基于超宽带技术的无线传感器数据传输网络跨层优化研究

通过构建、求解MAC层、物理层、网络层跨层优化模型的方式,对超宽带无线传感器网络数据传输问题进行了初步研究.仿真实验结果表明,以构建、求解优化模型的方式解决无线传感器网络跨层设计问题是切实可行的,物理层信号功率控制、网络层路由对网络整体性能有着至关重要的影响.为超宽带无线传感器网络实际应用提供了必要的理论及实验依据,同时也为解决大规模超宽带传感器网络数据传输问题提供了解决思路.     

基于改进粒子群的双层规划求解算法

提出一种采用粒子群优化算法求解双层规划模型的算法。首先对粒子群优化算法作了改进,然后用改进后的算法求解双层规划模型,通过两个粒子群优化算法之间的协同迭代,同步优化双层规划的上下层,最终求得双层规划模型的最优解。此算法将求解一般双层规划问题转化为通过两个粒子群优化算法的交互迭代来求解上下两层规划问题。通过对几种典型函数的测试,验证了此算法的有效性。     

基于运行风险的电力系统预防-校正协调控制策略

将运行风险应用于预防控制与校正控制之间的协调问题中,提出一种新的控制策略.首先,利用二层规划理论建立预防控制和校正控制的二层优化模型;然后,采用一种将内点法嵌入粒子群算法的混合解法进行该二层优化模型的求解;最后,利用6节点系统进行所提出模型与传统模型的对比性仿真.仿真计算结果表明,所提出控制策略在经济效益和运行风险方面的综合性能优于传统的安全约束调度方法,从而验证了所提出策略的合理性.     

基于遗传算法的划分序乘积空间问题求解层选择

划分序乘积空间作为一种新的粒计算模型,可以从多个视角和多个层次对问题进行描述和求解.其解空间是由多个问题求解层组成的格结构,其中每个问题求解层由多个单层次视角构成.如何在划分序乘积空间中选择问题求解层是一个NP难问题.为此,提出一种两阶段自适应遗传算法TSAGA (two stage adaptive genetic algorithm)来寻找问题求解层.首先,采用实数编码对问题求解层进行编码,然后根据问题求解层的分类精度和粒度定义适应度函数.算法第1阶段基于经典遗传算法,预选出一些优秀问题求解层作为第2阶段初始种群的一部分,从而优化解空间.算法第2阶段,提出随当前种群进化迭代次数动态变化的自适应选择算子、自适应交叉算子以及自适应大变异算子,从而在优化的解空间中进一步选择问题求解层.实验结果证明了所提方法的有效性.     

多车道交通流非线性优化控制模型及遗传算法

多车道高速公路交通流的递阶控制结构分为协调控制层、路段控制层和车辆控制层,文中提出了路段控制层的优化控制模型。该模型以路段上交通流量与平均速度最大化为控制目标,以该路段上车辆在各车道的分配比例为决策变量。决策变量的个数比传统线性模型大为减少。为避免一般优化算法可能得到局部最优解的缺点,采用遗传算法求解所提出的非线性规划模型。仿真算例验证了模型及求解算法的有效性。     

采用双速率框架的快速预测控制算法

约束模型预测控制(model predictive control,MPC)在实际应用中优化计算复杂度高,无法在采样周期内完成优化以保证系统实时性.本文针对这一问题,提出采用双速率框架的快速预测控制算法(DSF–MPC).该算法将实时控制量的求解分解到两个时间尺度上进行,即双速率框架:每隔数个采样周期,慢速率层负责完成一次对完整MPC优化问题的求解;而在每个采样周期,快速率层负责根据系统反馈信息和慢速率层算法预测信息的差值,朝着使目标函数值下降的负梯度方向,修正慢速率层的优化结果来获取实际控制量,以满足控制的实时性要求.该算法不要求在每个采样周期内都完成MPC中的在线优化,故能在继承MPC优点的同时,满足快速系统的控制实时性要求.针对直流电动机和倒立摆组合系统的仿真结果,验证了该算法的有效性,反映了其在快速系统中的应用潜力.     

超宽带安全监控网络跨层优化模型研究

跨层设计是提高无线网络整体性能的一种有效方法.本文在综合考虑MAC层调度、物理层功率控制、网络层路由三方面因素的基础上,结合超宽带技术大带宽、低信号功率的特点,以实现网络最大数据传输速率为目标,构建了UWB安全监控网络跨层优化模型.实验结果表明,根据模型最优解进行网络配置可有效提高网络的数据传输速率,从而证明以构建、求解优化模型的方式解决跨层设计问题是切实可行的.     

