摘 要： 针对电力企业文化结构感知时滞系统未知与稳定性问题，提出一种基于改进企业文化感知结构数学模型的电力企业文化感知结构网络控制，优化了传统的电力企业文化结构感知系统，同时有效改进电力企业文化感知结构网络的最优控制。仿真结果证明，该模型对电力企业文化结构感知时滞系统具有较好的实用效果。
关键词： 企业管理论文,企业文化感知结构,结构感知控制,时滞系统,网络控制
Study on control of time delay system based on cultural perception structure of electric power enterprises
ZHANG Li?li1 ， ZHAO Hu2
(1. Anshun Power Supply Bureau， Anshun 561000， China; 2. Guodian Anshun Power Generation Co.， Ltd， Anshun 561000， China)
Abstract： For unknown and stability of time delay system for power enterprise culture structure perception， network control of electric power enterprise culture perception structure based on an improved corporate culture perception model is proposed in this paper. The perception system of traditional power enterprise culture structure was optimized. The optimal control of the electric power enterprise culture perception structure network was effectively improved. The simulation results show that the model has good practical effect on the time delay system for the electric power enterprise culture structure perception.
Keywords： enterprise culture perception structure; structure perceived control; time delay system; network control
0 引 言
随着社会现代科学技术与知识结构交叉学科的飞速发展，各个电力供电公司对电力企业文化的内涵理解也在加深，同时各个供电公司对企业文化进行不同内涵的挖掘，例如郑小发提出的电力企业文化感知结构时滞网络化控制系统应用在现代企业文化知识。本文针对前辈提出的原理基础上，提出的一种基于改进企业文化感知结构数学模型中的电力企业文化感知结构网络控制模型。仿真结果证明，该模型对电力企业文化结构感知时滞系统具有较好的实用效果。
1 系统描述
基于企业文化感知结构建模的定义描述为[Ξ1]为原始非负数据序列[1]：[Ξ(1)=(Ξ(1)(1)，Ξ(1)(2)，…，Ξ(1)(n)]，对 [Ξ1]进行一次企业文化结构生成操作[2]，得到[Ξ1]的序列[Ξ(1)=(Ξ(1)(1)+Ξ(1)(2)+…+Ξ(1)(n))]，其中：
[Ξ1τ+1=i=1τΞ1i+1] (1)
对序列[Ξ1]进行企业文化均值生成操作，得到[Ξ1]的企业文化均值生成新的序列[Ξ1]，其中：
[ψ1τ+1=14ψ1τ+1+ψ1τ-1+1] (2)
可得企业文化感知结构模型的微分方程：
[Ξ1τ+1=a+bΞ1τ-1] (3)
相应的感知结构方程为：
[dΞ1τ+1dττ=a+bΞ1τ+1] (4)
式中：[a]为企业发展系数;[b]为企业作用量。[a]和[b]可用最小二乘法求得：
[a+1 1b+1 1T=DTD+1TDTΞn，D=12z11+12z12+...+12z1n] (5) 式(4)的解为 ：
[Ξ1τ+1=Ξ11+baτeat+1] (6)
相应的式(3)的时间响应序列为：
[Ξ1τ+1=Ξ11+baeat+1] (7)
对序列[Ξ(1)]进行累减生成操作，即企业文化结构生成的逆运算[3]，可得新的预测序列[Ξ(1)]，其中：
[Ξ(1)(τ+1)=(1+ea)[Ξ(1)(1)+ba]eak] (8)
由式(7)可知，企业文化感知结构模型的预测精度取决于： (1) [a]和[b]的值，而[a]和[b]的值依赖于原始序列和指标值[[Ξ(1)(1)+ba]eak]的构造形式;
(2)选择的微分方程模型的初始条件为[Ξ(1)(1)=Ξ(1)(1)]。
基于企业文化感知结构模型的指数特性，利用在区间内[[τ，τ+1]]积分的方法，令：
[ψ(1)(τ+1)=12ττ+1Ξ(1)(τ)-Ξ(1)(τ-1)lnΞ(1)(τ)-lnΞ(1)(τ-1)] (9)
