工业过程稳态优化控制算法的鲁棒性分析

本文旨在讨论稳态优化控制算法最优性的鲁棒性问题，为此，对稳态优化控制算法进行了统一数学描述，利用集合间的Ｈａｕｓｄｏｒｆｆ半距离和Ｄｉｍ导数，引入了标志算法抗干扰性能强弱的灵敏度指标，在此基础上研究了线性模型具有二次性能指标控制问题ＩＳＯＰＥ（系统优化与参数估计相结合）算法的鲁棒性。     

工业过程稳态优化控制算法

本文综述了工业过程稳态优化控制的发展史，并且详细地讨论了大规模工业过程稳态优化控制算法，以及算法鲁棒性和系统建模等问题，最后提出了有待进一步研究和解决的新问题。     

挤塑机温控系统中模糊-PI复合控制的应用

将模糊控制器用于温控系统的控制，克服了传统PID控制参数整定繁琐，对控制对象的参数变化缺乏自适应性的不足，提出了Fuzzy—PI复合控制算法，实验结果表明，采用复合控制的温控系统具有稳态精度高和鲁棒性强的特点．     

一种基于模糊-比例积分双模控制的主动队列管理算法

通过将模糊推理方法和PI算法相结合,提出了一种新的主动队列管理(AQM)算法--基于模糊-比例积分(Fuzzy-PI)的双模态控制主动队列管理算法--Fuzzy-PI AQM算法.该算法的基本思想是当偏差很大时,使用模糊逻辑控制,当偏差小于某一阈值时,则切换到PI控制,从而将模糊逻辑控制的鲁棒性强和收敛速度快的特点与PI控制稳态性能好的特点有机地结合起来,实现对网络拥塞的有效控制.而且,由于在设计模糊控制器时采用了合成推理的查表法,极大地提高了模糊控制的实时效果,节省内存空间,优化了路由器的控制性能.仿真结果表明:Fuzzy-PI AQM算法的性能优于传统的PI算法,对队列控制能力强,鲁棒性好,能很好地抵抗突发性业务的干扰,更适合工作在瞬息万变的动态网络环境中.     

工业过程稳态优化中的PID型迭代学习控制

给出一种PID型迭代学习算法．对工业过程稳态优化中的动态施行迭代学习控制，加快了动态响应，提高了控制效果．从理论上分析了算法的收敛性，并给出数字仿真结果．     

工业过程稳态优化中的PD型迭代学习控制

论述在工业过程的稳态优化中，施行选代学习控制的思想方法．给出了一种ＰＤ型迭代学习算法，分析了算法收敛性．数字仿真结果表明这种控制方法对抑制超调，加快动态响应，减小优化过程对工业生产过程的影响是行之有效的．     

基于模糊变结构控制设计一种鲁棒主动队列管理算法

基于模糊逻辑控制(FLC)提出了一种主动队列管理(AQM)算法.该算法将滑模控制器(SMC)和PI控制器相结合,综合了二者的优点,既对网络模型的不确定性、网络参数的时变性以及非TCP流所引起的网络抖动具有很强的鲁棒性,又可以通过PI控制使稳态误差最小.仿真结果表明该算法可以获得好的暂态和稳态响应,结果也表明在网络条件变化的情况下,该算法优于传统的PI控制和传统的变结构控制.     

基于模糊滤波算法的时滞系统温度控制及误差补偿

利用自适应滤波算法调整模糊控制的输出,可解决大时滞温控系统的稳态振荡问题,但无法消除系统稳态误差.提出新的误差补偿算法,可以进一步消除稳态误差,减小参数整定工作量.将其应用于全自动化学发光免疫分析仪的试剂仓恒温控制.仿真结果表明,该算法能使大时滞温控系统得到稳定控制并增强系统的自适应能力和鲁棒性.     

基于次优算法同步Buck变换器二阶滑模控制

针对同步Buck变换器设计了基于改进次优算法的二阶滑模控制器,只需检测变换器的输出电压,不需测量电容和电流,就可实现对变换器的控制。通过对次优算法引入滞环,在输出电压达到稳态时限制了变换器的开关频率。在Simulink环境下,构建状态机实现了二阶滑模控制器,验证了同步Buck变换器的启动性能和稳态性能,以及从10A跃变到20A大负载扰动和5V跃变到10V电源扰动时的鲁棒性。仿真结果表明,基于改进次优算法的二阶滑模控制器保留了滑模控制的鲁棒性,并在抵抗扰动方面优于一阶滑模。     

永磁同步直线电机混沌杂草自抗扰控制研究

针对永磁同步直线电机没有中间传动环节, 任何不确定性扰动都会直接影响控制系统性能的问题, 设计 了一种改进杂草算法优化的 PMLSM(Permanent Magnet Linear Synchronous Motor)二阶自抗扰控制器。 通过采用 混沌反向学习初始化方法和柯西分布的空间分布方式改进杂草算法优化自抗扰控制器参数, 经过优化的自抗 扰控制器的控制其性能有明显提高。 仿真结果表明, 该自抗扰控制器响应速度快, 稳态误差减小 2% 且无超 调, 对负载扰动具有良好的鲁棒性。     

