PTM不确定性的间歇过程优化补偿控制策略北大核心CSCD

过程迁移模型是实现数据不足情况下间歇过程高效建模的有效方法。然而,相似过程之间的差异性和模型不确定性因素,加剧了模型与实际过程之间的不匹配程度。针对过程迁移模型中不确定性问题,提出一种基于修正自适应优化和自校正补偿的策略。首先,利用基于修正自适应策略的批次间优化逐步消除相似过程之间的差异所产生的负面影响。然后,采用自校正补偿策略进一步补偿通过批次间优化得到的次优设定值。此外,模型更新时添加了数据剔除,提升了后续的优化效果。最后,利用草酸钴合成过程的仿真实验,验证了所提方法的有效性。     

PTM不确定性的间歇过程优化补偿控制策略

过程迁移模型是实现数据不足情况下间歇过程高效建模的有效方法。然而,相似过程之间的差异性和模型不确定性因素,加剧了模型与实际过程之间的不匹配程度。针对过程迁移模型中不确定性问题,提出一种基于修正自适应优化和自校正补偿的策略。首先,利用基于修正自适应策略的批次间优化逐步消除相似过程之间的差异所产生的负面影响。然后,采用自校正补偿策略进一步补偿通过批次间优化得到的次优设定值。此外,模型更新时添加了数据剔除,提升了后续的优化效果。最后,利用草酸钴合成过程的仿真实验,验证了所提方法的有效性。     

基于改进近端策略优化算法的草酸钴合成过程优化

金属钴被广泛用于电池和金属复合材料,草酸钴合成过程是影响产品质量的关键工序.针对草酸钴平均粒径的优化问题,提出一种基于改进的近端策略优化(PPO)算法的草酸钴合成过程优化方法.首先,根据草酸钴合成过程的优化目标及约束条件设计相应的奖励函数,通过建立过程的马尔科夫决策模型,将优化问题纳入强化学习框架;其次,针对策略网络在训练过程中出现的梯度消失问题,提出将残差网络作为PPO算法的策略网络;最后,针对过程连续状态空间导致PPO算法陷入局部最优策略问题,利用交错模仿学习对初始策略进行改进.将所提出的方法与传统PPO算法进行比较,改进的PPO算法在满足约束条件的同时,具有更好的优化效果和收敛性.     

粒度母体混合分布的微粒群算法研究

针对粒度母体混合分布识别中参数优化求解问题,为进一步提高识别效率,利用一种改进的微粒群算法对粒度母体混合分布的参数进行优化。方法通过设置检验值,判断算法是否陷入局部最优解,并让陷入局部最优的粒子进入下一次迭代,避免微粒群算法在搜索过程中陷入局部最优的缺陷问题。在仿真实验部分,将方法估计的高斯混合模型的参数与迭代EM算法估计的模型参数做比较,结果表明,得到的模型参数接近真实的分布,使得粒度母体混合分布的识别率进一步提高。     

环卫车辆轨迹跟踪系统的无模型自适应迭代学习控制

针对环卫车辆周期重复性工作特点,考虑模型时变以及未知扰动问题,提出一种基于无模型自适应迭代学习的环卫车辆轨迹跟踪控制方法.首先,针对环卫车辆建立了两轮移动机器人的运动学模型,然后,给出带时变参数和非线性不确定项的迭代域下全格式动态线性化数据模型,引入时间差分估计算法,设计基于最优性能指标的轨迹跟踪无模型自适应迭代学习控...     

一种间歇过程的综合预测迭代学习控制方法

为了提高迭代学习控制方法在间歇过程轨迹跟踪问题中的收敛速度,本文将批次间的比例型迭代学习控制与批次内的模型预测控制相结合,提出了一种综合应用方法.首先根据间歇过程的线性模型,预测出比例型迭代学习控制的系统输出,然后在批次内采用模型预测控制,通过极小化一个二次型目标函数来获得控制增量.该方法可使系统输出跟踪期望轨迹的速度比比例型迭代学习控制方法更快些.最后通过仿真实例验证了该方法的有效性.     

径向基神经网络的一种自适应混合学习算法

为设计具有良好逼近性能的径向基神经网络,提出一种两层结构的自适应混合学习算法.内层迭代过程综合了梯度下降法和智能优化方法的优点,采用基于衰减梯度信息的智能优化方法,对具有固定结构的网络进行参数训练;外层迭代根据内层迭代的效果,利用最优停止规则自适应地动态调节网络隐含层节点数,使算法以较大概率收敛至全局最优.设计了网络结构修正算子,实现对最终结果的进一步简化.最后,文章给出算法实现的具体步骤,并通过仿真实例验证了算法有效性和可行性.     

