增量模型控制压力恒定的多源供水实时调度

针对多水源供水管网系统参数多及变量间存在耦合,难以实现合理实时调度而导致水压多变等问题,提出一种基于增量模型控制压力恒定的多源供水管网系统优化调度策略. 依据用户流量参数预测建立增量模型,以分界监控点压力参数恒定为目标函数推导多水源调度策略,并调节机泵输出压力,机泵启停状态及变频机泵转速为优化决策变量. 鉴于供水系统模型的非线性和混合变量的耦合性,采用蚁群算法进行优化,引进扰动因子并修正搜索转移步长和动态挥发系数来提高全局寻优能力. 算例仿真表明,该模型和方法可快速找到优化调度的最优解,跟踪流量变化和保持监测控制节点实时压力恒定的效果好,为多水源的实时协调调度提供了好的基础.     

一类综合控制系统的MLD建模与仿真研究

为了实现一类综合控制系统的高性能控制,提出了利用基于混杂动态系统理论的MLD(混合逻辑动态)建模方法对系统进行建模.从分析系统的混杂特性出发,介绍了DHA(~散混杂自动机)建模框架和建立系统MLD模型的基本原理和步骤.将本质上混杂的综合控制系统在DHA框架下进行建模分析,然后利用HYSDEL(混杂系统描述语言)这种统一的建模语言对混杂系统进行抽象描述,并转换成便于计算和性能分析的MLD模型,最后通过仿真验证了所建立的MLD模型在对系统进行开环控制时的有效性.     

基于Matlab与VC++混编技术的混杂系统预测控制及仿真

深入研究了混杂系统基于混合逻辑的建模方法，提出变权重矩阵的预测控制策略对系统进行优化和控制，对一个具体实例进行了仿真研究，表明基于混合逻辑动态模型的变权重预测控制策略能使系统跟踪设定值并满足约束条件。基于Matlab与VC 设计的系统仿真平台，为算法工程化实施提供了一个有效途径。     

基于竞争式协同进化的混合变量粒子群优化算法

现实工业生产应用中存在大量的混合变量优化问题,这类问题的决策变量既包含连续变量,又包含离散变量。由于决策变量为混合类型,导致问题的决策空间变得不规则,采用已有的方法很难进行有效求解。引入协同进化策略,提出一种基于竞争式协同进化的混合变量粒子群优化算法(competitive coevolution based PSO,CCPSO)。设计基于容忍度的搜索方向调整机制来判断粒子的进化状态,从而自适应地调整粒子的搜索方向,避免陷入局部最优,平衡了种群的收敛性和多样性;引入基于竞争式协同进化的学习对象生成机制,在检测到粒子进化停滞时为每个粒子生成新的学习对象,从而推动粒子的进一步搜索,提高了种群的多样性;采用基于竞争学习的预测策略为粒子选择合适的学习对象,充分利用了新旧学习对象的学习潜力,保证了算法的收敛速度。实验结果表明：相比其他主流的混合变量优化算法,CCPSO可以获得更优的结果。     

动态超表面天线阵列混合发射波束成形

动态超表面天线(dynamic metasurface antenna, DMA)阵列是一种可实现模拟-数字混合波束成形的新型阵列结构, 其模拟波束成形部分由DMA实现, 系统实现的复杂度低。本文研究基于DMA阵列的混合发射波束成形, 核心问题是模拟与数字发射权值的联合优化。该文基于交替优化思想将模拟-数字权值联合优化问题分解为多个子问题, 提出一种基于交替方向乘子法(alternating direction multiplier method, ADMM)的求解方法。该方法首先引入辅助变量简化问题模型, 然后通过交替优化求解辅助变量、数字权值和模拟权值。其中, 辅助变量求解具有闭式表达式, 数字权值与模拟权值解耦合后利用ADMM分别求解。仿真结果表明, DMA阵列与典型的唯相混合阵列和恒模约束下的唯相阵列相比, 具有更好的混合发射波束成形性能。     

可重复使用运载器再入弹道仿真

针对RLV再入特点,应用反馈线性化与模型预测控制相结合,设计了基于控制角与控制力矩间全反馈(非时标分离)条件下的反馈线性化控制器,实现了以控制增量做为优化变量、考虑模型状态和输入约束的模型预测控制器设计,解决了RLV再入模型的多变量耦合、参数不确定等非线性控制问题的平滑控制.最后在Simulink环境下建立了RLV再入仿真模型,应用RtFly快速原型系统完成了再入模型六自由度弹道实时仿真,仿真结果验证了该控制器能够较好跟踪制导参数,满足控制器设计指标和系统实时性要求.     

