基于变量混合调整的机械产品智能优化策略

为解决机械产品原始设计方案的可行化,提出了基于变量混合调整的优化策略,采用了基于启发式思想生成的变量因果关系图与几何约束混合求解的变量调整策略．该策略能很好地适应产品设计的各个阶段,具有良好的柔性;同时它又是约束驱动,具有很强的自适应性和灵活性．就汽车驾驶室内布置设计对该策略进行了有效的验证．     

包容式节点桁架多目标分层优化设计

针对包容式节点桁架优化设计变量多、优化问题规模大,采用单层混合优化策略计算量大且不易收敛的问题,提出基于子空间和耦合约束的分层协同优化策略,将设计空间分为三个子空间,分别是整体层、截面层和曲面形状优化层,上一层优化结果为下一层提供输入量,下一层为上一层提供耦合约束;对设计变量进行灵敏度分析,确定各个优化层的目标函数和约束条件.结果表明,该优化方法能够较好地处理具有层次关系的工程优化问题.     

多约束受扰追踪的微分对策滚动时域轨迹优化

针对复杂洋流干扰环境下水下多约束追踪问题,提出一种滚动时域非线性微分对策控制策略.基于智能体自导探测信息,建立水下追踪相对运动模型与追踪过程约束.通过分析追踪特性,确立以相对运动信息为变量的微分对策模型,结合零效控制和滚动预测算法的实施,设计出一种考虑过程约束和干扰的具有终端约束的水下追踪制导律.对不同期望终端交会角进行追踪的仿真结果表明,该制导策略能有效对抗干扰、实时调整约束,具有良好的时效性和较强的鲁棒性.     

基于MILP的应用服务器集群能耗与性能实时优化

在节能减排和激烈同行竞争的环境下，应用服务器集群的能耗与性能优化十分迫切.针对已有研究在性能指标和实时性方面的不足，提出一种集群能耗与性能实时优化方案.该方案结合采用线性加权法和主目标法优化集群功率与请求丢弃率这两个目标，将双目标优化转换成一个单目标约束优化.首先基于CPU频率等效连续调整模式下的服务器负载-功率模型，定义很少的变量将集群优化描述成混合整数二次规划问题，然后采用变量拆分和变量转换将其转化成混合整数线性规划（mixed integer linear programming，MILP）问题并引入特殊顺序集约束，最后采用Gurobi优化器求解该MILP.通过对CPU频率调整的进一步优化，大幅度减少了CPU频率的切换.多种场景下的测试表明，该方案的求解时间约在10 ms左右，特殊顺序集约束的引入使求解时间更为稳定，从而能够保证优化的实时进行.     

一种增强贝叶斯网络结构学习的自动变量序调整算法

现有的混合结构学习算法受制于变量的邻居集,导致混合结构学习算法在约束学习阶段,若变量的邻居集没有包含真实结构的节点,该节点将再也不会被考虑.为改进这一问题,通过探索贝叶斯网络结构与节点影响度间存在的可能性关系,设计基于节点影响度的变量序调整方法并将调整后的变量序应用于网络结构学习.调整后的变量序在减少搜索空间的同时,也改善了传统约束空间过于依赖变量邻居集的问题,进而提升网络结构的学习质量.实验结果表明,该算法能有效地提升现有混合结构学习算法的精度,同时也验证了从节点影响度的角度去探索贝叶斯网络结构图的可行性.     

基于滚动时域混合整数线性规划的汽车紧急避让问题求解方法

为了提高汽车高速紧急避让行驶安全性,提出一种汽车紧急避让问题求解方法.基于滚动时域混合整数线性规划(RHC-MILP),通过引入逻辑变量和连续变量的混合形式的线性约束来描述障碍物避让约束,对车辆的动态特性进行线性近似,建立离散时间模型;以整数变量描述车辆和障碍物之间的相对位置,以安全顺利避开障碍物性能指标作为代价函数,建立混合整数规划,并采用滚动时域控制策略进行求解.仿真和实车试验结果表明,该方法能够求解汽车的紧急避让问题,具有求解精度高,求解时间短的优势,并且仿真值和试验值的变化趋势基本一致,从而验证了该方法的正确性和可行性.     