自适应邻域加权模拟退火层叠滤波器

图像处理问题的研究中,层叠滤波器的优化设计实际上是寻找最优正布尔函数的过程,如何有效地获得最优正布尔函数是优化设计的难点问题,为了改进层叠滤波器的优化方法,提出在自适应邻域加权平均绝对值(ANWMAE)准则的基础上建立数学优化模型,设计层叠滤波器,算法相对遗传算法优化时间较短,同时将邻域像素点的影响考虑在内,通过在迭代过程中得到最优正布尔函数.在传统阈值分解的基础上,构建自适应邻域加权模拟退火层叠滤波器(ANWSA)和自适应邻域加权递归模拟退火层叠滤波器(RANWSA).对最优ANWSA和RANWSA进行了性能分析,结果表明,层叠滤波器在有效地滤除噪声的同时,能更好地保持图像的细节信息.     

无线传感器网络节点感知进化计算模型研究

针对无线传感器网中测距的节点感知和定位精度低的问题,提出了无线传感器网络节点感知进化计算模型.首先将节点感知问题转化为满足约束条件的解空间寻优问题,利用改进的量子遗传算法对节点的感知方案进行染色体映射,并进行自适应的基因长度编码,对种群进行一次观测,确定基因状态,并计算第一适应度函数和第二适应度函数值;然后利用粒子群算法对量子旋转系数进行迭代优化,依据个体信息熵和自适应变异算子进行最优子辈生成,在每次迭代繁殖后更新变异算子的概率;最后迭代输出各锚节点集合的节点感知坐标.仿真结果证明,改进算法具有较好的平均定位误差,且收敛性和执行效率较好.     

基于分解优化的多星合成观测调度算法

某些卫星的侧摆性能较差, 必须进行合成观测以提高观测效率. 研究了多星联合对地观测中的任务合成观测调度问题. 提出了将原问题分解为任务分配与任务合成的分解优化思路. 任务分配为任务选择卫星资源及时间窗口; 任务合成则针对该分配方案,将分配到各卫星的任务按照轨道圈次分组, 分别进行最优合成. 采用蚁群优化算法(Ant colony optimization, ACO)求解任务分配问题, 通过自适应参数调整及信息素平滑策略, 实现全局搜索和快速收敛间的平衡.提出了基于动态规划的最优合成算法, 求解任务合成子问题,能够在多项式时间内求得最优合成方案. 依据分配方案的合成结果, 得到优化方案的特征信息, 反馈并引导蚁群优化算法对任务分配方案的搜索过程. 大规模测试算例验证了本文算法的效率.     

Online quality prediction for cobalt oxalate synthesis process using least squares support vector regression approach with dual updating

Online measurement of the average particle size is typically unavailable in industrial cobalt oxalate synthesis process, soft sensor prediction of the important quality variable is therefore required. Cobalt oxalate synthesis process is a complex multivariable and highly nonlinear process. In this paper, an effective soft sensor based on least squares support vector regression (LSSVR) with dual updating is developed for prediction the average particle size. In this soft sensor model, the methods of moving window LSSVR (MWLSSVR) updating and the model output offset updating is activated based on model performance assessment. Feasibility and efficiency of the proposed soft sensor are demonstrated through the application to an industrial cobalt oxalate synthesis process.     

基于智能融合策略的钴离子浓度预测模型

针对湿法炼锌净化过程中钴离子浓度难以准确检测的问题,提出一种基于智能融合策略的钴离子浓度组合预测模型.首先从提高模型预测精度的角度出发,考虑不同核函数对预测性能的影响,分别建立两个在线支持向量回归子模型,并采用改进粒子群优化算法进行子模型参数寻优;然后通过熵值法智能融合策略建立组合预测模型.仿真实验表明,组合模型具有良好的预测性能,预测效果能满足硫酸锌溶液净化过程中对钴离子浓度值的误差要求.     

基于相似历史信息迁移学习的进化优化框架

现有进化算法大都从问题的零初始信息开始搜索最优解, 没有利用先前解决相似问题时获得的历史信息, 在一定程度上浪费了计算资源.将迁移学习的思想扩展到进化优化领域, 本文研究一种基于相似历史信息迁移学习的进化优化框架.从已解决问题的模型库中找到与新问题匹配的历史问题, 将历史问题对应的知识迁移到新问题的求解过程中, 以提高种群的搜索效率.首先, 定义一种基于多分布估计的最大均值差异指标, 用来评价新问题与历史模型之间的匹配程度; 接着, 将相匹配的历史问题的知识迁移到新问题中, 给出一种基于模型匹配程度的进化种群初始化策略, 以加快算法的搜索速度; 然后, 给出一种基于迭代聚类的代表个体保存策略, 保留求解过程中产生的优势信息, 用于更新历史模型库; 最后, 将自适应骨干粒子群优化算法嵌入到所提框架, 给出一种基于相似历史信息迁移学习的骨干粒子群优化算法.针对多个改进的典型测试函数, 实验结果表明, 所提迁移策略可以加速粒子群的搜索过程, 显著提高算法的收敛速度和搜索效率.     