基于粒子群算法混合优化的广义预测控制器研究

提出一种基于粒子群算法混合优化的广义预测控制器(generalized predictive control based on particleswarm optimization,简称PSOGPC),将粒子群优化算法(particle swarm optimization,简称PSO)引入到广义预测控制的滚动寻优过程中,有效解决了广义预测控制在被控对象存在约束时难以获得最优预测控制输入及求解复杂的问题。并对普通粒子群优化算法进行了改进,提高了优化过程的求解精度和收敛速度。多种约束情况和对电厂锅炉的主汽温控制系统的仿真结果表明了该方法的有效性和优良的控制性能。     

汽车电子ABS控制参数混合逻辑动态自标定研究

采用软硬件协同设计方法,提出基于汽车电子子系统模块化统一建模的动态仿真测试方法.参照汽车电子电控单元参数的匹配方法,提出了基于CCP协议在线调整ABS参数的匹配方法,并从理论上研究了基于MLD(Mixed Logical Dynamical)系统的ABS控制参数自动标定算法.并通过求解MIQP问题为ECU-ABS控制解出一个优化的控制序列.以ABS开发为例进行了说明和测试,对监控标定系统进行了试验,建立了完整的电控参数标定仿真、实验流程.提出的方法对其它汽车电子嵌入式实时软件开发,缩短调试、路试周期具有重要的意义.     

基于矩阵半张量积方法的改进数量化理论 (Ⅰ)

利用矩阵半张量积理论, 从两个方面对数量化理论(Ⅰ)进行改进: 一是改进模型, 提出一种定性数据通用预测模型; 二是扩展基准变量的维数, 建立一种多维预测方法. 首先, 基于混合逻辑半张量积表示, 研究一维基准变量预测问题, 提出一种新的 预测模型——伪混合逻辑函数模型, 它可描述定量基准变量与定性说明变量间的任一复杂解析关系; 并基于样品数据, 研究如何确定预测模型的结构矩阵. 然后, 研究多维基准变量预测问题, 提出一种伪混合逻辑函数向量预测模型, 并给出其结构矩阵的确定方法. 最后, 给出一个应用例子, 说明本文方法的有效性.     

浸出过程浸出率预测与在线优化

本文建立了浸出过程浸出率混合预测模型;基于该预测模型及生产的实际需要,将一个动态浸出问题转化为带约束的优化问题;针对在线优化计算时间长,精度要求高的难题,提出了变邻域搜索PSO算法及基于该算法的动态生产过程在线优化策略.通过实际应用证明混合预测模型预测精度高;在线优化算法自适应性强、运算量小、精度高,具有较高的实际应用...     

非线性模型预测控制的智能算法综述

从非线性模型预测控制的预测模型建模和最优化问题求解两方面入手,介绍了近年来基于智能模型和智能优化算法的非线性系统预测控制方法,并对各种算法的特征进行了总结评述,指出了智能非线性预测控制方法存在的问题和未来的发展方向。     

An Efficient Constrained Model Predictive Control Algorithm Based on Approximate Computation

1 .ＩＮＴＲＯＤＵＣＴＩＯＮＭｏｓｔｓｙｓｔｅｍｓａｒｅｓｕｂｊｅｃｔｔｏｃｏｎｓｔｒａｉｎｔｓａｎｄｔｈｅｄｅｓｉｇｎｏｆｃｏｎｔｒｏｌｌｅｒｓｆｏｒｓｕｃｈｓｙｓｔｅｍｓｉｓａｖｅｒｙａｃｔｉｖｅａｒｅａｏｆｒｅ ｓｅａｒｃｈｎｏｗａｄａｙｓ.Ｉｔｉｓｗｅｌｌ ｋｎｏｗｎｔｈａｔｍｏｄｅｌｐｒｅｄｉｃｔｉｖｅｃｏｎｔｒｏｌ (ＭＰＣ) ,ａｌｓｏｃａｌｌｅｄｒｅｃｅｄｉｎｇｈｏｒｉｚｏｎｃｏｎｔｒｏｌ(ＲＨＣ) ,ｈａｓｂｅｅｎｗｉｄｅｌｙａｎｄｓｕｃｃｅｓｓｆｕｌｌｙａｐｐｌｉｅｄｉｎｐｒｏｃｅｓｓｉ…     

