混沌粒子群優化算法模型的建筑電氣終端監控方法

馮 琢

（重慶保稅港區開發管理集團有限公司，重慶 400000）

建筑工程在管理過程中，由于工序復雜，涉及到的項目種類比較多，對建筑施工項目和建筑施工數據監控情況直接決定了項目安全程度，現有技術監控大多采用人工監控的方法，這種方法不僅落后，監控力度很有限。現有技術中還采用了以下技術手段，比如文獻[1]在嵌入式ARM 技術以及無線技術方面提高了對信息的采集效率以及傳輸能力；文獻[2]以ARM 和嵌入式Linux 系統為實驗環境，通過V4L2 進行視頻采集，運用x264 進行視頻壓縮，根據RTP 協議對視頻流信息進行打包。

上述技術方案雖然都有一定的技術優勢，比如文獻[1]數據采集能力高，文獻[2]監控能力強，但是在面對多種數據信息時以及在多種數據信息進行處理時，很難實現數據分析與處理，數據管理能力滯后。針對上述技術不足，本研究設計了新型的技術方案。

1 建筑電氣終端監控方法設計

為了提高建筑工程項目的信息監控能力，本研究設計了一套建筑施工監控系統，通過提取建筑數據信息，對終端進行監控。采集數據信息時，通過諸如以太網接口、RS-485 接口、RS-232 接口、GPRS 接口以及CAN 接口等數據接口實現數據通信[3]，終端監控采用Xscale 嵌入式處理器實現不同數據信息采集，終端監控原理示意圖如圖1所示。

圖1 監控終端硬件結構設計Fig.1 Hardware structure design of monitoring terminal

在監控終端設計中，通信協議中設置有Modbus，IEC61850，IEC104 和自定義規約等多種交互方式[4]，最終能夠將建筑工程的數據信息傳遞到上層監控中心。在數據處理時，融合型的多種算法模型，通過構建Apriori 算法模型，對建筑管理信息數據進行關聯、計算，使用戶能夠快速從多種建筑工程管理信息化數據中獲取目的分類數據[4]，實現不同數據的分類和關聯。構建具有粒子群算法模型的蟻群算法，能夠實現最佳目標數據信息的搜索和定位，提高了數據信息化管理的效率[5]。

數據處理流程如圖2所示，采用基于ARM 內核的XScale 嵌入式處理系統，該系統是基于ARM v5TE 處理器對建筑施工進行監控處理。通過指令集結構表示，XScale 隸屬于ARM 的“V5TE”體系，工作運行的最高頻率為1 GHz，在運行中具有ARM 體系工作特點。在具體應用過程中，可以采用PXA25x，PXA26x 和PXA27x 等不同的嵌入式處理器[6-7]。出于應用的便利，本研究采用PXA26x 系列的產品，其內設置1 個核心處理核心和2 個閃存芯片構成。該系統內部設計4Bank，256 MB 容量的SDRAM，具有卓越的高集成度能力。高技術還設置有Intel 的無線MMX 技術，具有64 位的SIMD 指令集，這些指令集對數據信息采集時，能夠大幅度提高視頻效果，并對3D 圖形、音頻以及其他SIMD 元素具有較高的處理效率，大大提高監控數據信息能力[8-9]。

圖2 數據處理流程示意圖Fig.2 Schematic diagram of data processing flow

在圖2中，數據通信可以采用上述介紹的以太網接口、RS-485 接口、RS-232 接口、GPRS 接口以及CAN 接口等多種數據進行通信，能夠實現與外部終端的監控信息交互與通信，并根據設備特點選擇通信協議[10]，在數據處理層進行數據處理、存儲，并將處理的數據信息傳遞到上層監控中心進行監控，以實現數據展示、在線查詢、在線修改通訊參數等多參數表示。

2 改進型混沌粒子群優化算法模型

本研究融合多種算法模型，實現多種數據信息的管理和計算，能夠實現不同建筑工程管理數據的關聯、分類、查找和計算，實現了一體化服務。構建Apriori 算法模型，實現不同建筑管理信息數據的關聯和計算，提高了智能化信息服務程度。該算法模型具有粒子群算法模型的蟻群算法，能夠在多種數據信息中實現最佳數據信息的搜索與獲取[11-12]，提高了信息化管理程度。基于上述設計思路，構建出改進型混沌粒子群優化算法模型，如圖3所示。

圖3 改進型混沌粒子群優化算法模型Fig.3 Improved chaotic particle swarm optimization algorithm model

本研究工作方法是首先通過Apriori 算法模型實現多種不同數據信息的關聯，然后將輸出的關聯數據信息進行分類。通過粒子群算法模型實現不同數據信息的搜索與查詢[7]，提高了不同數據信息的計算和搜索，通過在蟻群算法模型中加入混沌粒子群優化算法模型[13]，實現蟻群最佳位置檢索。算法模型如圖4所示。

圖4 混沌粒子群優化算法模型示意圖Fig.4 Schematic diagram of chaotic particle swarm optimization algorithm model

當本研究的方法加入混沌粒子群優化算法時，能夠在施工信息數據搜尋、優化過程中避免粒子損失、逃逸等現象，避免偏離原來的軌跡，直到搜索到最優的信息為止。下面對本研究的工作原理進行以下說明。

