一种动态大系统实时递阶控制方法

为了克服数值计算方法的困难，给出了一种用于求解动态大系统递阶优化控制问题的神经网络模型，构成该神经网络的局部优化子网络和协调子网络同时工作，给出最优解，具有很高的求解效率，并且该网络具有全局渐近稳定性，便于硬件实现及实际应用。     

工业大系统递阶多目标优化的分解协调方法

研究了工业大系统递阶多目标优化问题,将其归纳为三种基本形式,并提出了三种相应的新算法。这些方法的基本思想是利用分解协调原理和多目标优化技术,将原问题化为一个二级优化问题。第一级求解一系列低维数的多目标子问题,第二级进行协调。这样大大节省了所需的计算机内存容量,加快了算法的收敛速度。这些算法还具有简单、实用等优点。数值例子证明了以上的结论。     

基于泛函灵敏度方法的PSS参数优化设计

提出了一种多机电力系统稳定器(PSS)参数协调优化的共轭梯度法.该方法以系统动态组合泛函作为评价PSS阻尼效果的性能指标,通过变分法处理组合泛函指标中的积分项,提出了采用轨迹逆积分技术计算该指标对PSS参数向量梯度的新方法.该方法以上述组合泛函指标最小作为PSS参数优化模型中的目标函数.由于目标函数考虑了电力系统大扰动...     

多无人机编队控制轨迹的凸优化设计

将多无人机编队控制优化模型分解为优化层和协调层,从而将多无人机编队控制轨迹的设计转化为优化层和协调层的优化设计。首先在共有的辅助决策变量汇合点的前提下,对优化层采用对偶理论将约束问题转化为无约束问题,进而利用最优必要条件求解最优的控制输入信号值。对协调层关于辅助变量汇合点的设计,可采用凸算法中的梯度投影策略,并分析该梯度投影算法的收敛性。最后用仿真算例验证该方法的有效性。     

基于Barzilai-Borwein梯度法的多微电网系统递阶优化调度算法

针对由多个相互关联的微电网组成的多微电网系统,本文提出基于Barzilai-Borwein梯度法的多微电网系统递阶优化调度算法。该算法通过协调各子网多余或缺少的能量,并优化各子网发电设备以实现各微电网能量供需平衡,最小化多微电网系统整体运行成本。首先建立多微电网能量流动模型及其能量管理优化问题,进而综合预测控制的滚动优化思想和关联平衡原理,设计了多微电网系统的递阶优化调度算法。该算法将整体优化的复杂的高维整体优化问题分解为若干个相互独立的低维子问题,将原来集中的大规模计算分散到每个子系统中进行,降低对单个控制器的计算性能要求,并引入Barzilai-Borwein梯度法对子微电网之间协调,提升协调级迭代计算寻优过程的收敛速度,驱动各子网的独立优化解快速收敛至多微电网的整体优化解,以较低的计算量取得了良好的多微电网能量管理效果。最后通过数值仿真验证了本文所设计算法的有效性。     

基于遗传算法的刨煤机系统多目标模糊可靠性优化

 针对刨煤机系统常规优化方法难以处理具有相互矛盾属性的系统可靠性多目标优化设计问题,提出一种基于遗传算法非概率分布信息的多目标模糊可靠性优化决策方法。该方法利用模糊集隶属函数的特性将各个单一目标函数模糊优化处理为能够反映各子目标相对重要程度,对不完全概率信息采用随机摄动法和Edgeworth级数方法转化为标准正态分布函数,将各个目标的协调满意度函数综合统一的单目标优化模型,再用常规优化方法即可求出多目标优化模型的满意解,最后给出刨煤机实例以验证该方法的有效性。     

模糊多目标可靠性优化设计的遗传算法

给出模糊多目标可靠性优化设计的一个遗传算法.该方法利用模糊集隶属函数的特性将各子目标函数模糊化处理为能够反映各子目标相对重要程度,具有加权指数的协调满意度函数形式;通过加权函数将各子目标的协调满意度函数综合成统一的单目标优化模型,用遗传算法求解模型.通过实例验证该方法的有效性.     

基于反馈控制原理可靠性多目标优化设计的满意解

通过对多目标优化问题不确定性因素的分析,将有效解问题扩展到模糊多目标优化模型软计算满意解求解问题．利用模糊集理论中隶属函数,将各子目标模糊化后处理为满意度函数,进而在分析控制系统中的闭环控制原理和多目标满意解优化软计算的动态过程的相似性后,提出了建立基于闭环反馈控制原理,由协调校正权函数、相对优属度函数和重要性加权指数构成的多目标满意解总评价函数方法．最后,给出机械零件可靠性多目标满意解优化实例进行验证．     

具有性能约束布局问题的优化算法及收敛性

研究了二维布局优化问题,建立了具有性能约束的二维布局半无限优化模型.应用图论、群论等,把该问题分解为有限多个子问题,在每个子问题中克服了优化变量的时断时续性质,并将子问题松弛化,利用极大极小函数给出了松弛子问题的最优性函数,该函数在其零点使松弛子问题的一阶必要条件成立.利用最优性函数构造了松弛子问题的优化算法,并证明了算法的收敛性.     