基于混合微粒群算法的智能水下机器人模糊神经网络控制

为减少因水下机器人模糊神经网络控制器参数较多、手工调整困难及主观不确定性因素的影响,提出一种基于免疫理论和惯性权值非线性递减策略的混合微粒群算法.该算法在保持基本微粒群算法处理多峰和多维问题能力的基础上,根据粒子浓度和适应度来动态调整约束因子,同时结合惯性权值非线性递减策略来抑制算法早熟收敛,平衡全局和局部搜索能力.在与GAI、GA及基本微粒群算法的仿真比较试验中,该算法搜索到最佳近优解,且其收敛速度最快.在水下机器人仿真平台上的控制试验表明,基于混合微粒群算法的控制器性能良好,具有较强的抗海流干扰能力.仿真结果证明了该算法的可行性.     

一类混合迭代算法在约束预测控制中的应用

为了改进多变量约束预测控制的滚动优化算法,对路径跟踪法和粒子群算法进行了理论研究,提出了一种将路径跟踪法和粒子群算法相结合的混合迭代算法,并用该混合算法对最具代表性的动态矩阵控制进行了滚动优化.仿真结果表明:对由于参数选择引起矩阵奇异时,路径跟踪法无法求出最优解,而基于混合迭代算法的优化算法可以得到最优解.采用路径跟踪法和粒子群算法相结合的混合迭代算法对多变量约束预测控制进行滚动优化,保证了优化算法的快速性和可行性.     

基于正交矩模糊和仿射混合不变量的图像识别算法

为了识别含有模糊和仿射混合形变的图像,提出了一种新的基于正交矩模糊和仿射混合不变量的图像识别算法.该算法首先使用归一化方法构造了基于Legendre正交矩的仿射不变量,并结合Legendre正交矩的模糊不变量提出了Legendre正交矩的模糊和仿射混合不变量;然后将该混合不变量作为描述算子,将欧几里德范数作为分类尺度,以最近邻法则作为分类器,对图像进行识别.实验结果表明,与其他基于非正交矩的混合不变量相比,基于Legendre正交矩的模糊和仿射混合不变量在混合形变下能够获得更好的不变性,不会带来信息冗余问题,并且对噪声鲁棒性较好;此外,该图像识别算法比其他算法具有更高的识别率,特别是在图像含有较大噪声的情况下.     

基于约束规划的焊接车间多资源约束调度研究

为求解焊接车间多资源约束调度问题,以最大完工时间最小化为目标,根据该问题特性首先建立了该问题的混合整数规划(MIP)模型,然后提出了求解该问题的约束规划(CP)模型.在该CP模型中,以区间变量和顺序变量为决策变量,使用累计函数建立共用焊机约束以及峰值功率约束.通过使用CPLEX的CP引擎对具体实例进行求解,验证了该模型的可行性和有效性.试验结果表明:在最大完工时间变化不大的情况下,可以有效控制峰值功率.     

基于实例的再设计策略研究

就智能设计系统的再设计问题进行了详细的分析与研究，在综合领域成就的基础上，探讨了再设计面临的主要困难．针对重型机床模块化设计的特殊性及机床结构约束的松散性，提出了一种基于实例的再设计策略辅以相关性制导等策略的混合控制策略；并详细描述了基于实例的再设计策略的基本思想、实现方法、关键技术与求解机制．该策略已成功地、柔性地应用于重型机床模块化设计全过程．     

基于实例的再设计策略研究

就智能设计系统的再设计问题进行了详细的分析与研究，在综合领域成就的基础上，探讨了再设计面临的主要困难。针对重型机床模块化设计的特殊性及机床结构约束的松散性，提出了一种基于实例的再设计策略辅以相关性制导等策略的混合控制策略；并详细描述了基于实例的再设计策略的基本思想、实现方法、关键技术与求解机制。该策略已成功地、柔性地应用于重型机床模块化设计全过程。     

完整约束奇异广义力学系统的Poincare'-Cartan积分

对受完整外在约束并用奇异Lagrange量描述的广义力学系统,基于完整外在约束满足的约束加在虚位移上的条件,并考虑到系统的内在约束,导出了该约束奇异广义力学系统的广义Poincare'-Cartan积分不变量,并证明了该不变量与约束奇异广义力学系统的广义正则方程等价.     

