模型预测控制器权重参数整定非线性规划法

模型预测控制(MPC)权重参数的整定是其取得良好控制性能的关键。针对基于双层结构多目标优化的MPC权重参数整定方法存在求解过程较慢、耗时较长的问题，提出了一种非线性规划整定方法。该方法将MPC权重参数整定中每个时间采样点的MPC子优化问题等价为外层MPC权重参数整定优化问题的最优KKT(Karush-Kuhn-Tucker)条件，将MPC权重参数整定的双层多目标优化问题转化为单层非线性规划问题。仿真案例表明，基于单层非线性规划整定方法的MPC控制性能优于或近似于基于双层多目标优化整定方法的MPC控制性能；而且基于单层非线性规划的整定方法能够快速获得MPC权重参数，时间成本由基于多目标优化整定方法所需的1.0～1.5 h缩短到10～90 s。     

多智能体遗传算法用于超高维函数优化

基于智能体对环境的感知与反作用的能力提出了一种新的函数优化方法--多智能体遗传算法.该方法将智能体固定在网格上,而每个智能体为了增加自身能量将与其邻域展开竞争或合作,同样,智能体也可利用自身的知识进行自学习来增加能量.理论分析证明算法具有全局收敛性.实验结果表明,多智能体遗传算法对维数高达甚至10000的函数,都能以较少的计算量获得高质量的解,充分说明算法具有很快的收敛速度.     

伺服控制系统的模糊优化及其参数自整定

针对一次性整定的控制参数很难确保伺服控制系统始终处于最佳状态,探讨了伺服控制系统的模糊优化及其参数自整定.分析了参数调整的模糊性,研究了控制参数的整定原则及其自整定机理,基于动态特征提出了评价函数,讨论了奖惩函数与奖惩自学习算法,设计了参数自整定的伺服控制系统结构.系统仿真实验与实际工程运行结果显示,提出的算法可将系统精度稳定地控制在期望的范围内.工程应用效果表明,该方法控制精度高,鲁棒性强,可满足高精度伺服控制系统的工况需要.     

控制参数的智能自整定算法

针对固定整定参数的控制器不能满足操作条件经常变化的控制系统要求的问题,给出了一种智能自整定控制算法,理论分析及仿真实验表明,当操作条件发生变时,该算法参数调整方便、适用能力强、应用范围广、响应快、调节时间短、控制效果明显优于其他智能自整定算法。     

一种单神经元自抗扰控制器

针对自抗扰控制器可调参数多且不易整定的问题,提出了一种用单神经元改进非线性状态误差反馈控制律的算法.利用神经网络的自学习能力,采用一个单神经元构造自适应参数,使参数依据系统误差的变化自动作相应地调整,从而完成参数的在线自整定.仿真结果表明,改进后的控制器调整参数大大减少,而且具有更强的适应性和鲁棒性.     

求解二元约束满足问题的多智能体进化算法

基于智能体对环境的感知与反作用的能力提出了一种新的求解二元约束满足问题的方法.该方法将多智能体系统与进化算法有机地结合起来,每个智能体固定在网格的一个格点上,而它为了增加自身能量将与其邻域展开竞争.同样,智能体也可利用自身的知识进行自学习来增加能量.根据二元约束满足问题的特点,设计了智能体的竞争行为与自学习行为.为了克服已有编码方式的缺点,为智能体设计了最小冲突编码.理论分析证明算法具有全局收敛性.实验中用250个不同难度的标准问题对算法的两个参数进行了系统的分析.结果表明该算法的性能非常稳定,参数少,易于使用.与4个著名方法的比较结果表明该方法获得的解的质量是最高的,其性能优于其他4种方法.     

基于近端策略优化的作战实体博弈对抗算法

针对一种大地图和稀疏奖励的兵棋推演对抗环境下,单纯的深度强化学习算法会导致训练无法快速收敛以及智能体对抗特定规则智能体胜率较低的问题,提出了一种基于监督学习和深度强化学习相结合以及设置额外奖励的方法,旨在提升智能博弈的训练效果.使用监督学习训练智能体;研究基于近端策略优化(Proximal policy optimiz...     

