张金会，闫莉萍，刘坤，郭泽华，崔冰，邹伟东，杨辰，张元，高寒，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：