智能混合动力汽车经济性自适应巡航控制策略研究

针对智能混合动力汽车自适应巡航过程中的能量控制策略问题,结合模型预测控制在处理多目标、多约束优化问题方面的优势和粒子群算法运算量小、收敛快的特点,将粒子群算法作为模型预测控制的滚动优化方法,构造基于模型预测控制的粒子群算法.仿真结果表明,文中算法能够使绝大部分工况点落在较低燃油消耗率区域,只有少部分工况点落在非经济区域,虽然多消耗了1.06%的燃油,但在运算速度上却获得了60.3%的提升.     

基于AEPSO优化的神经网络多步预测控制

为提高神经网络预测控制的性能,提出了基于自适应扩展粒子群优化的神经网络预测控制方案。基本PSO算法中,每个粒子的更新受粒子个体极值和局部极值的影响,为了提高其全局收敛性,采用多粒子策略,使每个粒子的更新受更多其他粒子的影响;为提高收敛速度,采用自适应策略,对参数c0进行自适应调整,使c0随着迭代次数的增加而逐渐减小,这样,在PSO算法的搜索过程中,随着迭代次数的增加,搜索区域会越来越小,从而加快PSO算法收敛速度。运用该算法实现神经网络预测控制中的滚动优化,在有限时域内对控制序列进行寻列,给出基于粒子群优化的神经网络预测控制系统的稳定性证明。仿真结果表明,基于粒子群优化的神经网络预测控制系统具有良好的跟踪性能。     

基于自适应模型预测控制的拖拉机路径跟踪研究

自主化作业的拖拉机由于作业速度和跟踪路径曲率的不断变化,基于固定参数模型预测控制的路径跟踪器不能达到理想效果.为提高控制器的自适应性,提出基于改进粒子群优化的自适应模型预测控制算法.该算法将作业场景与粒子群算法相结合,对模型预测控制中的预测时域进行自适应调整,当作业场景发生改变时,则用粒子群优化算法选取理想预测时域参数.为提高粒子群优化算法的寻优效果,采用分段函数的方式对惯性权重进行改进.以东方红-X1304拖拉机为研究对象,对作业速度为1、2m/s和变速,跟踪路径为直线和曲线等情况进行仿真实验,并对比分析基于固定预测时域和自适应预测时域的控制器.结果表明,相对于基于三个固定时域的控制器,基于自适应预测时域控制器的跟踪精度和收敛速度分别提高了2％～44％和2％～71％.     

基于全参数自适应变异粒子群算法的单目相机标定

针对传统粒子群方法求解相机内参时的局部最优解问题,提出一种基于全参数自适应调节和变异机制的粒子群单目相机内参优化方法.首先,基于向量约束关系对单应性矩阵进行变形,利用最小二乘法求得相机的初始内参.然后,考虑在迭代过程中局部最优粒子、全局最优粒子对各个粒子的作用不同,分别给出了基于粒距的自适应的局部因子学习调节策略和全局因子学习调节策略;同时,设计了基于粒子群平均粒距的改进的粒子自适应变异率.最后,给出了基于全参数的自适应变异机制的粒子群相机内参优化算法.实验结果表明,与张正友标定方法、传统粒子群优化标定方法相比,该方法具有较好的标定精度和收敛速度.     

多种进化算法混合解决约束工程优化问题研究

针对单一进化算法不适合解决所有优化问题的情况,提出了一种混合多种进化算法解决约束工程优化问题的算法.该算法混合了差分进化、粒子群优化和共生生物搜索等3种算法,首先利用差分进化算法产生和选择最优种群,然后利用粒子群优化算法寻找每一个最优解并进行更新,最后利用共生生物搜索算法对所有种群进行共生互动更新,选择出最优种群以进行...     

动态无功优化的混合智能算法

针对存在离散控制设备动作次数约束的动态无功优化问题,提出免疫遗传算法和非线性内点法的混合算法.首先忽略控制设备的离散性和动作次数约束,采用非线性内点法求解初始优化解;然后按照控制变量的性质将原问题分解为连续优化与离散优化2个子问题迭代求解.在离散优化问题中,保持连续变量不变,采用免疫遗传算法优化离散变量,通过特别的编码方式使抗体自动满足动作次数约束;在连续优化问题中,保持离散变量不变,采用非线性内点法优化连续变量.混合算法充分结合了免疫遗传算法和非线性内点法的优点,能较快求解动态无功优化的近似最优解.IEEE14节点系统的仿真结果验证了混合算法的有效性.     

改进粒子群算法优化的非线性模型预测控制

针对带有有界随机扰动和概率约束的非线性模型预测控制的优化控律求解问题.采用引入粒子滤波重采样步骤改进的粒子群算法,并与粒子的变异操作相结合来求解非线性模型预测控制优化控制律的方法,提高了算法的收敛速度和控制效果.对概率约束的处理,采用对不满足约束的粒子进行有效替代的方法,进而得到满足概率约束条件的优化控制律.仿真结果表明了提出的改进粒子群算法用于优化求解非线性模型预测控制的优化控制律的可行性和有效性.     