考虑蓄意攻击的第三方物流多周期可靠性网络设计

研究多周期环境下的第三方物流(3PL) 可靠性网络设计问题, 并考虑蓄意攻击中断. 建立多层的3PL 可靠性网络设计模型. 网络优化模型在满足可靠性约束条件下优化各周期的网络结构, 包括物流设施的开设和运输量的确定, 使网络总成本最小. 蓄意攻击模型优化各周期的攻击策略使网络服务水平最低. 根据问题模型的特点, 设计改进的两层分布估计算法, 上层分布估计算法求解多周期3PL 网络设计模型, 下层分布估计算法求解多周期攻击模型. 最后, 通过仿真实验表明了模型的合理性和算法的有效性.

     

基于多输出最小二乘支持向量回归建模的自适应非线性预测控制及应用

提出一种可有效提高常规预测控制方法控制性能与计算效率的数据驱动自适应非线性模型预测控制方法.首先,为了提高多输出非线性系统最小二乘支持向量回归(least squares support vector regression, LS–SVR)建模的精度,考虑各维输出间的耦合关系,采用在目标函数中加入样本整体拟合误差项,实现多输出LS–SVR(multi-output LS–SVR,M–LS–SVR)预测建模,同时采用粒子群算法优化模型参数;其次,针对动态过程建模的模型失配问题以及由于M–LS–SVR模型复杂导致传统智能算法求解预测控制律缓慢的问题,提出自适应非线性模型预测控制策略,包括两个非线性优化层:第1层采用梯度下降算法实时优化模型和实际过程输出的偏差,以自适应调节模型参数;第2层采用具有全局收敛性和超线性收敛速度序列二次规划(sequential quadratic programming, SQP)算法设计非线性预测控制器,以加速预测控制律的求解速度. Benchmark仿真实例及在高炉炼铁过程的数据试验表明:所提基于M–LS–SVR预测建模的自适应非线性模型预测控制具有较快的求解速度、较好的设定值跟踪和干扰抑制性能以及较强的鲁棒性.     

基于混合果蝇优化算法的选址-库存联合优化策略

针对装备维修保障仓库系统运营费用高、仓库点位布局不合理、备件库存结构不合理等问题,建立以多品种联合补货问题为基础的装备维修备件仓库选址-库存控制决策联合优化模型,模型可用于求解仓库的开设位置、维修活动需求点的指派情况、仓库补货时间以及库存水平等.根据模型的结构特点,利用多种群协同进化的方法改进传统果蝇优化算法的位置更新方式,设计一种内外两层搜索策略的混合果蝇优化算法,外层搜索策略作为算法的主程序用于搜索仓库选址决策变量,内层搜索策略采用改进的RAND算法用于搜索库存控制决策变量.仿真结果表明,混合果蝇优化算法具有良好的求解效率,能够确保库存系统在一定服务水平的基础上有效降低库存运营总成本.     

一种基于支持向量机的内模控制方法

在基于数据的基础上,采用SVM回归理论建立系统的正向模型和设计逆模控制器.首先简要介绍了SVMR的原理,然后将其应用于内模控制问题,并建立了SVMR模型.其次,在控制过程可逆的条件下设计了SVMR控制器.最后将该控制方法应用于一可逆非线性系统和具未知干扰的温室环境控制问题,仿真结果表明该方法与神经网络IMC相比,具有较简单的模型和较好的控制性能.     

一种多工序知识关联的纺纱质量智能控制模型

为解决单一工序的纺纱质量控制模型难以实现对纺纱质量的精准控制问题,构建了一种基于多工序知识关联的纺纱质量智能控制模型.首先,选取纱线断裂强度为主要控制指标,设计了基于纱线断裂强度的多工序质量控制点及质量损失函数,实现了棉纺生产过程中多工序质量控制点间知识的关联.进而,以质量损失函数为目标函数构建了纺纱质量控制模型,并借助自动过程控制技术实现了基于数据反馈的纺纱质量控制.然后,将惩罚函数引入到纺纱质量控制模型中,并利用多目标烟花算法对模型进行了求解.最后,通过对比验证表明,该模型与未考虑多工序间知识关联的质量控制模型以及控制前的结果相比,纱线断裂强度提升了1.27%和3.40%,纱线不合格率降低了23.48%和50.00%,从而有利于解单一工序的纺纱质量控制模型难以实现对纺纱质量的精准控制问题.     

