任永琼，季文文

（铜仁职业技术学院 贵州 铜仁 554300）

0 引言

在大数据时代背景下，通信自动控制系统的可应用范围逐渐扩大，如交通、军事，故研究通信自动控制系统极有价值。关于通信自动控制系统优化问题，已有学者展开研究，分析通信自动控制系统中涉及的具体技术，并提出一些优化方案。而大数据技术与人工智能技术在通信自动控制领域的应用效果较好，有助于提高通信自动控制系统的技术应用水平及管理水平。由此，在大数据背景下，分析人工智能技术对通信自动控制系统的优化作用具有重要意义。同时通信自动控制系统优化的关键在于控制器升级，由此采用易操作、工作原理简单的PID控制算法[1-2]，研究如何升级通信自动控制系统。因传统通信自动控制系统中存在滞后性问题，且需要应对复杂环境的干扰，传统通信自动控制系统通常难以用某一数学模型准确计算出输出结果，为使用PID控制算法带来一定挑战[3]。而通信自动控制系统自身存在控制结果输出误差较大问题，可在人工智能技术支持下，借助人工智能较高的非线性映射拟合度改善PID控制算法[4]，进而实现通信自动控制系统优化。基于此，为提升通信自动控制系统优化的精准度，本文探索提出通信自动控制系统优化方案。在大数据背景下，先分析人工智能技术与通信技术特征，再利用人工智能技术优化PID控制算法，明确通信自动控制系统优化表达式，最后通过仿真测试对比分析最经典的通信自动控制系统与人工智能通信自动控制系统，以期为通信自动控制系统升级提供理论参考。

1 大数据背景下人工智能技术与通信技术特征分析

现阶段，经过通信网络的处理、运行或使用过的活动，均会留下数据痕迹[5]。例如浏览互联网页面、网络购物，都会在通信网络中留下信息，形成大数据库。目前，通信自动控制系统逐渐优化升级，并扩大适用范围，使多项生活、工作活动与人工智能技术与通信技术应用有关。在此过程中，各项活动将产生多种网络数据，形成庞杂的数据链。

随着5G通信技术普及，数据安全问题更加突出，也是人工智能技术发展需要解决的重点问题。在融合人工智能技术与5G通信技术时，应高度重视信息安全的健全力度[6]，为通信自动控制系统优化提供良好的技术支持保障。尽管人工智能技术具有智能属性，但其仅是一种技术，暂时无法完全模仿人的思维方式。但从操作逻辑来看，人工智能技术能够高度契合、预测出人类的行为，通过大数据信息分析、判断人类的正常行为，具有较强的逻辑性。人工智能技术主要是机械式模仿人类思维，暂不具备人的创造性思维、发散性思维[7]。然而5G通信技术与人工智能技术已经渗透到生活的多个领域，可在屏幕图像上显示任何物体表面，进而提供特定的服务，推动社会进步。

在大数据背景下，通信自动控制系统涉及多种通信技术，且每项通信技术的特点均不相同。具体来看，一是新型多天线传输技术。大数据背景下，新型多天线传输技术改变了天线布局形式，形成更高的利用效率。在时代发展推动下，通信行业日渐发展，但频谱资源逐渐减少、用户需求不断提高。新型多天线传输技术具备矩阵排列性能，能科学划分时空，发挥矩阵增益效果，最大化满足用户要求并降低外界因素对通信自动控制系统的干扰[8]。在5G网络通信中，合理融入新型多天线传输技术，可进一步扩大系统容量，匹配庞大数据的传输需求及持续增长的数据创建需要。二是安全机制技术特征。安全机制技术具有授权特点，主要形式为无线网络安全机制[9]。用户需要借助密码完成一些操作，如用密码开门。无线技术广泛推广的同时，安全机制也在不断优化。无线网络安全机制的运行是先将信号引入主机，再向外发送信息，数据交换双方能同时签署信息安全协议，并在主机中留有记录。用户签署协议后，确定信息安全，无夹带其他危险信息，则可正常接收和使用信息。安全机制技术运行时主要涉及申请人、鉴定人、被授权人三部分，以WEP协议为主，但存在接入控制条件欠缺问题，难以确保机制具有完整性。由此，通信自动控制系统优化需要加强对安全机制的监管力度、提高控制器性能。三是大规模MIMO技术。大规模MIMO技术主要表现为天线，也是通信自动控制系统的关键技术，能够接收信号并转发信息。由于具备反向传输信息条件，大规模MIMO技术可发挥媒介作用，有效连接用户和通信基站。然而大规模MIMO技术具有较强的依赖性，难以同时为多个用户提供服务，引发信号差现象[10]。为此，我国大规模建设MIMO基站，增加天线数量，提供信号传输连续性，助力通信自动控制系统优化。