一种用于自主学习的虚拟仿真环境

赋予智能体通过与环境交互自主学习的能力是实现下一代人工智能的关键.本文,我们介绍了一种基于虚幻4的虚拟仿真环境,用于训练和测试自主智能体.该环境具有高逼真、可交互、灵活通用的特点,使得智能体能够在其中自由探索,自主学习场景感知、常识推理、决策控制等多项能力.为了验证该环境的可用性,我们用实验演示了如何在虚拟环境中构建自主智能,即利用强化学习方法训练端到端的神经网络实现基于视觉感知的目标搜索和目标追踪任务.     

基于RBF神经网络整定的热风炉温控系统设计

为了提高热风炉的燃烧效率,改善热风炉温控系统的自动化程度,提出了一种基于RBF神经网络整定的PID控制策略。首先,通过RBF神经网络算法和增量式PID控制器的结合,将神经网络强大的自学习能力应用于对增量式PID参数的调整。然后,在常规热风炉温控系统的基础上,将其外环改为采用RBF神经网络整定的PID控制。热风炉温控系统中内环以煤气阀门开度为变量,外环以拱顶温度为控制变量,通过改进的串级控制来实现热风炉的燃烧优化调整。Matlab仿真分析和实际应用效果表明,RBF神经网络整定的PID控制曲线几乎无超调量,系统抗干扰能力相对传统的PID控制提高了50%。与传统的手动控制相比,所提出的控制策略使得原系统的抑制干扰能力明显增强、鲁棒性更好,在热风炉温控方面具有良好的研究和应用价值。     

黄金分割法用于PID参数优化整定技术的研究

在原有的用一维黄金分割法进行单变量参数寻优的基础上,结合优化理论中的分形法思想,提出将二维和三维黄金分割法应用于PID控制器多个参数的同步优化整定的新方法.介绍了PID控制参数整定问题和黄金分割法基本思想,重点对二维黄金分割法基本思想和寻优原理进行分析,并给出了二维黄金分割参数寻优算法.通过实例验证,该方法寻优过程完善、收敛速度快,能够快速、准确地找出最佳整定参数.     

基于多目标优化的救援机械臂结构参数设计

为了综合优化双臂救援机器人双臂协同工作空间、机械臂负载能力以及机械臂末端运动速度,研究了基于多目标函数综合优化的救援机器人双臂结构参数设计方法. 由于双机械臂的协同工作空间难以进行数学描述,提出了一种基于三重积分的描述方法. 针对所建立的双臂协同工作空间、机械臂末端运动速度以及机械臂负载能力三个目标函数的综合优化问题,通过模糊层次分析法,计算每个目标函数的权重从而进行线性加权以得到综合的多目标优化函数. 基于该综合优化函数,通过粒子群算法进行多目标函数最优值求解,得到一组机械臂结构优化参数,使双臂救援机器人的综合性能达到最优. 实验结果表明所提出的双臂救援机器人性能指标的优化方法是可行的.      

基于Isight的博弈多目标优化

复杂多目标优化设计中常遇到性能目标与设计变量之间不具有显式的函数关系式,难以直接运用传统优化方法进行设计计算,且多个性能目标相互耦合,设计周期长等问题。针对这些问题,本文提出了基于Isight的博弈多目标优化设计方法,在Isight优化平台下集成Solidworks软件和Ansys软件进行建模与分析,运用博弈论思想分别建立合作博弈模型和非合作博弈模型,用遗传算法对模型进行求解获得优化解,并以悬臂梁多目标优化设计进行示例说明。     

基于多目标优化策略的结构损伤识别智能算法

针对结构损伤识别问题, 提出一种基于多目标优化策略的结构损伤识别智能算法. 该算法利用极端学习机为损伤参数指标与每一阶频率建立非线性函数表达式, 先将结构的每一阶实际测量频率与函数表达式相减, 再把形成的每个表达式作为优化目标, 进而得到结构损伤识别的高维多目标优化模型. 为提高模型的求解精度, 提出了灰色多粒子群协同的多目标优化算法. 实验结果表明, 该方法能较好地处理结构损伤识别问题.     