基本蚁群算法的A.S.收敛性研究

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法，虽然该算法已经在众多组合优化领域中得到广泛应用，但是对其收敛性尤其是A．S．（AlmostSurely）收敛性问题的研究还存在很多空白．本文在介绍蚁群算法基本原理的基础上，以Markov链和离散鞅作为研究工具，对基本蚁群算法的A．S．收敛性问题进行了理论证明，把最优解集序列转变为下鞅序列来考察残留信息素轨迹向量的收敛性，随后提出了基本蚁群算法首达时间的定义，并对基本蚁群算法首次到达时间的期望值进行了理论分析．     

解非凸半定规划的一个Lagrange方法

基于一个求解一般非凸半定规划问题的非线性Lagrange函数,给出了其相关算法,研究了函数的性质,证明了算法的收敛性。在适当的条件下,当罚参数大于某一阈值时,算法产生的序列局部收敛,由此给出了与罚参数相关的解的误差估计。     

Pareto局部搜索算法的改进

针对一个Pareto局部搜索（PLS）算法在解决多目标组合优化问题中所得到的解集与初始点的选取有关,提出该算法的改进。改进算法从初始解开始进行PLS搜索产生一组改进解集VF,然后对VF中的所有解再进行PLS搜索,如此重复直到满足终止条件。实例计算表明,PLSⅠ算法和算法Ⅱ能得到很好的解且解的质量优于PLS算法。     

车辆路径问题的一种先寻路后分组算法

针对车辆路径问题(VRP)设计了一种元启发式算法。引入先寻路、后分组的策略,首先对顾客点序列采用Lehmer编码,设计辅助算子进行变异操作,用差分进化算法求出基于所有节点的TSP解,然后根据运货量的约束条件将其切割成VRP解。再通过禁忌搜索改进解,得到的结果再次作为初始解之一进入算法循环。仿真计算得到了最优解,结果表明该算法是有效的。     

一般形式线性规划最优解集的确定

导出一般形式线规划最优解集的结构，并使用有效的算法给出确定最优解集的计算步骤。     

常微分方程（组）的RunaeKutta异步并行算法及在多Transputer系统上的实现

并行算法的研究应以实用性、可实现性以及最大的并行处理效率为出发点．在解常微分方程（组）ＲｕｎｇｅＫｕｔｔａ并行算法的基础上进一步提出了一种针对Ｔｒａｎｓｐｕｔｅｒ并行多处理机系统实现的异步并行算法，该算法可划分成若干ＯＣＣＡＭ并发进程一一映射到多个处理机上且进程间采用异步通讯机制．作为一个应用实例，文中用ＯＣＣＡＭ语言编写了三阶ＲｕｎｇｅＫｕｔｔａ异步并行算法程序，做了算例，并获得了令人满意的结果．实例表明，由于该算法避免了进程间同步通讯等待所需的时间开销，而使算法的效率得以提高．     

一般形式线性分式规划解集的结构与求法

使用多面集的分解定理,导出一般形式线性分式规划解集的结构,并基于有效的算法,给出解的唯一性条件以及当唯一性条件不满足时确定解集的计算步骤.同时附有数值例子.     

两阶段混合引导的偏好多目标优化算法

在偏好多目标优化问题求解中,基于偏好点引导方式的优化算法性能易受偏好点具体位置的影响,且不能控制偏好解集大小;而基于偏好区域引导方式的优化算法虽然能控制偏好解集规模,但算法初期收敛效率不够高。针对此问题,提出一种两阶段混合引导的偏好多目标优化算法。算法初期采取偏好点的引导方式,同时引入偏好界限动态调整策略,使得种群快速收敛到偏好区域附近。迭代一定次数后,采用偏好向量引导方式指导算法搜索,达到控制偏好解集范围的目的。与几种经典的偏好优化算法进行实验对比分析,结果表明,所提算法性能不受偏好点位置影响,得到的偏好解集能很好地表征决策者的偏好信息,并且控制了偏好解集范围,便于决策者的最终决策。     

一种改进的推广近中心点算法

考虑变分不等式问题,基于D.Han(2003)提出的推广近中心点算法,通过改进算法的投影区域,提出了求解变分不等式问题的一种新的推广近中心点算法.该算法具有如下特点:算法产生的迭代点列关于初始点具有扩张性质;如果变分不等式问题有解,则算法产生的迭代点列的极限点就是初始点到问题解集上的投影;在适当的假设条件下,算法具有全局收敛性.最后,给出了该算法的初步数值试验结果.     

绝对值方程的初始含解区间的求解算法

对于求解绝对值方程的区间算法,提出了绝对值方程的初始含解区间的一个求解算法。该算法通过分析一类特殊的区间线性方程组的解集性质,得到了绝对值方程的含解区间。理论分析和数值算例都说明算法是正确且有效的。