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。采取线性和二次型组结合的惩罚函数,对预测时域上每个时刻的激活值进行处罚,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。     

间接法求解具有最大横程的再入轨迹

针对运用间接法进行弹道优化时存在共轭变量初值高度敏感难以估计而无法获得全局最优解的缺点,引入混合遗传算法对弹道优化时的共轭变量初值进行搜索,并求解获得具有最大横程的再入轨迹. 求解时考虑了热流约束、过载约束和动压约束,约束的处理采用惩罚函数方法,通过对不可行解的惩罚转换为无约束问题. 数值仿真验证了该算法实用性.      

一类混合迭代算法在约束预测控制中的应用

为了改进多变量约束预测控制的滚动优化算法,对路径跟踪法和粒子群算法进行了理论研究,提出了一种将路径跟踪法和粒子群算法相结合的混合迭代算法,并用该混合算法对最具代表性的动态矩阵控制进行了滚动优化.仿真结果表明:对由于参数选择引起矩阵奇异时,路径跟踪法无法求出最优解,而基于混合迭代算法的优化算法可以得到最优解.采用路径跟踪法和粒子群算法相结合的混合迭代算法对多变量约束预测控制进行滚动优化,保证了优化算法的快速性和可行性.     

约束最优控制问题的磨光罚函数算法

针对约束最优控制问题,分析了已有惩罚函数算法存在的缺陷,在原惩罚函数的基础上,通过引进磨光参数,对原惩罚函数进行了光滑处理,构造了带参数的连续可微惩罚函数,将原带约束的最优控制问题转化为含参数无约束光滑的最优控制问题.利用微分方程解对参数的连续依赖性,得到了无约束条件下近似的极小值原理,提出了磨光惩罚函数算法,并证明了此算法的收敛性.该方法克服了传统简单惩罚函数不可微的缺陷,简单可行,易于实现.最后给出仿真实例验证了该方法的有效性.     

蒸发过程的非线性模型预测控制

针对蒸发过程的六效逆流蒸发系统存在着多变量、非线性且回路间具有较强耦合等特点,基于物料衡算和热量衡算在其稳态工作点附近建立了动态模型,并应用非线性模型预测控制策略进行了仿真研究.为了更好地解决非线性模型预测控制中的优化问题,采用遗传算法来计算其控制序列,并将输出变量的约束作为惩罚项加到目标函数中,以保证求出的控制量可行.与常规PID控制结果比较表明,非线性模型预测控制在控制性能上有了较大改善并起到了节能降耗的作用.     

一个求解约束优化问题的混合算法

通过引入Hook-jeveese搜索法和可行基规则,提出一个求解约束优化问题的混合算法—Hook-jeveese搜索法和与可行基规则相结合改进的微粒群算法的混合算法.与惩罚函数法相比,可行基规则不需要额外的参数,且指引粒子迅速飞向可行域.并利用6个典型实例问题进行仿真计算比较,仿真结果表明了新算法是求解约束优化问题的一个高效的算法,而且获得了一些比以往文献更好的解.     

基于自适应惩罚函数法的混合遗传算法

引入了自适应的惩罚因子,将约束问题转化为无约束问题．通过遗传算法求得无约束问题的可行解,再将此解作为约束变尺度法的初始可行点,由约束变尺度法得到精度较高的解．数值实验表明该混合算法比单纯使用遗传算法效率高,而且在多数情况下能得到全局最优解。     

基于遗传/自适应神经网络混合算法求解作业车间调度问题

本文针对一类加工时间可变的调度问题,用遗传算法和基于约束满足的自适应神经网络混合算法进行了研究.遗传算法迭代生成的染色体对应非可行解,由自适应神经网络运算后得到可行解,对应的染色体作为新一代染色体.本算例的目标函数是基于任务的提前/拖期惩罚、附加惩罚以及加工时间的偏离量惩罚,目标是确定最优加工时间和最优加工顺序极小化目标函数,并与一般的遗传算法相比较,最后结果证明了本文算法的有效性.     

增广拉格朗日乘子法非严格成立的理论分析

对于增广拉格朗日乘子法,分析表明其解析解只有一个不等式约束的边界解严格成立,而其在可行域内的解析解在松弛变量为实数时存在,当松弛变量为虚数时不等式约束不满足,解析解不在可行域内,增广拉格朗日乘子法无效.当采用无约束最优化算法求解数值解时,在一定的条件下数值解在可行域内,增广拉格朗日乘子法有效,若条件不成立,则增广拉格朗...     