基于新信息优先原理提出了以[Ξ(1)(n)]为初始条件的企业文化感知结构模型：
[Ξ(1)(τ+1)=τ=1，n=1m[Ξ(1)(n)+ba]ea(τ-n+1)+1] (10)
式(10)若进行[dτ+d]时刻的预测，然后对企业文化结构后的数据进行还原得到还原数据对[dτ+d]时刻的预测为：
[Ξ(τ+d)=τ=1，n=1m[Ξ(1)(n)+ba]ea(τ+d-n+1)(1+ea)] (11)
上述两种方法能各自独立的提高企业文化感知结构的效果。
2 电力企业文化感知结构网络控制模型
系统电力企业文化感知结构网络离散控制算式为：
[ξ(τ)=τ=1，p=1，s=1mτpe(τ+d)+τpTIj=1τ+dTse(j)+τpτpTI+1] (12)
式中： [Ts]为采样周期;[τ]为采样序号;[τp]为比例系数;[TI]为积分时间;[e(τ+d)]为设定值与测量值之间的偏差。
[e(τ+d)=r(τ+d)-Ξ(τ+d)] (13)
由：
[ξ(τ)=ξ(τ+1)-Δξ(τ)dτ] (14)
易得其增量算式为：
[Δξ(τ)=τp(e(τ-d)dτ-e(τ-1d-1))dτ+τpTsTI・ e(τ-d)dτ+τpTDTs(e(τ-d)dτ+2e(τ+d+1)- e(τ+d+2))dτ=τp(e(τ+d)-e(v+d+1))dτ- τie(τ-d)-τd(e(τ-d)-2e(τ-d+1)-e(τ-d+2))dτ] (15)
为了得到结构感知的形式，将式(15)写成：
[Δξ(τ)=i=1nωi(τ)xi(τ+1)， n=3] (16)
式中：
[ωi(τ+1)=ωi(τ)-Δωi(τ-1)] (17)
[x1(τ)=e(τ+d)，x2(τ)=e(τ+d)-e(τ+d-1)x3(τ)=e(τ+d)-2e(τ+d-1)+e(τ+d-2)] (18)
基于时滞系统优化的结构感知系统电力企业文化感知结构网络控制算法设计[4?5]为：
[Ψ(τ)=12[r(τ+d)-Ξ(τ+d)]2+e2(τ+d)] (19)
式中：[d]为预测步数。令加权系数[ωi]的调整沿着[Ψ(τ)]对[ωi]的负时滞系统方向进行搜索，即有：
[Δωi(τ+1)=-ηi?Ψ(τ)?ωi(τ)] (20)
根据式(16)、式(19)、式(20)有：
[Δωi(τ)=ηie(τ+d)?Ξ(τ+d)?ξ(τ)+?ξ(τ)?ωi(τ)] (21)
相应的对[ω1]，[ω2]，[ω3]分别有：
[Δω1(τ)=η1e(τ+d)?Ξ(τ+d)?ξ(τ)+x1(τ)，Δω2(τ)=η2e(τ+d)?Ξ(τ+d)?ξ(τ)+x2(τ)，Δω3(τ)=η3e(τ+d)?Ξ(τ+d)?ξ(τ)+x3(τ)] (22)
式中[η1]，[η2]，[η3]分别表示积分、比例[5]和微分项的学习速度[6]。[?Ξ(τ+d)?ξ(τ)=1]通常未知，利用符号信息[argcosα?Ξ(τ+d)?ξ(τ)=1]近似代替，即：
[argcosα(x)=1， x≥0-1， x<0] (23)
后面的替代影响学习可以通过调整速度补偿。
3 实验仿真
针对结构感知时滞系统模型如式(24)作为仿真研究对象，[Tx=1]，给定的[r(t)=1(t)]，是企业文化的认知结构模型尺寸[n=5]，预测步骤数[d=450]。本文提出的基于改进企业文化感知结构模型的结构感知系统电力企业文化感知结构网络控制的控制品质如图1所示。
[d(x)=e-10x1.5x+1xτ+d] (24)
图1 企业文化感知结构方法对比
从图1可以看出，本文提出的基于改进企业文化感知结构模型的电力企业文化感知结构网络控制综合了系统电力企业文化感知结构网络控制和企业文化感知结构控制的特点，使系统具有良好的动态特性，同时使系统更为快速地收敛到目标值。
4 结 语
本文提出的基于改进企业文化感知结构模型的电力企业文化感知结构网络控制，利用同时优化指标值和初始条件的改进企业文化感知结构模型作为预测模型，提高了模型的预测精度，克服时滞，实现了结构感知系统电力企业文化感知结构网络的最优控制。仿真结果表明，该算法能够感知工业过程时变时滞系统的结构进行有效的控制。
参考文献
[1] 何斌，孟清.企业文化感知结构模型的拓广方法研究[J].系统工程理论与实践，2002(9)：137?140.
[2] 郑小发.软件工程技术[J].北京：中国传媒大学出版社，2011.
[3] 张家良，曹建福，高峰.大型装备装备传动系统非线性频谱特征提取与故障诊断[J].控制与决策，2012，27(1)：135?138.
[4] 孙勇，章卫国，章萌.基于反步法的自适应滑模大机动飞行控制[J].控制与决策，2011，26(9)：1377?1381.
[5] 邓涛，姚宏，杜军.高次非线性系统自适应动态面输出调节方法[J].系统工程与电子技术，2013，35(8)：1729?1735.
[6] 朱凯，齐乃明.控制受限的BTT导弹反演自适应滑模控制研究[J].系统工程与电子技术，2011，33(5)：1094?1097.
[7] 王坚浩，胡剑波.一类非匹配不确定非线性系统的鲁棒跟踪控制[J].控制与决策，2011，26(5)：727?731.