基于改进CMOPSO挠性卫星姿态机动路径优化

针对挠性卫星姿态快速机动快速稳定控制中的路径优化问题,研究了一种基于云多目标粒子群算法(CMOPSO)的姿态机动路径优化方法.为了解决云多目标粒子群算法寻优初期可能出现粒子陷入局部最优的问题,提出了一种随迭代次数呈反正切函数变化调整惯性权重的改进云多目标粒子群算法.针对挠性卫星大角度姿态机动问题,考虑挠性卫星姿态机动过程中角加速度和角速度的限制,建立了姿态机动路径参数的多目标优化模型,并采用改进的CMOPSO进行优化.仿真结果验证了所提改进的云多目标粒子群算法在挠性卫星姿态快速机动快速稳定控制中的有效性.     

求解DCMST问题的模糊离散粒子群优化算法

提出了一种求解度约束最小生成树问题（DCMST）的模糊离散粒子群优化算法（PSO）,粒子编码采用Prüfer数编码机制,并引入模糊矩阵产生Prüfer数,迭代过程中加入归一化运算对位置矩阵进行修正,利用最大数法进行解模糊化。通过仿真实验验证了算法的有效性。     

非线性混合整数规划的简化二阶震荡粒子群混合算法

为了求解整数约束和混合整数约束优化问题,提出了简化二阶震荡粒子群优化算法.在二阶震荡粒子群算法的基础上,对更新过程进行简化,使得迭代方程由原来的二阶降成一阶,粒子的搜索过程更为简单高效,便于搜索和寻优;引入了平均个体最优位置,使得所有粒子的有效信息被充分利用;对不满足约束条件的粒子重新生成,从而加快算法的收敛速度;为了防止算法的早熟收敛现象,提出了"优胜劣汰"的更新机制.最后,为了验证算法求解整数和混合整数优化问题的可行性和有效性,将简化二阶震荡粒子群混合算法对16个测试函数进行了测试并与其他三种算法比较.实验结果表明,本文算法在精确度和成功率方面有明显的提高.     

多变量系统的最优预报控制

以完整的最小二乘递推算法和以约束最优化方法为基础,提出了p-输入q-输出多变量系统的最优预报控制(OPC)方法。数字仿真和实时控制实验表明OPC具有很高的控制精度以及理想的解耦和抗干扰能力。     

受约束动态矩阵控制算法的仿真研究

针对有约束动态矩阵控制问题,以输出预测值与未来参考轨迹序列误差的绝对值之和作为性能指标,对输入受限的动态矩阵控制算法进行了仿真研究。仿真实例验证了该算法有效。     

一般约束非线性规划问题的光滑牛顿法

用改进的光滑NCP函数替代了文[1,2]中的弱互补函数,提出了一种新的光滑牛顿法,从而实现了一般约束优化问题的KKT条件到非线性方程组之间的完全等价转化,且将文[3]中提出的求解无约束最优化问题的修正BFGS方法加以改进,应用于求解一般的约束最优化问题,避免了计算Hesse矩阵工作量较大的问题,并在一定的条件下证明了该算法的全局收敛性.     

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。     

基于NLJ优化算法的多变量预测函数控制

基于差分方程模型推导了多变量预测函数控制算法,使其具有更加广泛的适用性.利用NLJ算法处理预测函数控制中的约束问题,简单明了,没有繁琐的数学公式推导,仿真结果证明了该算法的有效性,为预测控制约束问题的处理提供了一种新的途径.     

带中间状态反馈的多变量非线性预测控制

给出了基于神经网络的多变量非线性预测控制算法,提出了带中间状态反馈校正的基于神经网络的多变量非线性预测控制,以及反馈校正矩阵的设计方法．仿真结果表明,此算法大大地增强了系统的抗干扰能力,是一种有效和实用的控制方法．     

多变量终端约束预测控制器及其在挤出机系统中的应用

设计了一种新型的多变量预测控制器．该算法在目标函数中加入了对输出增量的加权，并且增加了对预测值终端的约束，因而增加了系统的稳定性．在拉伸挤出机过程中的应用研究验证了这种方法的优良性能．     

约束复合形法在非凸可行域上的一种修正算法

约束复合形法是求解约束非线性最优问题的一种重要方法,该文对约束复合形法在非凸可行域上的迭代计算方法进行了探讨,针对复合形形心点落于可行域之外的情况,对常规的复合形算法进行了修正,提出了一种适合于工程计算的,高效实用的迭代算法。     

一种新型制冷机能量调节的控制算法

研究新型混合吸收式制冷循环的能量调节的自动控制问题.采用动态矩阵预测控制算法设计多变量动态矩阵控制器,对新型混合吸收式制冷循环的能量进行自动调节,同时利用软件Matlab/Simulink对其进行仿真,结果表明该算法能有效地改善控制器的动态特性,显著提高制冷机的抗干扰性,表现出了较好的自适应能力.     

具有鲁棒性的多变量预测控制仿真研究

文中利用预测控制中动态矩阵控制算法对多变量系统进行控制仿真研究,同时以控制领域流行的Matlab/Simulink仿真软件实现其预测控制算法,领导 具研究证明预测控制对多变量系统具有较好的控制作用和满意的鲁棒性。