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。     

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.     

间接法求解具有最大横程的再入轨迹

针对运用间接法进行弹道优化时存在共轭变量初值高度敏感难以估计而无法获得全局最优解的缺点,引入混合遗传算法对弹道优化时的共轭变量初值进行搜索,并求解获得具有最大横程的再入轨迹. 求解时考虑了热流约束、过载约束和动压约束,约束的处理采用惩罚函数方法,通过对不可行解的惩罚转换为无约束问题. 数值仿真验证了该算法实用性.      

化工过程中虚假宽松约束的修正预测控制

过程控制中广泛存在着对变量的各种约束条件,因此需要设计能够满足约束条件的控制策略。约束预测控制能够处理各种输入和输出约束,是一种有效的控制方法。但在实际过程控制中,由于预测控制不检测下层回路的实际执行信息,当控制作用超出系统实际最大能力而不能完全下载时,标称约束成为虚假宽松约束,导致系统响应偏离预期,约束条件无法满足。该文基于线性系统离散状态空间模型,讨论有输入和输出区间约束条件的基于区间控制思想的预测控制。为保证虚假宽松约束发生时预测控制仍能够正确有效实施,提出及时进行一系列预测模型数据和约束条件的修正算法,并使约束条件得到满足。利用绝热连续搅拌釜式反应器(CSTR)模型的控制仿真实验证明了该算法的有效性。     

解线性规划问题的一种半单纯形法

本文提出解线性规划问题的一种方法，主要是对约束Ａｘ＝ｂ求初始基可行解时，不必引入人工变量而可直接用旋转运算获得，之后就完全和单纯形法一样求最优解，并提出了判定无可行解的方法和准则，对算法的理论问题也作了证明和解释。     

MPC实用化问题处理及在车辆ACC中的应用

为实现多目标协调式自适应巡航控制(ACC)系统的实车应用,分析并解决了模型预测控制(MPC)理论实用化过程的弱鲁棒性、非可行解和高计算复杂度问题。采用反馈校正法补偿跟车模型的预测误差,改善模型对跟车系统状态的预测精度;再利用约束管理法,修正MPC代价函数,松弛其输入输出(I/O)硬约束;基于变量集结法,降低待优化变量的维数,缩减MPC优化问题的规模。以某重型卡车为对象的ACC仿真表明:该方法可有效提高ACC对模型失配的鲁棒性,避免因过大跟踪误差造成的控制律非可行解,提高MPC计算效率的同时不影响其控制最优性。     

车辆多目标自适应巡航控制算法

为了综合协调车辆跟车时的追踪性能、燃油经济性能、驾乘人员舒适性能和跟车安全性能,研究了多目标自适应巡航控制(ACC)算法,建立了包含车辆模型和车间关系的ACC系统集成式纵向运动学模型,设计了描述追踪误差、燃油消耗量和驾驶员跟车行为误差的目标函数,以及保证动态跟车、期望驾乘感受和跟车安全的约束条件,基于模型预测控制理论将多目标ACC系统控制算法转化为带有多个约束的在线二次规划问题。采用反馈校正机制改善了算法设计时存在的建模失配和外部干扰等低鲁棒性问题,引入向量松弛因子解决了优化求解过程中硬约束导致的控制算法非可行解问题。仿真结果表明,相比线性二次型调节器的ACC算法,所提控制算法在前车循环工况中100km油耗降低9.3%,追踪误差指标降低21.7%,从而实现了良好的车辆追踪,同时满足驾驶员期望的跟车特性要求。     

基于硬约束调节的改进粒子群无功优化

在解决电力系统无功优化问题时,粒子群优化存在着处理离散变量困难、易陷入局部最优和不能完全满足不等式约束等情况.为此,在对连续变量进行离散对应的基础上,采用混沌策略增加其寻优性能,并针对边界约束问题提出了将越限的节点电压和功率因数进行"九宫"调节的特色改进方案.以保证粒子的飞行能被控制在可行解空间中,从而形成了新的改进粒子群优化算法.通过IEEE标准节点系统和某地区实际电网的计算分析,表明该算法在寻优速度、寻优质量等方面均具有很好的效果.     

基于遗传模拟退火算法的自动化制造单元周期调度

鉴于有时间窗约束的单机器人单度自动化制造单元周期调度问题的可行解极少且难以找到最优解,提出一种带有不可行解修复机制的遗传模拟退火算法,以提高解的搜索效率。采用基于跨周期决策的先后次序约束修复、联动修复等机制,对不可行解进行修复,提升其逼近可行解的概率;结合遗传算法的多点初始和模拟退火的靶向搜索能力,强力筛查可能存在的可行解;根据模拟退火的降温速度,利用Metropolis准则以逐渐变小的概率接受交叉和变异后产生的劣解,促进种群跳出局部最优。实验证明所提出的算法在保证解的质量的前提下,计算时间更短,求解效率更高,可较好地满足自动化制造单元的周期调度要求。     

带状态约束的切换系统的脉冲控制优化

讨论了带有脉冲控制和状态约束的切换系统的优化数字解问题,将直接微分法从连续切换系统推广到脉冲切换系统,从无约束优化问题推广到有约束优化问题.通过目标函数值对脉冲输入的直接微分,得到目标函数值变化量和脉冲输入微小变化量之间的关系.根据它们之间的关系,采用离散化数字解算法求解,即将目标函数、状态方程和约束变量方程等都离散化,形成迭代循环,从而得到切换时刻的脉冲优化数字解,保证了系统轨迹在约束范围内达到优化状态.