基于神经网络近似的自适应优化控制

为了解决初始和终端确定的一类离散时间非线性系统有限时间优化控制,利用动态规划原理求解过程中遇到维数灾的问题,提出了基于神经网络的自适应动态规划近似优化控制.在分析动态规划求解遇到维数灾的基础上,进而给出了迭代ADP算法,并采用神经网络近似代价函数和控制律来实现迭代ADP算法,设计近似优化控制器.通过mat lab实验仿真结果表明,采用迭代ADP算法能够避免求解中遇到的维数灾,从而有效地实现了一类离散时间非线性系统的有限时间近似优化控制.     

基于迭代粒子群算法的间歇过程优化

针对无状态和终端约束的间歇过程动态优化问题,将迭代思想与粒子群优化算法相结合,提出了迭代粒子群算法.算法首先将控制变量离散化,用标准粒子群算法搜索离散控制变量的最优解,并在随后的迭代过程中不断收缩控制变量的搜索域,使优化性能指标和控制轨线不断趋于最优解.为使优化轨线光滑平稳,算法采用三点线性平滑算子对每次迭代结果进行平滑滤波.算法简洁,可行,高效,特别是在系统梯度信息不可得的情况下更具实用性.对一个间歇过程的仿真结果证明了迭代粒子群算法可以有效地解决不含状态和终端约束的间歇过程动态优化问题.     

非线性动态优化仿真在间歇过程中的应用

为实现求解大规模非线性系统最优控制问题的自动设计及算法自动生成问题,开发基于非线性规划的动态优化软件集成系统.首先自定义基于XML的标准化非线性动态优化标记语言NDOML,采用NDOML模型设计模型编辑器;结合联立法和多点打靶法对NDOML模型进行自动离散化处理;最后利用内点算法解题器IPOPT设计了解题器接口程序生成器,实现模型录入通用化、模型离散自动化及优化控制算法代码的自动生成等多种应用功能.最后通过一个间歇反应过程实例验证动态优化软件系统的有效性,结果显示,系统能够实现最优控制算法的自动生成,仿真结果为大型非线性系统求解优化提供了依据.     

一类存在参数摄动的线性随机系统的鲁棒间歇故障诊断方法

间歇故障（Intermittent faults, IFs）具有随机性,其检测要求在本次间歇故障消失之前检测出间歇故障的发生,在下一次间歇故障发生之前检测出间歇故障的消失.本文针对一类存在未知时变参数摄动的离散线性随机动态系统,研究了其鲁棒间歇故障检测与分离问题.基于降维未知输入观测器,通过引入滑动时间窗口,本文设计了一组与未知时变摄动解耦的结构化截断残差,并提出其存在的一个充分条件.与传统残差相比,截断残差信号更为显著地反映了间歇故障的发生和消失.为满足间歇故障的检测要求,本文提出两个假设检验分别用于检测间歇故障的发生时刻和消失时刻,并给出了一个详细算法.最后,在沿参考轨道运行的卫星模型上对所述方法进行了仿真实验,结果表明该方法能够有效检测出间歇故障的所有发生时刻和消失时刻,并准确实现故障分离.     

自适应变步长迭代动态规划方法及其在间歇过程优化中的应用

迭代动态规划(IDP) 作为一种求解非线性问题的离散算法, 其寻优精度和收敛速度受到时间段划分的影响. 通常, 时间段划分依赖主观经验, 缺乏科学有效的指导. 针对终端时刻固定的动态优化问题, 提出一种自适应变步长IDP 算法, 综合考虑控制变量与目标函数值的变化, 对时间段数量、长度和切换点进行优化. 将该方法应用于间歇过程优化, 结果表明其能够智能分配时间段数量与长度, 可有效提升寻优精度.