一种有约束的神经网络预测控制方法

针对非线性系统的控制问题，提出了一种采用黄金分割法的神经网络预测控制算法。该算法以神经网络作为预测模型，以黄金分割法用于优化控制器，其中以系统输入的约束条件作为黄金分割法的动态搜索区间。该算法解决了控制量的范围和变化速度受约束的情况下，未知非线性系统的预测控制问题，通过仿真研究证明了该算法计算速度、稳定性和杭扰动能力。     

基于非线性模型预测控制的火星大气进入智能制导方法

针对火星大气进入精确制导问题, 提出了基于非线性模型预测控制(nonlinear model predictive control, NMPC)的智能进入制导方法。首先, 考虑了进入制导约束, 采用NMPC方法设计制导算法。通过引入衰减记忆滤波器, 提出了基于误差信息估计的预测模型修正方法, 增强系统对模型误差的鲁棒性, 并利用变预测时域策略提高系统性能。然后, 以NMPC制导系统为制导模板, 在实际条件下生成大量样本数据集, 进行深度神经网络(deep neural network, DNN)的离线训练。最后, 在进入制导过程中利用DNN代替求解复杂优化问题和积分预测的过程, 在线快速解算控制量, 并结合横向制导实现智能制导。仿真结果表明, 提出的制导方法能够快速计算指令, 实现了高精度制导。     

阶梯式有约束非线性预测控制及其应用

非线性预测控制需要在每个采样周期内求解非凸非线性规划。针对在线求解的计算复杂性,提出基于阶梯控制的非线性预测控制算法,在每个采样周期,采用阶梯式控制策略,精确求解当前控制量,减少非线性规划决策变量的维数,降低了在线计算量,减少计算时间,提高了算法的快速性。仿真和实控结果表明,本算法具有良好的可行性和控制效果。     

Robust predictive control of polytopic uncertain systems with both state and input delays

A robust model predictive control algorithm for discrete linear systems with both state and input delays subjected to constrained input control is presented,where the polytopic uncertainties exist in both state matrices and input matrices.The algorithm optimizes an upper bound with respect to a state feedback control law.The feedback control law is presented based on the construction of a parameter-dependent Lyapunov function.The above optimization problem can be formulated as a LMI-based optimization.The feasibility of the optimization problem guarantees that the algorithm is robustly stable.The simulation results verify the effectiveness of the proposed algorithm.     

冲突多目标相容预测控制

两层结构的相容控制框架可以解决复杂冲突多目标控制问题,但其需要克服的困难是多目标直接优化、第一层所选区间目标的实现和在线实时优化控制。采用多目标遗传进化算法解决了直接优化多目标的工具问题。为能实现第一层中所选择的控制目标,第二层中设计了不同于第一层中形式的指标,并加入选择函数以反映实际系统的需要。结合预测控制思想的特点,提出了在线迭代遗传算法,解决了在线优化速度问题。以预测控制动态过程中误差、能耗两个目标为例对相容预测算法进行了说明。     

输入受限的隐式广义预测控制算法的仿真研究

本文基于CARIMA模型提出了一种简单的隐式广义预测自校正控制算法。它避免了在线求解Dioaphantine方程;利用并列预测器间的特点,直接辨识输出预测器中的参数,并针对广义预测控制问题,在整个预测时域和控制时域,对输入幅值施加了约束;在此基础上以二次规划作为滚动优化策略,进行计算机仿真,获得预测控制信息和输出信息;然后采用加权控制律,不仅使预测信息得以充分利用,而且使系统的性能得到明显改善。     

一类非线性时滞系统的模糊预测控制

利用模糊T-S模型对一类输入受限的非线性时滞系统进行建模;在此基础上,提出了模糊预测控制,推导了预测性能指标上界,将稳定性约束,输入约束变换成容易求解的线性矩阵不等式形式。采用了并行分布补偿预测控制器,基于李雅普诺夫函数和线性矩阵不等式方法给出滚动时域优化的充分条件,证明了闭环系统的稳定性,仿真结果验证了所提方法的有效性。