首先建筑工程管理信息數據量設置為D，記錄初始數據量，公式為

式中：i=1，2，3，…，G，通過該公式能夠輸出不同粒子種群的適應度，輸出初始粒子，其活動范圍介于［0，1］之內，啟動混沌區間映射，假設映射到［an，bn］區間內，則輸出的建筑工程管理信息數據量函數可以為

通過該步驟實現了建筑工程管理信息數據量輸入模型構建。然后再計算出建筑施工工程管理信息化粒子群中每個粒子的適應度值和平均適應度。在本研究中，為了即時分析本研究的數據信息，將本研究中的建筑數據信息類比成粒子群算法模型中的不同粒子。則分散出的粒子群當前位置設置為pbest，最優粒子位置記作為gbest。然后進行適應度方差計算，則有：

通過應度方差計算，能夠將粒子群算法是否滿足收斂條件進行判斷，當滿足收斂條件時，則適應度計算結束；當不滿足收斂條件時，則停止計算。其中本研究算法中，種群數量中第i 個粒子的適應度為fi，平均適應度為，歸一化因子為f，則存在以下方程式：

假設設置數值比設定的值為ε（ε＞0）時，可以將在介于［0，1］區間內的混沌區間映射到任意變量［an，bn］之間的變量區間范圍內。通過不斷地更新粒子的位置，則可以計算為

式中：xi表示為建筑施工信息D 中第i 個粒子的向量，數據集合為

式中：i=1，2，…，m，則第i 個建筑工程施工管理信息粒子在數據信息庫D 維向量空間中的位置為xi。當輸出新粒子的適應度大于pbest的適應度時，對建筑施工工程的最優位置用pbest來計算，直到輸出最優位置。

3 試驗結果與仿真

本研究的硬件配置CPU 為Inter Core i7-9700H，硬件運行的內存為3200 MHz 8×2 GB，硬盤大小為1 TB。將本研究的改進型混沌粒子群優化算法模型與K-means 分類算法模型[14-15]和文獻[1]及文獻[2]進行對比，試驗架構示意圖如圖5所示。

圖5 試驗架構示意圖Fig.5 Schematic diagram of the experimental architecture

試驗架構中包括信息獲取層、數據通信層、數據管理層、數據存儲層和上層管理中心等不同的模塊。本研究直接從建筑工程信息化系統數據庫中獲取目標數據信息。參數數據信息如表1所示。

表1 參數信息Tab.1 Parameter information

通過蟻群算法時，通過TSPeil51 算法模型實現搜索和計算，其中的參數：α＝1.12，β＝4.98，ρ＝0.49，其中迭代次數為200；在粒子群CPSO 算法中，設置C1=C2=3，ω＝6，啟動TSPLib 算法時，設定蟻群尋找的最短路徑為650。

在建筑工程管理過程中，用常規的蟻群算法和本研究的方法進行對比。通過8 個小時的試驗，輸出的對比示意圖如圖6所示。

圖6 對比試驗圖Fig.6 Comparison test chart

通過上述方法圖像可以看到，采用傳統蟻群算法收斂速度相對較慢，在100 次迭代計算過程中，無法見到收斂信息，在經過一段時間后，發現120 次迭代計算過程中，逐步發現了最優迭代計算。通過圖5可以看到，常規技術中的蟻群算法在尋優方面，技術效果較差，然后觀察本研究方法中改進型蟻群算法中，TSPeil51 算法表現出了較好的收斂速度，為了提高試驗效果，還可以通過調整α，β，ρ 的值的方式，經過粒子群算法之后，由于出現的迭代次數不同，遍歷的路徑長度也有所不同，粒子群算法的技術優勢還在于通過粒子的慣性運動，改變了常規技術中的路徑，改變了常規蟻群算法中局部最優解出現的停滯現象。

然后在對本研究算法模型的平均值、極差、標準差、最大偏差率以及平均偏差率上進行計算。平均值公式為

極差公式為

標準差公式為

最大偏差率公式為

平均偏差率公式為

通過4 個小時的計算，分別將本研究方法與文獻[1]方法、文獻[2]方法和K-means 算法模型進行對比分析。則不同算法的計算輸出結果如表2所示。

表2 不同算法的計算輸出結果Tab.2 Computational output results of different algorithms

通過表2可以看到，在平均值均為9.32 的情況下，本研究方法的極差、標準差、最大偏差率以及平均偏差率均遠遠小于文獻[1]、文獻[2]和K-means 算法模型。因此，本研究的方法具體突出的技術效果。

4 結語

針對建筑工程項目信息化過程中出現的一系列問題，本研究構建了建筑工程信息化系統總體方案，全面地提高建筑工程管理能力。構建了改進型混沌粒子群優化算法模型的數據管理方法，在蟻群算法模型中融入了粒子群算法模型，改變了常規技術中粒子逃逸局面，提高了建筑工程管理能力。本研究的技術手段提高了建筑工程建設能力，但是隨著信息化技術和人工智能技術的飛速發展，本研究的方法為下一步技術的研究奠定技術基礎，其存在的一些技術弊端也值得進一步思考。