Identyfikatory
Warianty tytułu
Estimation of control algorithm execution times in dependence on the hardware platform for use in mechanical object diagnostics
Języki publikacji
Abstrakty
Opracowanie systemów sterowania obiektami mechanicznymi polega na znalezieniu kompromisu między szybkością działania, a wymaganą dokładnością i jest zagadnieniem o dużej złożoności obliczeniowej. W artykule przedstawiono różne implementacje algorytmu Optymalizacji Rojem Cząstek PSO (ang. Particle Swarm Optimization), który stworzono w celu uzyskania minimalnego czasu obróbki przy zachowaniu zadanej dokładności odtwarzania trajektorii ruchu. Jego działanie zostało porównane w językach: C, C++ i C# oraz na procesorze i karcie graficznej. Z przeprowadzonych badań wynika, że dla małej liczby punktów obliczenia na karcie graficznej są wolniejsze niż na procesorze.
: Finding the compromise between speed and accuracy is the most important problem in designing control systems. This is a problem of high computational complexity. The paper presents implementation of the algorithm PSO (Particle Swarm Optimization) whose action has been compared in several programming environments (C / OpenCL and C # / Cloo and in C + +) and hardware platforms (CPU and graphics card processor - GPU). PSO is able to achieve the minimum processing time and best possible mapping of a given trajectory. To compare the speed of the PSO algorithm there was made a measurement of the time of test function minimization. The paper describes three test functions commonly used to test the optimization effectiveness. The results show that for a small number of points the calculations on a graphic card are slower than those performed on the CPU. The appropriate use of available parallel computing technologies can significantly improve the characteristics of a multi-axis machine and the expenses incurred for optimization of the PSO can quickly result in important profits. It should be noted that optimization of the processing speed is most needed where the treatment is most complicated. The profit will be negligible for simple trajectories. In special cases, the optimization may extend the processing time without apparent improvement of the characteristics of trajectory mapping.
Wydawca
Czasopismo
Rocznik
Tom
Strony
466--469
Opis fizyczny
Bibliogr. 8 poz., rys., schem., tab., wzory
Twórcy
autor
- Uniwersytet Mikołaja Kopernika, Wydział Fizyki, Astronomii i Informatyki Stosowanej, ul. Grudziądzka 5, 87-100 Toruń
Bibliografia
- [1] Honczarenko J.: Obrabiarki sterowane numerycznie, WNT, 2009.
- [2] Greblicki W.: Podstawy automatyki, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław 2006.
- [3] Rutczyńska-Wdowiak K.: Modyfikacje algorytmu genetycznego w problemie identyfikacji modelu matematycznego silnika indukcyjnego, PAK 2007 nr 8, s. 60-63.
- [4] Kennedy J., Eberhart R..: Particle Swarm Optimalization, International Conference on Neural Networks, 1995.
- [5] Tsang P. K .: Problem solving with Genetic Algorithms, Science and Engineering Magazine, No. 6, 1992, str. 14-17.
- [6] Ackley D. H.: A connectionist machine for genetic hill climbing, Kluwer Academic Publishers, Boston, 1987.
- [7] Dixon L. C ., Mills D.: Effect of Rounding errors on the Variable Metric Method, Journal of Optimization Theory and Applications 80, 1992.
- [8] Globa L.: Projektowanie harmonogramu dla systemów mikroprocesorowych, PAK 2010 nr 12, s. 1554-1556.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-43c822e0-715c-476d-b695-0f2f9fc57b96