混合变量多目标优化设计的Pareto遗传算法实现

提出了一种用Ｐａｒｅｔｏ遗传算法来实施的带约束的多目标混合变量的优化方法。得到Ｐａｒｅｔｏ最优解集,决策者从中可选出满足设计需要的解。该算法包括６个基本算子：选择、变异、交叉、离散变量圆整算子、小生境、Ｐａｒｅｔｏ集合过滤器。建立了用于多目标优化的适应度函数,使用模糊罚函数法法将带约束的多目标优化问题转换为无约束优化问题,同时提出了处理混合变量多目标优化问题中离散变量的方法。最后用算例说明了该方法     

模型预测控制器的广义最小方差性能评价

基于滚动时域最小方差性能评价方法和广义最小方差控制原理,提出了可处理约束问题的滚动时域广义最小方差性能评价方法。该性能评价方法既可考虑过程变量的硬约束,同时相对于滚动时域最小方差性能评价方法,又可考虑操纵变量的软约束。基于Wood-Berry精馏塔模型的仿真实例证明了该性能评价方法较滚动时域最小方差性能评价方法具有更高的实际意义,并验证了这种性能评价方法的有效性。     

基于EM算法的工业机器人抓取控制研究

抓取是机器人的基本操作任务,通过待抓取物体的位姿变化对机器人关节数据自适应调整,提高机器人物体抓取成功率.本文基于EM算法的混合正态分布模型建立待抓取物体位姿观测变量和机器人关节变量之间的映射关系,并采用UR3机器人进行抓取试验.结果表明,采用该方法进行抓取控制只是在样本训练集的边缘抓取失败,抓取成功率为95.5％.基于EM算法的混合正态分布模型可以有效地对工业机器人抓取进行控制,具有比较高的抓取成功率.     

基于数学规划的平行机批量调度固定优化算法

以半导体制造行业为应用背景,研究带产能约束的平行机批量调度问题。该问题需要同时考虑基于产品加工顺序的生产准备时间约束、产品加工的时间窗约束、设备和产品的匹配约束以及设备偏好性等约束。为此,构建了混合整数规划(MIP)模型,并设计了基于MIP模型的固定优化启发式算法。该算法先按照随机设备柔性最小优先规则把设备预先分配给需要加工的产品,从而可以通过更新设备和产品匹配关系矩阵来降低子问题的求解难度;再利用基于设备分解和基于时间分解的两种分解方法,固定住MIP模型中的大部分0-1变量,从而可以有效地利用MIP求解器优化剩余的一小部分0-1变量。大量随机产生的实验算例和半导体工厂真实算例表明:该算法优于现有文献中其他基于MIP的启发式算法,特别是当算例中设备柔性较高和需求变动较大时,该算法绩效更加显著。     

Hindmarsh-Rose神经元模型的单变量控制同步与反同步

采用Hindmarsh-Rose神经元模型,研究2个神经元系统的单变量驱动响应混合同步问题,提出反馈控制与自适应控制相结合的同步策略,从理论上分析了该同步方案的可行性。数值模拟结果表明,该同步方案能使部分变量达到反同步,使其他变量达到同步,即只需要单个变量的驱动就能实现2个混沌系统的同步和反同步。     

具有混合约束的多变量系统的优化控制

给出了多变量预测控制的算法描述,解决了工业生产中存在的混合约束问题。并运用协调优化的原则对带有硬约束的操作变量进行了协调。当找不到满足所有约束条件的可行解时,对被控变量进行约束软化处理。采取线性和二次型组结合的惩罚函数,对预测时域上每个时刻的激活值进行处罚,不仅可以保证可行解的存在,而且改进了控制系统的性能。理论分析证明,该算法能够保证闭环系统的稳定性,并具有较强的鲁棒性。仿真结果也证实了算法的有效性。     

具有混合约束的多变量系统的优化控制

给出了多变量预测控制的算法描述 ,解决了工业生产中存在的混合约束问题。并运用协调优化的原则对带有硬约束的操作变量进行了协调。当找不到满足所有约束条件的可行解时 ,对被控变量进行约束软化处理。采取线性和二次型相结合的惩罚函数 ,对预测时域上每个时刻的激活值进行惩罚 ,不仅可以保证可行解的存在 ,而且改进了控制系统的性能。理论分析证明 ,该算法能够保证闭环系统的稳定性 ,并具有较强的鲁棒性。仿真结果也证实了算法的有效性。