大數據背景下人工智能技術對通信自動控制系統優化研究

任永瓊，季文文

（銅仁職業技術學院 貴州 銅仁 554300）

0 引言

在大數據時代背景下，通信自動控制系統的可應用范圍逐漸擴大，如交通、軍事，故研究通信自動控制系統極有價值。關于通信自動控制系統優化問題，已有學者展開研究，分析通信自動控制系統中涉及的具體技術，并提出一些優化方案。而大數據技術與人工智能技術在通信自動控制領域的應用效果較好，有助于提高通信自動控制系統的技術應用水平及管理水平。由此，在大數據背景下，分析人工智能技術對通信自動控制系統的優化作用具有重要意義。同時通信自動控制系統優化的關鍵在于控制器升級，由此采用易操作、工作原理簡單的PID控制算法[1-2]，研究如何升級通信自動控制系統。因傳統通信自動控制系統中存在滯后性問題，且需要應對復雜環境的干擾，傳統通信自動控制系統通常難以用某一數學模型準確計算出輸出結果，為使用PID控制算法帶來一定挑戰[3]。而通信自動控制系統自身存在控制結果輸出誤差較大問題，可在人工智能技術支持下，借助人工智能較高的非線性映射擬合度改善PID控制算法[4]，進而實現通信自動控制系統優化。基于此，為提升通信自動控制系統優化的精準度，本文探索提出通信自動控制系統優化方案。在大數據背景下，先分析人工智能技術與通信技術特征，再利用人工智能技術優化PID控制算法，明確通信自動控制系統優化表達式，最后通過仿真測試對比分析最經典的通信自動控制系統與人工智能通信自動控制系統，以期為通信自動控制系統升級提供理論參考。

1 大數據背景下人工智能技術與通信技術特征分析

現階段，經過通信網絡的處理、運行或使用過的活動，均會留下數據痕跡[5]。例如瀏覽互聯網頁面、網絡購物，都會在通信網絡中留下信息，形成大數據庫。目前，通信自動控制系統逐漸優化升級，并擴大適用范圍，使多項生活、工作活動與人工智能技術與通信技術應用有關。在此過程中，各項活動將產生多種網絡數據，形成龐雜的數據鏈。

隨著5G通信技術普及，數據安全問題更加突出，也是人工智能技術發展需要解決的重點問題。在融合人工智能技術與5G通信技術時，應高度重視信息安全的健全力度[6]，為通信自動控制系統優化提供良好的技術支持保障。盡管人工智能技術具有智能屬性，但其僅是一種技術，暫時無法完全模仿人的思維方式。但從操作邏輯來看，人工智能技術能夠高度契合、預測出人類的行為，通過大數據信息分析、判斷人類的正常行為，具有較強的邏輯性。人工智能技術主要是機械式模仿人類思維，暫不具備人的創造性思維、發散性思維[7]。然而5G通信技術與人工智能技術已經滲透到生活的多個領域，可在屏幕圖像上顯示任何物體表面，進而提供特定的服務，推動社會進步。

在大數據背景下，通信自動控制系統涉及多種通信技術，且每項通信技術的特點均不相同。具體來看，一是新型多天線傳輸技術。大數據背景下，新型多天線傳輸技術改變了天線布局形式，形成更高的利用效率。在時代發展推動下，通信行業日漸發展，但頻譜資源逐漸減少、用戶需求不斷提高。新型多天線傳輸技術具備矩陣排列性能，能科學劃分時空，發揮矩陣增益效果，最大化滿足用戶要求并降低外界因素對通信自動控制系統的干擾[8]。在5G網絡通信中，合理融入新型多天線傳輸技術，可進一步擴大系統容量，匹配龐大數據的傳輸需求及持續增長的數據創建需要。二是安全機制技術特征。安全機制技術具有授權特點，主要形式為無線網絡安全機制[9]。用戶需要借助密碼完成一些操作，如用密碼開門。無線技術廣泛推廣的同時，安全機制也在不斷優化。無線網絡安全機制的運行是先將信號引入主機，再向外發送信息，數據交換雙方能同時簽署信息安全協議，并在主機中留有記錄。用戶簽署協議后，確定信息安全，無夾帶其他危險信息，則可正常接收和使用信息。安全機制技術運行時主要涉及申請人、鑒定人、被授權人三部分，以WEP協議為主，但存在接入控制條件欠缺問題，難以確保機制具有完整性。由此，通信自動控制系統優化需要加強對安全機制的監管力度、提高控制器性能。三是大規模MIMO技術。大規模MIMO技術主要表現為天線，也是通信自動控制系統的關鍵技術，能夠接收信號并轉發信息。由于具備反向傳輸信息條件，大規模MIMO技術可發揮媒介作用，有效連接用戶和通信基站。然而大規模MIMO技術具有較強的依賴性，難以同時為多個用戶提供服務，引發信號差現象[10]。為此，我國大規模建設MIMO基站，增加天線數量，提供信號傳輸連續性，助力通信自動控制系統優化。

