工业自动化DCS的网络优化通信过程仿真

第32卷第06期 计算机仿真 2015年06月文章编号：10069348(2015)06039004工业自动化DCS的网络优化通信过程仿真高利军(内蒙古农业大学机电工程学院，内蒙古呼和浩特010018)摘要：采用传统方法进行DCS的网络通信优化时，由于网络通信的信息量比较多、传输速度较慢，会出现信息负载和信息之间互相干扰的现象，造成信息帧发生碰撞和系统通信的安全性及通信效果较差等问题。为此，提出基于小生境人工蜂群算法的工业自动化DCS的网络通信优化方法。针对DCS网络通信传输的特性，定义其通信优化性能的评价指标，并构建DCS网络信道模型，依据小生境人工蜂群算法的相关理论，将信息进行合理调整，首先计算获取种群个体的适应度值，然后与搜索子群中的最优解进行比较，获得更优解，直至达到最大迭代次数，输出搜索的最优结果，即可实现DCS的网络通信优化。实验结果表明，利用改进算法进行工业自动化DCS的网络通信优化，能够提高网络通信的抗干扰性、及时性和可靠性，并减少因干扰造成的数据丢失率，保证了工业自动化DCS的网络通信性能。关键词：工业自动化；数控系统；网络通信优化；小生境人工蜂群算法中图分类号：TP39308 文献标识码：BSimulation of Communication Process for Industrial AutomationNetwork Optimization of DCSGAO Liiun(Mechanical and Electrical Engineering College，Inner Mongolia Agricultural University，Hohhot in Inner Mongolia 010018，China)ABSTRACT：An optimization method of DCS for industrial automation network communication is presented based onniche artificial colony algorithmAccording to the characteristic of DCS network communication transmission，the evaluation index of optimal performance is defined，the communication channel model is established，the DCS systemnetwork is built based on related theory of niche artificial colony algorithm，and the information is adjusted reasonablyFirstly，the fitness value for individual species is calculated，and then it is compared with the optimal solution inthe searching subgroup，and a more optimal solution is gotUntil the maximum number of iterations，the optimalsearching results are obtained，and the optimization of DCS network communication can be realizedThe experimental results show that the proposed algorithm can improve the antiinterference，timeliness and reliability of networkcommunication，and reduce data lostKEYWORDS：Industrial automation；DCS；Network communication叩timization；Niche artificial colony algorithm1 引言随着现代工业自动化技术的快速发展，其控制系统的更新也逐步增快，DCS作为一种新型的计算机控制系统被越来越多的应用到自动化生产中，如石化、电力等行业。而对其系统网络通信能力的优化，能够保证控制系统的正常运基金项目：国家自然科学基金(50265002，20142018)；内蒙古自然科学基金项目(2009MS0802)收稿日期：20141l02修回13期：20150402-390-行，因此，成为该领域热点关注的问题之一123|。目前，传统的DCS的网络通信优化方法主要包括基于神经网络算法的通信优化方法。41、基于免疫粒子群算法的通信优化方法3和基于模拟退火算法的通信优化方法“。其中，最常用的是基于免疫粒子群算法的DCS的网络通信优化方法一8|。