2 通信自动控制系统概述

基于PID控制算法的通信自动控制系统控制器运行原理见图1。

图1 通信自动控制系统控制器运行原理

通信自动控制系统控制器的具体运行方式可表达为：

式中，Kp、Ti、Td是控制器的参数，能够影响控制器性能。

因通信自动控制系统需要对数字形信号进行处理，而传统控制器难以直接推动通信自动控制系统运行，故需要进行以下离散化处理步骤：

而控制器性能以输出误差测量，表达式为：

由于现实环境较为复杂，通信自动控制系统应用于实际后，容易受到外界因素影响，以致通信自动控制系统的最大超调量经常变化。为尽可能减少出现此现象及偏差情况，在通信自动控制系统优化的函数中引入超调量。具体表达式为：

其中，u(t)是控制器输出，e(t)是系统误差，tu是上升时间，ω是权重。

为提高通信自动控制系统的精准度，需要寻找到控制器最佳参数。对此，利用大数据技术和人工智能技术调试通信自动控制系统，使其达到最佳状态。

3 大数据视角下人工智能通信自动控制系统优化

人工智能通信自动控制系统运行结果见图2。由此可知，控制器是通信自动控制系统实现控制的关键，而人工智能技术能够优化控制器。基于通信自动控制系统输出误差引发人工智能技术发挥作用的过程，能够实现实时调控控制器参数，进而改善通信自动控制系统。

图2 通信自动控制系统运行结果

大数据视角下人工智能技术支撑的数据信息输出、输入表达式为：

e(k)是通信自动控制系统运行中产生的输出偏差，可表达为：

式中，φr(k)是确定值，φc(k)是通信自动控制系统运行时产生的实际值。

通信自动控制系统中隐含层的输出、输入表达式如下。其中，是系统隐含层加权系数，f[·]是激活函数。

大数据视角下人工智能通信网络输出层的输出、输入表达式见式（7）。其中，g[·]是激活函数。

通过通信自动控制系统控制器性能最小化途径，调试控制器参数，进而达到系统最优效果。因人工智能通信自动控制系统的数学模型难以达到极为精确的程度，相应的系统输出结果难以通过计算获取精准数据。同时大数据视角下人工智能技术运行所需的梯度学习信号同样难以得到精确数据。但在大数据技术支持下，人工智能技术通过一定时间的适应学习后，得出的输出数据θi能够无限接近通信自动控制系统的实际输出θc，故能够近似替代θc。由此可推断出，大数据视角下人工智能技术运行中涉及的梯度学习信号可表达为∂θc(k+1) ∂u(k)，并由∂θi(k+1) ∂u(k)替代。进而推出如下公式：

根据上式，调整和优化隐含层、输出层的权重值为：

4 大数据视角下人工智能通信自动控制系统性能测试

为判断从大数据视角下基于人工智能技术优化通信自动控制系统后性能是否提升，在同一平台上对现阶段最经典的通信自动控制系统及优化后的系统数据展开仿真模拟测试。在不考虑复杂环境对通信自动控制系统干扰的情况下，通信自动控制系统的仿真模拟测试输出结果见图3。由此可知，在不考虑外部环境中的复杂因素时，本文优化后的通信自动控制系统效果比较接近最经典的通信自动控制系统结果，故系统优化效果相对较好。这说明大数据视角下人工智能通信自动控制系统性能控制相对有效，且控制精准度略高于最经典的通信自动控制系统。

图3 不考虑干扰时通信自动控制系统的输出对比

通常情况下，人工智能通信自动控制系统运行时会面临多种因素影响。为增强系统实用性，本文将最经典的通信自动控制系统与人工智能通信自动控制系统，在考虑外部因素干扰下进行控制结果比对，见图4。由此可知，在有外界因素干扰的情况下，最经典的通信自动控制系统比人工智能通信自动控制系统的控制输出结果变化更大，更不稳定。从达到稳定的时间来看，最经典的通信自动控制系统需要花费更多时间。而人工智能通信自动控制系统达到稳定的时间更短，明显提升了通信自动控制系统的控制效果，且相对更稳定。经过对比后可以证明，人工智能通信自动控制系统相较于最经典的通信自动控制系统，很好地解决了控制效率低、误差大的问题，具有较好的改进效果。

图4 考虑干扰时通信自动控制系统的输出对比

5 结语

综上所述，通信自动控制系统相对复杂，在杂乱的外界因素影响下，最经典的通信自动控制系统存在控制效率低、误差大的问题。为有效改善控制输出结果、解决现有问题，在大数据背景下，基于人工智能技术优化通信自动控制系统，并对其控制效果进行对比试验。检验后，证明人工智能通信自动控制系统能在外界因素干扰下稳定运行，且比最经典的通信自动控制系统精准度高。这说明人工智能通信自动控制系统的优化效果良好，可应用于实际工作中。经过检验可知，大数据背景下人工智能通信自动控制系统是一个有效的系统优化方法，望能够推广应用并为通信自动控制健康发展奠定良好基础。