基于混沌粒子群优化的约束状态反馈预测控制算法

提出一种基于混沌粒子群优化的约束状态反馈预测控制算法,用于解决带有输入约束和状态约束的控制问题.将混沌粒子群优化引入到约束状态反馈预测控制的滚动优化过程中,增强了算法在约束范围内的局部搜索和全局搜索能力.通过对一个实际的带有约束的线性离散系统控制优化问题的解决,验证了基于混沌粒子群优化的状态反馈预测控制算法的可行性和有效性,与传统的二次规划算法的比较结果说明了此算法的优越性,证明了状态反馈预测控制系统良好的鲁棒性.     

高速公路网入口流量控制的双层规划模型及算法

建立双层规划模型用于解决高速公路网的入口流量控制问题。提出了一种结合遗传算法和Aloplex算法的新算法——GAA算法来求解双层规划问题。实验结果表示，GAA算法在求解双层规划问题上优于遗传算法；分车型测算得出进入路网的流量使上层目标函数值更小（相对于单车型情况），并且使路网利用程度得到进一步的提高。     

The piecewise optimisation method for approximating uncertain optimal control problems under optimistic value criterion

In this paper, we introduce an approximate model and propose a piecewise optimisation method to simplify the expression of optimal control for an uncertain linear quadratic optimal control problem. First, we consider an optimal control problem of uncertain linear quadratic model under optimistic value criterion. Based on the equation of optimality, we deduce an analytic expression of optimal control. Then, we study an approximate model with control parameter and propose a piecewise optimisation method for solving the optimal parameter of such an approximate model. As an application, a four-wheel steering vehicle optimal control problem is given to show the utility of the proposed approximate model and the efficiency of the proposed piecewise optimisation method.     

Model predictive control of a power-split hybrid electric vehicle system

This paper presents a model predictive control approach for the energy management problem of a power-split hybrid electric vehicle system. The model predictive control is suggested to optimally share the road load between the engine and the battery. By analyzing the configuration of the power-split hybrid electric vehicle system, we developed a simplified model for better implementation of model predictive control. The model predictive control problem is solved using numerical computation method: continuation and generalized minimum residual method. Computer simulation results showed that the fuel economy was better using the model predictive control approach than the ADVISOR rule-based approach in three cases. We conclude that the model predictive control approach is effective for the application of power-split hybrid electric vehicle systems energy management and has the potential for real-time implementation. The simplified modeling method of the power-split hybrid electric vehicle system configuration can be applied to other configurations of hybrid electric vehicle.     

周期时间特性的角色访问控制*

针对传统的RBAC模型不能表达时间特性安全访问控制约束的缺点,提出了一个带有周期时间特性的安全访问控制模型。在传统的RBAC模型的基础上定义了周期时间特性的角色访问控制,分析了模型的一致性状态,讨论了一致性状态维护问题,并针对周期时间约束问题提出的相应算法解决了时间授权约束和会话的状态,极大地提高了系统的访问控制能力。     

A robustness result for stochastic control

The solution of a stochastic control problem depends on the underlying model. The actual real world model may not be known precisely and so one solves the problem for a hypothetical model, that is in general different but close to the real one; the optimal (or nearly optimal) control of the hypothetical model is then used as solution for the real problem.In this paper, we assume that, what is not precisely known, is the underlying probability measure that determines the distribution of the random quantities driving the model. We investigate two ways to derive a bound on the suboptimality of the optimal control of the hypothetical problem when this control is used in the real problem. Both bounds are in terms of the Radon–Nikodym derivative of the underlying real world measure with respect to the hypothetical one. We finally investigate how the bounds compare to each other.     

混合动力汽车模型预测控制策略研究

针对传统混合动力汽车控制方法无法实现实时最优控制的问题,提出了基于简化混合动力汽车系统模型的预测控制智能优化策略.通过将3自由度的系统模型简化为1自由度的系统模型,并采用连续广义最小残量方法求解模型预测控制问题.运用MATLAB/Simulink与GT-POWER联合仿真平台进行仿真,实验结果验证了系统模型简化的有效性,以及所设计的模型预测控制算法大幅度提高混合动力汽车的燃油经济性的能力和实时控制性能.     

Nash-optimization distributed model predictive control for multi mobile robots formation

This paper investigates the distributed model predictive control (DMPC) problem for multi mobile robots. The distributed system model is obtained by the kinematic model of single mobile robot. By including the coupling terms in the cost function, cooperation between subsystems can be incorporated in the distributed control problem. Then, each robot has its own optimal control problem, and neighboring subsystems can exchange information with one another by using wireless communication. The distributed model predictive control problem is formulated by the local cost function and solved by using Nash-optimization algorithm. The convergence condition of the proposed algorithm is presented. Finally, an illustrative example is given to demonstrate the effectiveness of the proposed method.