由于工业自动化DCS网络通信优化算法能够提高数据传输速度，节省造价，且能够最大化降低由于外界干扰造成的传输数据丢失率，因此，成为相关专家学者研究的重点课题，拥有十分广阔的发展前景9”。采用传统方法进行DCS的网络通信优化时，由于网络通万方数据信的信息量比较多、传输速度较慢，导致产生信息负载以及信息之间互相干扰的一些现象，造成信息帧发生碰撞和系统通信的安全性及通信效果较差等问题。为了避免上述方法的弊端，提出基于小生境人工蜂群算法的工业自动化DCS的网络通信优化方法。针对DCS网络通信传输的目的，定义其通信优化性能的评价指标。构建网络信道模型，依据小生境人工蜂群算法的相关理论，将信息进行合理调整，首先计算获取种群个体的适应度值，然后与搜索子群中的最优解进行比较，获得更优解，直至达到最大迭代次数，输出搜索的最优结果，即可实现DCS的网络通信优化。实验结果表明，利用改进算法进行工业自动化DCS的网络通信优化，能够提高通信的实时性与抗干扰性，最大化地减小了通信过程的数据丢失率，保证了DCS网络通信的可靠性。2大型DCS网络通信过程的原理介绍将DCS的网络通信优化过程可看成蜜蜂寻找食物源的过程，将蜂群的食物源位置看成优化问题的一个解，蜜蜂寻找食物源的过程即是搜索问题最优解的过程。具体原理描述如下：设定一个待优化全局问题为(P)，minf(戈)：XScR“，将其所有问题解的集合抽象为一个与食物源对应的种群，而所有食物源的优劣的决定因素即是其相应的适应度值。若引领蜂的个数与解的个数同为(SN)，食物源的位置向量为X。(菇fI，戈，戈“)1S。随机生成初始种群，含其食物源的个数为(SN)。蜜蜂对种群所有的食物源进行搜索循环，搜索循环次数设为c。引领蜂对食物源进行一次搜索，若当前花蜜质量优于之前的则用新的食物源位置取代之前的，否则保持不变。待全部引领蜂搜索完后，将信息传达给跟随蜂，跟随蜂依据信息按照一定概率选择食物源，花蜜越多质量越好的食物源被选择的概率也越大。跟随蜂选中食物源之后也对相邻区域进行一次搜索，并用较优位置取代较差位置，不断循环上述搜索过程，实现算法寻优，获取全局最优解。上述过程中蜜蜂对食物源位置的更新依据的公式为：K，=茗。+R#(置，一) (1)式中，K表示新的食物源位置，足i表示一个取值区间为一l，1的随机数，kl，2，SN且满足kiJ1，2，d。若上述过程的某个解茗i被循环多次后，仍未得到改善，则说明此解为局部最优，则此解需放弃，其相应的引领蜂转为侦查蜂，侦查蜂依据下述公式随机生成新解取代石；：=Xmin+rand(O，1)(i。一；。) (2)依据上面阐述的原理，可实现问题最优解的搜索，实现DCS网络的通信优化。3工业自动化DCS的网络通信优化采用传统方法进行DCS的网络通信优化，由于网络通信的信息量比较多、传输速度较慢，导致产生信息负载以及信息之间互相干扰的一些现象，造成信息帧发生碰撞和系统通信的安全性及通信效果较差等问题。为此，提出基于小生境人工蜂群算法的工业自动化DCS的网络通信优化方法31 DCS网络通信特点描述工业自动化DCS是一种集计算机技术、通信技术、控制技术及CRT技术为一体的新型的集散型控制系统。其通信系统又可划分成通信速度及网络类型各不相同的多个层次，在DCS进行通信优化时，可依据每一个层次的不同特点选取适宜的通信协议及网络类型，在满足通信优化安全性的基础上最大化的降低算法成本。由于DCS的通信网络传递信息的目的是以引起物质和能量运动为目的的，因此尤其强调其实时性、稳定性与可靠性。其中，实时性，是DCS通信性能评价的重要指标，在优化过程，为保证通信性能的实时性，可适度牺牲小部分信道利用率，而保证系统通信实时性还必须满足下述三个条件：1)在算法执行过程，设定通信权的相关时间最大值，一旦执行时间大于此设定值，则应对通信权进行释放；2)为避免系统的通信子网上的某个站点由于长时间不能获取通信权而降低其实时性，因此，需保证一定周期内，所有通信子网上的站点都能至少一次获取通信权；3)针对实时性要求很高的紧急任务，给予优先服务。工业自动化DCS的网络通信的可靠性可通过下述因素进行衡量：1)受故障及干扰的消极影响最小化：通信网络任意部位出现的独立故障，不应产生除本故障装置设计的功能外的其他功能障碍；2)当系统产生异常状态及差错时，应具备自动报告相应状态的能力；3)在系统产生的故障得到修复后，系统的通信网络性能自动恢复；4)支持任意站的启动、加载、停止、再次加载及复位。在进行DCS的网络通信优化过程，其优化优先指标，需参照上述描述。32构建DCS网络信道模型工业自动化DCS的网络通信的信道分配问题是在遵循不干扰约束的条件下，使所有小区都可分配到所需数量的频点。假设兼容矩阵C=CJ-m，。)表示主要的干扰约束条件，R=ri，i=l，2，表示小区频率所需的频点数，其中，-用来描述第i个小区所需的频点数，刚=l，2，FNum表示可用频道集合。设定分配至第i小区第k个位置的频点为兀，且其取值需为整数，分配至第J小区第z个位置的频点为厶，则厶也之间的关系需满足下述关系：J厶一厶ICg，(1iN，1k，z) (3)已知S(F)用来描述DCS通信信道违反约束条件的数一391万方数据量，F洲用来描述厶和是否满足约束条件，则其数学模型为：s(F)=F蚓 (4)=矗嚣小c。 