基于种群分区的多策略自适应多目标粒子群算法

在多目标粒子群优化算法中, 平衡算法收敛性和多样性是获得良好分布和高精度Pareto前沿的关键, 多数已提出的方法仅依靠一种策略引导粒子搜索, 在解决复杂问题时算法收敛性和多样性不足. 为解决这一问题, 提出一种基于种群分区的多策略自适应多目标粒子群优化算法. 采用粒子收敛性贡献对算法环境进行检测, 自适应调整粒子的探索和开发过程; 为准确制定不同性能的粒子的搜索策略, 提出一种多策略的全局最优粒子选取方法和多策略的变异方法, 根据粒子的收敛性评价指标, 将种群划分为3个区域, 将粒子性能与算法寻优过程结合, 提升种群中各个粒子的搜索效率; 为解决因选取的个体最优粒子不能有效指导粒子飞行方向, 使算法停滞, 陷入局部最优的问题, 提出一种带有记忆区间的个体最优粒子选取方法, 提升个体最优粒子选取的可靠性并加快粒子收敛过程; 采用包含双性能测度的融合指标维护外部存档, 避免仅根据粒子密度对外部存档维护时, 删除收敛性较好的粒子, 导致种群产生退化, 影响粒子开发能力. 仿真实验结果表明, 与其他几种多目标优化算法相比, 该算法具有良好的收敛性和多样性.     

基于多目标优化策略的在线学习资源推荐方法

目前在线学习资源推荐较多采用单目标转化方法,推荐过程中对学习者偏好考虑相对不足,影响学习资源推荐精度.针对上述问题,文中提出基于多目标优化策略的在线学习资源推荐模型(MOSRAM),在学习者规划时间内,以同时获得学习者对学习资源类型偏好度最大和难度水平适应度最佳为优化目标,设计具有向邻居均值学习能力和探索新区域能力的多目标粒子群优化算法(NEMOPSO),提出以MOSRAM为核心的在线学习资源推荐方法(NEMOPSO-RA).不同问题规模下融合经典多目标优化算法的推荐方法对比实验表明,NEMOPSO-RA可以有效提高在线学习资源的推荐精度和推荐性能.     

考虑模型误差的浸出过程优化方法

由于浸出过程较为复杂,其过程模型难以准确地反映实际过程,导致基于该模型的过程优化结果不是实际最优值.基于此,提出一种考虑模型误差的浸出过程优化方法,利用高斯混合模型对浸出过程混合模型的误差均值和方差进行描述,并将其引入优化目标中.构建考虑模型误差的浸出过程优化模型,并以二阶振荡粒子群优化算法完成对优化模型的求解.最后通过仿真实验表明了所提出方法的有效性.     

多种群并行协作的粒子群算法

针对高维复杂优化问题在求解时容易产生维数灾难导致算法极易陷入局部最优的问题,提出一种能够综合考虑高维复杂优化问题的特性,动态调整进化策略的多种群并行协作的粒子群算法。该算法在分析高维复杂问题求解过程中的粒子特点的基础上,建立融合环形拓扑、全连接形拓扑和冯诺依曼拓扑结构的粒子群算法的多种群并行协作的网络模型。该模型结合3种拓扑结构的粒子群算法在解决高维复杂优化问题时的优点,设计一种基于多群落粒子广播-反馈的动态进化策略及其进化算法,实现高维复杂优化环境中拓扑的动态适应,使算法在求解高维单峰函数和多峰函数时均具有较强的搜索能力。仿真结果表明,该算法在求解高维复杂优化问题的寻优精度和收敛速度方面均有良好的性能。     

磨矿粒度动态过程的一种快速Monte Carlo仿真方法

磨矿是降低矿物粒度的工业过程,产品粒度是磨矿过程的关键质量指标. 由于磨矿粒度难以在线检测且磨矿生产过程具有综合复杂特性,难以采用传统控制方法实现磨矿粒度的控制. 因此,建立磨矿粒度和关键工艺参数的动态模型对于磨矿运行控制和优化具有重要意义. 采用总量平衡原理获得磨矿粒度的微分方程模型多数情况下无法获得解析解. 而基于Monte Carlo （MC）方法的磨矿粒度模型能够精确模拟磨矿粒度分布的动态变化,但是其仿真效率低难以实用. 本文针对这一问题提出一种新的MC仿真方法: 在定总量方法的基础上引入新的颗粒移除机制,在移除过程中动态地分配各个粒级颗粒数目并保持破裂前后各个粒级颗粒所占总颗粒数的百分比不变,避免颗粒移除过程中由于粒级差异导致的抽样误差,且避免MC仿真速度随着仿真推进下降的问题. 仿真实验验证表明,本方法能够在保证一定精度前提下显著提高磨矿粒度MC仿真的计算速度. 最后,通过一个实例介绍了本文仿真模型在磨矿优化控制中的应用.