2 通信自動控制系統概述

基于PID控制算法的通信自動控制系統控制器運行原理見圖1。

圖1 通信自動控制系統控制器運行原理

通信自動控制系統控制器的具體運行方式可表達為：

式中，Kp、Ti、Td是控制器的參數，能夠影響控制器性能。

因通信自動控制系統需要對數字形信號進行處理，而傳統控制器難以直接推動通信自動控制系統運行，故需要進行以下離散化處理步驟：

而控制器性能以輸出誤差測量，表達式為：

由于現實環境較為復雜，通信自動控制系統應用于實際后，容易受到外界因素影響，以致通信自動控制系統的最大超調量經常變化。為盡可能減少出現此現象及偏差情況，在通信自動控制系統優化的函數中引入超調量。具體表達式為：

其中，u(t)是控制器輸出，e(t)是系統誤差，tu是上升時間，ω是權重。

為提高通信自動控制系統的精準度，需要尋找到控制器最佳參數。對此，利用大數據技術和人工智能技術調試通信自動控制系統，使其達到最佳狀態。

3 大數據視角下人工智能通信自動控制系統優化

人工智能通信自動控制系統運行結果見圖2。由此可知，控制器是通信自動控制系統實現控制的關鍵，而人工智能技術能夠優化控制器。基于通信自動控制系統輸出誤差引發人工智能技術發揮作用的過程，能夠實現實時調控控制器參數，進而改善通信自動控制系統。

圖2 通信自動控制系統運行結果

大數據視角下人工智能技術支撐的數據信息輸出、輸入表達式為：

e(k)是通信自動控制系統運行中產生的輸出偏差，可表達為：

式中，φr(k)是確定值，φc(k)是通信自動控制系統運行時產生的實際值。

通信自動控制系統中隱含層的輸出、輸入表達式如下。其中，是系統隱含層加權系數，f[·]是激活函數。

大數據視角下人工智能通信網絡輸出層的輸出、輸入表達式見式（7）。其中，g[·]是激活函數。

通過通信自動控制系統控制器性能最小化途徑，調試控制器參數，進而達到系統最優效果。因人工智能通信自動控制系統的數學模型難以達到極為精確的程度，相應的系統輸出結果難以通過計算獲取精準數據。同時大數據視角下人工智能技術運行所需的梯度學習信號同樣難以得到精確數據。但在大數據技術支持下，人工智能技術通過一定時間的適應學習后，得出的輸出數據θi能夠無限接近通信自動控制系統的實際輸出θc，故能夠近似替代θc。由此可推斷出，大數據視角下人工智能技術運行中涉及的梯度學習信號可表達為?θc(k+1) ?u(k)，并由?θi(k+1) ?u(k)替代。進而推出如下公式：

根據上式，調整和優化隱含層、輸出層的權重值為：

4 大數據視角下人工智能通信自動控制系統性能測試

為判斷從大數據視角下基于人工智能技術優化通信自動控制系統后性能是否提升，在同一平臺上對現階段最經典的通信自動控制系統及優化后的系統數據展開仿真模擬測試。在不考慮復雜環境對通信自動控制系統干擾的情況下，通信自動控制系統的仿真模擬測試輸出結果見圖3。由此可知，在不考慮外部環境中的復雜因素時，本文優化后的通信自動控制系統效果比較接近最經典的通信自動控制系統結果，故系統優化效果相對較好。這說明大數據視角下人工智能通信自動控制系統性能控制相對有效，且控制精準度略高于最經典的通信自動控制系統。

圖3 不考慮干擾時通信自動控制系統的輸出對比

通常情況下，人工智能通信自動控制系統運行時會面臨多種因素影響。為增強系統實用性，本文將最經典的通信自動控制系統與人工智能通信自動控制系統，在考慮外部因素干擾下進行控制結果比對，見圖4。由此可知，在有外界因素干擾的情況下，最經典的通信自動控制系統比人工智能通信自動控制系統的控制輸出結果變化更大，更不穩定。從達到穩定的時間來看，最經典的通信自動控制系統需要花費更多時間。而人工智能通信自動控制系統達到穩定的時間更短，明顯提升了通信自動控制系統的控制效果，且相對更穩定。經過對比后可以證明，人工智能通信自動控制系統相較于最經典的通信自動控制系統，很好地解決了控制效率低、誤差大的問題，具有較好的改進效果。

圖4 考慮干擾時通信自動控制系統的輸出對比

5 結語

綜上所述，通信自動控制系統相對復雜，在雜亂的外界因素影響下，最經典的通信自動控制系統存在控制效率低、誤差大的問題。為有效改善控制輸出結果、解決現有問題，在大數據背景下，基于人工智能技術優化通信自動控制系統，并對其控制效果進行對比試驗。檢驗后，證明人工智能通信自動控制系統能在外界因素干擾下穩定運行，且比最經典的通信自動控制系統精準度高。這說明人工智能通信自動控制系統的優化效果良好，可應用于實際工作中。經過檢驗可知，大數據背景下人工智能通信自動控制系統是一個有效的系統優化方法，望能夠推廣應用并為通信自動控制健康發展奠定良好基礎。