基于工况分析的城市轨道列车自动行车系统多目标优化策略

传统的自动行车系统(ATO)具有良好的自动行车能力;但系统为达到行驶目的,通常会进行频繁地工况转换,从而导致浪费能源并使乘客舒适度下降。将对能耗和舒适度这两个参数进行目标优化;并在前人的研究基础上,提出以工况为基础的分段分析建模优化参数的ATO多目标优化策略。利用改进的遗传算法进行模型求解。最后整合各段优化得出的运行曲线,得到完整的运行曲线图。通过实例仿真,该方法具有很好的优化效果及可操作性。     

多目标模糊优化理论及其在制造系统中的应用

基于单目标最优解模糊化基础上的多目标模糊优化方法能够反映各个单目标最优解与多目标满意解之间的相互关系,较好地解决多目标优化问题。文章根据多目标模糊优化的基本原理,结合目标相对优属度概念,提出了具有相互矛盾目标的系统多目标模糊优化方法,并通过示例说明了该方法在制造系统优化中的应用。     

多目标拆卸序列优化问题的分散搜索算法

针对拆卸序列优化问题以最小拆卸时间和最大拆卸收益为优化目标建立了多目标优化数学模型.应用线性加权方法将多目标优化问题转换为单目标优化问题,并提出了一种改进的分散搜索优化算法.算法采用保持优先关系的交叉过程(PPX)作为子集解的组合算子,通过局域搜索算子改进组合算子产生的新解.引用数值算例对模型和算法进行了验证,结果表明该模型及算法求解多目标拆卸序列优化问题有效.     

基于多目标优化的模糊滑模变结构控制及应用

摘要：结合滑模变结构控制和模糊逻辑技术，提出一种基于多目标优化的模糊滑模变结构控制。以滑模开关函数及其变化量作为模糊调节器的输入量，滑模面边界层的宽度作为输出量，设计一个二堆模糊边界层宽度调节器}以稳态误差和切换频率构造多目标优化函数，运用多目标优化算法对滑模变结构控制器参数进行优化。应用于液压位置系统控制的仿真结果表明，所提出的控制方法能缓解滑模变结构控制高稳态精度与平滑抖振之间的矛盾，提高液压位置滑模变结构控制系统的综合性能。     

计及经济效益的分布式电源多目标优化规划

建立了分布式电源(Distributed Generator,DG)多目标多约束的优化数学模型,以配电网有功损耗费用最小、分布式电源运行费用最小和系统有功网损最小作为目标函数,考虑功率平衡、电压越限等约束条件,采用线性加权的方式将多目标转化为单目标,并采用量子粒子群算法实现了上述目标的优化.通过对IEEE33节点系统仿真结果表明,合理优化DG的位置和容量可有效降低系统的经济费用,提高配电网的优化经济运行.     

面向定制化需求的冷轧产品多目标质量控制方法

To deal with the increasing demand for low-volume customization of the mechanical properties of cold-rolled products, a two-way control method based on mechanical property prediction and process parameter optimization (PPO) has become an effective solution. Aiming at the multi-objective quality control problem of a company’s cold-rolled products, based on industrial production data, we proposed a process parameter design and optimization method that combined multi-objective quality prediction and PPO. This method used the multi-output support vector regression (MSVR) method to simultaneously predict multiple quality indices. The MSVR prediction model was used as the effect verification model of the PPO results. It performed multi-process parameter collaborative design and realized the optimization of production process parameters for customized multi-objective quality requirements. The experimental results showed that, compared with the traditional single-objective quality prediction model based on support vector regression (SVR), the multi-objective prediction model could better take into account the coupling effect between process parameters and quality index, the MSVR model prediction accuracy was higher than that of the SVR, and the optimized process parameters were more capable and reflected the influence of metallurgical mechanism on the quality index, which were more in line with actual production process requirements.     

Multi-objective quality control method for cold-rolled products oriented to customized requirements

To deal with the increasing demand for low-volume customization of the mechanical properties of cold-rolled products, a two-way control method based on mechanical property prediction and process parameter optimization(PPO) has become an effective solution. Aiming at the multi-objective quality control problem of a company's cold-rolled products, based on industrial production data, we proposed a process parameter design and optimization method that combined multi-objective quality prediction and PPO. This method used the multi-output support vector regression(MSVR) method to simultaneously predict multiple quality indices. The MSVR prediction model was used as the effect verification model of the PPO results. It performed multi-process parameter collaborative design and realized the optimization of production process parameters for customized multi-objective quality requirements. The experimental results showed that, compared with the traditional single-objective quality prediction model based on support vector regression(SVR), the multi-objective prediction model could better take into account the coupling effect between process parameters and quality index, the MSVR model prediction accuracy was higher than that of the SVR, and the optimized process parameters were more capable and reflected the influence of metallurgical mechanism on the quality index,which were more in line with actual production process requirements.