化工过程中虚假宽松约束的修正预测控制

过程控制中广泛存在着对变量的各种约束条件,因此需要设计能够满足约束条件的控制策略。约束预测控制能够处理各种输入和输出约束,是一种有效的控制方法。但在实际过程控制中,由于预测控制不检测下层回路的实际执行信息,当控制作用超出系统实际最大能力而不能完全下载时,标称约束成为虚假宽松约束,导致系统响应偏离预期,约束条件无法满足。该文基于线性系统离散状态空间模型,讨论有输入和输出区间约束条件的基于区间控制思想的预测控制。为保证虚假宽松约束发生时预测控制仍能够正确有效实施,提出及时进行一系列预测模型数据和约束条件的修正算法,并使约束条件得到满足。利用绝热连续搅拌釜式反应器(CSTR)模型的控制仿真实验证明了该算法的有效性。     

改进的预测控制算法用于加热炉支管温度控制

加热炉支管温度平衡系统是一个多变量、非线性、强耦合的复杂过程,当应用传统预测控制方法时,控制量的获得需要在线求解一个多变量、多约束的非线性规划问题,传统非线性规划方法求解该类问题时易收敛到非法解或局部极小。针对上述问题提出一种基于差分进化(differential evolution,DE)算法的预测控制,使用DE算法在线求解涉及的优化问题获得控制量。为了验证方法的有效性,对基于DE算法的预测控制器进行了仿真研究。仿真结果表明,所提出的方法有着很好的跟踪性能,并且对干扰有较强的鲁棒性,提高了系统的控制效果。     

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。     

时间最优控制的一种算法

本文提出了对于控制作用和状态均受约束的多入多出线性系统的求解时间最优控制问题的算法。在离散数学模型的基础上,首先应用求解线性规划问题的有界变量单纯形方法求出满足控制约束的控制序列,然后再利用割平面方法处理状态约束,以求得满足约束条件的最优控制。除时间最优外,本算法还允许提出线性形式的附加目标函数。在具有附加目标函数时为能有效地处理状态约束,推导出了有界变量对偶单纯形方法。本算法通过扩展状态或部分扩展状态,可应用于一类有状态滞后的系统。为提高计算效率和减少存储容量,采取改进了的跳步算法和压缩存储技术等措施。     

实时控制系统一种基于模型预测控制的反馈调度

提出一种基于模型预测控制(MPC)的反馈调度算法(FS-MPC),可以在有限计算资源的情况下改进实时控制系统的性能.将被控的实时调度过程模型化为受约束的任务集密度控制问题.在FS-MPC算法中,约束条件保证任务集在最早截止时限优先(EDF)算法下是可调度的;同时,MPC的优化目标通过减小控制任务的截止时限使整个任务集的密度尽可能接近100%,从而提高控制任务的优先级,降低输出抖动.仿真结果表明,在有限计算资源的情况下,FS-MPC显著地降低了由调度过程引起的控制性能损失.     

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.     

操作变量与前馈变量转换对模型预测控制可行域影响机制

模型预测控制因其解耦性和强鲁棒性得以在过程控制中广泛使用.在实际生产过程中,因操作需要常常放开控制器对部分操作变量的控制,此部分操作变量则转化为前馈变量.变量之间的转换将使系统的结构在方系统、胖系统和瘦系统之间发生转换.对于瘦系统,操作变量的维数少于被控变量,其控制效果往往低于其他结构的系统.同时,原操作变量不被控制器控制后,转换为前馈变量,也会影响对系统的控制效果.可行域能直接反映系统控制效果.在对状态空间模型进行多步预测推导的基础上,将部分控制变量与前馈变量进行转换,用空间几何映射表示变量转换,并分析转换对系统可行域的影响.最后,针对实际生产过程中放开部分控制变量的情况,提出预判机制,以保证系统可控.     

带有时域硬约束的不确定系统最优保代价控制

针对带有时域硬约束的不确定系统,提出了一种最优鲁棒保代价控制方法.首先将系统中存在的时域硬约束统一由控制量和状态量的线性不等式描述,然后利用矩阵不等式方法,导出了约束鲁棒保代价状态反馈控制器存在且能保证系统一定二次性能同时满足时域硬约束的充分条件.最终最优鲁棒约束保代价控制问题可以转化为求解一个非凸的矩阵不等式优化问题,给出了该类优化问题的迭代求解步骤.在质量-弹簧-阻尼系统上的仿真应用结果表明所提方法可以在约束范围内尽可能地提高系统的鲁棒性能.     

多无人系统跟踪与编队的自主式预测控制算法

针对多无人系统的跟踪与编队问题,考虑跟踪与编队控制目标存在不一致及不可实现的情况,综合目标规划与预测控制方法,设计了一种确保控制目标一致且可实现的自主式预测控制算法.首先根据给定的跟踪与编队控制目标,通过为各无人系统引入规划控制目标,对目标代价函数进行重新设计,解决跟踪与编队控制目标不一致问题;然后对引入的规划目标进行约束设计,保证其具有可实现性;其次为各无人系统设计预测控制终端约束集,进一步保证对规划控制目标的收敛性;最后对重新设计的目标代价函数与相关约束进行整合,为各人系统构造独立的控制优化问题,并给出相应的自主控制实施算法,将不一致、不可实现的跟踪与编队控制目标规划出一致、可实现的控制目标.针对为各无人系统所构造的控制优化问题,进一步将其描述为线性矩阵不等式形式,并通过MATLAB求解仿真,验证了所提出的自主预测控制算法的有效性.     

基于黄金分割法的阶梯式约束预测控制

针对约束开环稳定系统,提出一种基于黄金分割法的阶梯式约束预测控制算法.采用阶梯式控制策略降低预测控制在线计算量,并引入黄金分割法处理系统约束条件,通过在线优化计算当前时刻的预测控制增量,进而得到预测控制量.最后,通过仿真实例,验证了所提出的算法有效性.