对称模糊优化模型评价函数解法

提出一种通过截集水平耦合各子目标满意度函数构造评价函数，进行对称模糊优化模型求解的新方法．该方法利用可变权函数动态协调目标集间以及目标集与水平截集的相互作用关系，使评价函数达到最大值，不仅避免了常规直接解法和迭代解法对模型转换带来的不便，而且能够对所建立的目标集和各子目标满意度进行客观评价．给出了两个实例进行验证。     

一类大系统的稳态递阶优化控制算法

充分利用线性稳态大系统这一特点,采用一种新方法在不破坏可分性的前提下对求解问题进行凸化．这种两级算法是：上级（协调器）固定协调变量;下级各局部决策单元并行求解Ｎ个子问题,再把结果送回协调器．这样,通过上、下级不断的信息交换就可得到原问题的最优解．由于该方法消去了子系统等式约束相应的Ｌａｇｒａｎｇｅ乘子,故没有扩大求解空间,提高了优化效率．仿真结果表明算法是有效的．     

非线性系统的分层优化预测控制

提出了一种基于分层优化策略和动态最优控制解法的非线性系统预测控制算法,该方法大大减小了在线计算量,使实时控制成为可能.给出了详尽的理论推导,以一个仿真算例证明了算法的正确、可行与有效性.     

次梯度法在求解非光滑最优化问题时的计算效果研究

本文研究了次梯度法的一些重要问题。次梯度法是梯度法在非光滑优化中的直接推广。在每一步的迭代中,选取一个负次梯度方向为搜索方向,并以一定的规则设置搜索步长。次梯度法的每一步迭代不一定都下降,但是可以证明,对于非光滑凸优化问题,次梯度法能够保证全局收敛性。次梯度法的搜索步长是预先设置的,步长设置准则包括常值步长准则、有限平方和步长准则和已知全局极小值的步长准则。本文对各种步长准则的收敛性进行了证明。为了验证次梯度法在不同的步长准则下的计算效果,本文应用次梯度法对一系列非光滑最优化问题进行了计算实验,并分析了他们的计算结果。数值实验结果表明,常值步长准则收敛速度慢,精度不高,而且步长的选择困难。而有限平方和步长准则收敛速度更快,也能够达到更高的精度。至于已知全局极小值的步长准则,虽然精度也较高,但是因为需要事先已知凸优化问题的全局极小值,所以这种步长准则的应用范围有限。     

基于递阶监督的一类多模型自适应控制

针对包含多个子系统的复杂系统,在控制中若使整个系统及子系统的性能最优,常规的控制方法难以实现.在采用一类多模型方案后,提出一种递阶智能监督控制策略,利用模糊神经网络、模糊决策构成了递阶控制的组织级和协调级.经过对混合动力汽车(HEV)的多能源动力总成控制系统进行的仿真研究,表明了该方法的有效性.     

基于动态方程的高超声速飞行器姿态协调控制

为解决高超声速飞行器飞行控制系统中的协调问题, 提出一种基于动态方程的耦合分析方法, 并运用该方法分析高超声速飞行器姿态的动态耦合关系, 设计了协调控制器。首先, 研究了高超声速飞行器的姿态运动特性; 并根据飞行器耦合特点, 提出一种基于动态方程的耦合分析方法用来反映变量间的动态耦合关系; 结合耦合阵, 基于分层滑模控制设计飞行器的协调控制器, 有效应对操纵舵之间的强耦合。基于Lyapunov 理论证明了闭环系统具有渐进稳定性, 并通过仿真实验验证了所提方法的有效性, 实现了姿态的协调控制。     

基于再励学习的歼击机安全着陆横侧向协调控制

基于大系统递阶控制思想,提出了一种运用再励学习算法设计歼击机自动着陆横侧向协调控制系统的方法.将再励学习算法引入歼击机着陆阶段的横侧向子系统的协调控制中,对滚转通道和航向通道的控制器参数进行在线寻优,提高了在线补偿神经网络消除非线性系统逆误差的能力,有效地改善了歼击机着陆阶段横侧向控制子系统的鲁棒性能.通过将这种方法应用于某型歼击机自动着陆控制的实时仿真研究,仿真结果表明了本文方法的有效性和可行性.     

高速公路多路段的模糊逻辑协调控制

采用递阶结构和模糊控制来解决高速公路多路段的协调控制问题.建立了宏观交通流有限差分模型,然后结合交通系统的特点提出一种多层控制结构,把高速公路的控制问题分为适应层、协调层和直接控制层,直接控制层采用模糊控制决定各匝道的调节率,协调层为直接控制层确定期望密度,适应层根据实时检测到的交通状况选择模型和调整模型参数.仿真结果表明,模糊逻辑协调控制具有良好的动态和稳态性能,该方法能够有效地消除交通拥挤,维持主线车流稳定.     

汽车电子制动力分配的分级控制与仿真研究

解决制动初期的制动力分配难题对汽车安全性具有重要意义。在对汽车制动特性进行分析的基础上,提出含有控制级和协调级的电子制动力分配(EBD)分级控制方法,设计了基于模糊推理的各轮预分配制动力控制策略,并根据各轮参考滑移率对各轮预分配制动力进行调整。利用汽车电子控制单元的嵌入式系统开发平台,在不同条件下进行了汽车EBD与ABS硬件在回路仿真试验试验结果表明,EBD分级控制在制动初期ABS起作用前,能够有效调整汽车制动力分配,提高了整车制动的安全性。     

BILINEAR PREDICTIVE CONTROL USING HIERARCHICAL OPTIMIZATION

Based on the Decomposition-Coordination principle, a hierarchical optimization algorithm is put forward for predictive control of bilinear systems. Time consuming is an usual problem of hierarchieal optimization algorithms, this paper tries to improve the online computational efficiency by taking the advantage of the characteristics of bilinear system itself. The effectiveness is shown by the simulation results.