DCS网络通信优化的过程即是在可用频点集合中搜索使s(F)值为0的最优解。33实现DCS网络通信优化处理常规的蜂群算法只能对单一的全局最优解进行搜索，改进的小生境人工蜂群算法是通过子种群发现多个最优解，满足了工业自动化DCS的网络通信优化的最优解的获取。改进的小生境人工蜂群算法的实现步骤如下所述：Stepl：初始化参数，设定子种群数为N，规模描述为Beetotal，小生境半径描述为Rniche，最大迭代次数描述为MCN，限制次数描述为Limit；Step2：对优化问题解空间内的任意N个子种群初始化操作，通过计算获取子种群的相关个体适应值，并对其最优解及个体相应的位置进行记录；Step3：子种群中的引领蜂依据相关公式搜索新的食物源，并与记录的最优解值进行对比，如果当前值由于先前记录的最优解值，则用当前解进行替换，并对当前最优解的个体位置进行记录；Step4：跟随蜂依据相关选择规则，跟随引领蜂，继续搜索食物源，并用最优解对之前解进行替换记录；Step5：若蜜蜂搜索食物源的次数为上限时，还未搜索到更优解时，则需随机选取新解将原来解替换掉；Step6：对蜂群个体适应值进行计算，并对子群中的最优解及其相应个体位置进行更新；Step7：执行策略，使小生境形成独立搜索空间；Step8：对当前搜索状态进行判断，若为最大迭代次数MCN，则结束搜索循环，输出最终搜索结果；相反，返回Step3进行重新搜索。4实验结果及分析为了验证改进算法的优越性，需要进行一次仿真实验。仿真环境设置如下：处理器为Pentium(R)DualCoreCPU T420200GHz，内存为20GHz，系统为Microsoft Windows XP professional，版本为2003 Service Pack3，程序编写采用MATIAB r2007。实验中分别选取不同算法进行工业自动化DCS的网络通信优化仿真实验，并针对得到的不同算法的网络延迟、数据丢失率及算法收敛速度进行比较评析。具体实验结果如下：41网络延迟与信息帧大小实验过程分别采用改进算法和传统算法进行实验，分别设定信息帧大小为200 bit、1000 bit、3200 bit，得到不同算法392的网络延迟与帧大小的关系曲线比较如图1一图3所示。一、二。3。“。、I，髻itII1 2 3 5矗震数，度一。图1信息帧为200 bit时。不同算法对比盒，一。、“-illi+ 图2信息帧为1000 bit时，不同算法对比r、 t_J一j -暮。 一呈， -一一：itj。j!a一宴-j，、箍jI。图3信息帧为3200 bit时。不同算法对比由上图l一图3可以看出，不同算法的网络延迟随着信息帧的增大而增大，当信息帧较小时，传统算法和改进算法的相差较小，随着信息帧的增大，差异增大，改进算法的优越性凸显。42数据丢失率实验中分别在不同算法的实验过程加入相同数量的干扰信息，得到的不同算法的通信数据传输的丢失率如图4所示。雾眭雏图4不同算法的数据丢失率对比由上图曲线可以看出，改进算法的数据丢失率明显小于万方数据传统算法，说明改进算法的抗干扰性优于传统算法，能够保证DCS通信的安全性与可靠性。43收敛速度针对不同算法的收敛速度进行比较得到的结果如图5。唾一 L-L-L-L-L-J-_图5不同算法收敛速度根据上图可知，传统算法在迭代次数达到400次时，性能才趋于稳定达到最优，改进算法在迭代次数为200时，即达到最优值。由上述实验结果可知，改进算法能够有效的提高DCS网络通信的及时性、可靠性，减少因干扰造成的数据丢失率，具有极大的优越性。5结语针对传统方法进行DCS的网络通信优化，由于信息负载过重，容易产生信息帧碰撞的缺陷，提出基于小生境人工蜂群算法的工业自动化DCS的网络通信优化方法。依据DCS网络通信传输的特性，定义其通信优化性能的评价指标，并构建DCS网络信道模型，根据小生境人工蜂群算法原理，对信息进行合理调整，首先计算种群个体的适应度值，然后与搜索子群中的最优解进行比较，获得更优解，直至达到最大迭代次数，输出搜索的最优结果。实验结果表明，利用改进算法进行工业自动化DCS的网络通信优化，能够提高系统的收敛速度，保证通信的及时性，并能够降低数据丢失率，提高系统通信的安全性与可靠性，具有广阔的发展空间。参考文献：1董俊一种抗乘性噪声干扰的小区域GPS通信优化算法J微电子学与计算机，2013，30(2)：1321352郝伟DCS系统设计及在电厂热工控制系统的应用J科技创新与应用，2014(31)：1401403 FENGYangNetwork Communication Protocol Security Vulnerabilities And Prevention Strategy ResearchJChina electronicbusiness：communications market，2014(2)：24284 赵书兴，王红控制系统干扰故障和信号故障的排除J水泥工程，2014(3)：6