     

汽车零部件库存与配送的整合优化研究

库存与配送在整个物流过程中承担着重要作用,由于二者间存在“效益悖反”关系,使得对库存与配送整合优化问题极为复杂。针对所述问题运用双层规划上下层“博弈”特点建立模型,并讨论了模型的求解算法,结合分层迭代的思想给出一个有效算法。最后基于Maple编程并结合实例对模型进行仿真计算。     

基于迭代神经动态规划的数据驱动非线性近似最优调节

利用数据驱动控制思想,建立一种设计离散时间非线性系统近似最优调节器的迭代神经动态规划方法.提出针对离散时间一般非线性系统的迭代自适应动态规划算法并且证明其收敛性与最优性.通过构建三种神经网络,给出全局二次启发式动态规划技术及其详细的实现过程,其中执行网络是在神经动态规划的框架下进行训练.这种新颖的结构可以近似代价函数及其导函数,同时在不依赖系统动态的情况下自适应地学习近似最优控制律.值得注意的是,这在降低对于控制矩阵或者其神经网络表示的要求方面,明显地改进了迭代自适应动态规划算法的现有结果,能够促进复杂非线性系统基于数据的优化与控制设计的发展.通过两个仿真实验,验证本文提出的数据驱动最优调节方法的有效性.     

基于改进粒子群优化算法的三维空间路径规划

将改进粒子群优化算法应用于三维空间路径规划.首先给出三维空间建模方法,其次通过在迭代过程中对算法惯性系数w分段设置和对粒子位置进行随机扰动的方式,来改进粒子群优化算法,然后给出了基于改进粒子群优化算法的三维空间路径规划的算法流程.仿真结果表明,改进方式能有效提高粒子群优化算法应用于三维空间路径规划的计算效率和可靠性.     

模糊时间窗VRP的动态规划和禁忌搜索混合算法

为优化具有模糊时间窗的车辆路径问题,以物流配送成本和顾客平均满意度为目标,建立了多目标数学规划模型。基于Pareto占优的理论给出了求解多目标优化问题的并行多目标禁忌搜索算法,算法中嵌入同时优化顾客满意度的动态规划方法,运用阶段划分,把原问题分解为关于紧路径的优化子问题。对模糊时间窗为线性分段函数形式和非线性凹函数形式的隶属度函数,分别提出了次梯度有限迭代算法和次梯度中值迭代算法来优化顾客的最优开始服务时间。通过Solomon的标准算例,与次梯度投影算法的比较验证了动态规划方法优化服务水平的有效性,与主流的NSGA-II算法的对比实验表明了该研究提出的多目标禁忌搜索算法的优越性。     

利用动态规划模型优化天然气产销调度问题

在不确定条件下,如何优化天然气产销调度使得产销平衡,是天然气公司急待解决的问题.天然气的购买和销售是一个多阶段动态过程,所以将动态规划理论应用其中,建立以天然气公司最大收益为目标的动态规划模型,并进行时间复杂度分析.结果表明,动态规划算法能从时间与空间角度实现天然气的合理调度;与线性求解过程相比,动态规划算法对具有最优解的实际问题的求解更加灵活,且计算量小,结果更可靠,为天然气产销优化调度提供了新的解决方法.     

Challenges in particulate polymerization reactor modeling and optimization: A population balance perspective

In the present article, recent developments on modeling and optimization of particulate polymerization processes are reviewed. A unified population balance approach is described to follow the time evolution of molecular and morphological polymer properties in batch and continuous polymerization reactors. The numerical methods as well as the computational issues related with the solution of the dynamic population balance equation are critically assessed. The orthogonal collocation on finite elements (OCFE) method and the fixed-pivot technique (FPT) are then applied to a free-radical batch polymerization reactor to calculate the dynamic evolution of the molecular weight distribution (MWD). Moreover, theoretical and experimental results are shown on the dynamic evolution of particle size distribution (PSD) in a suspension polymerization reactor. Recent advances in on-line monitoring of “polymer quality” are briefly discussed in the context of available hardware and software sensors. The problem of real-time optimization of polymerization processes under parametric uncertainty is also examined. Finally, new issues related with the modeling, numerical solution and control of multidimensional population balance equations are conferred.     

Differential evolutionary algorithm for TCSC-based controller design

In this paper, a systematic procedure for modelling, simulation and optimal tuning the parameters of a thyristor controlled series compensator (TCSC) controller, for the power system stability enhancement is presented. The design problem of the proposed controller is formulated as an optimization problem and differential evolution (DE) is employed to search for optimal controller parameters. A detailed analysis on the selection of objective function and controller structure on the effectiveness of the TCSC controller is carried out and simulation results are presented. The dynamic performance TCSC controller under various loading and disturbance conditions are analyzed and compared. Finally, the proposed design approach is extended to a multi-machine power system for simultaneous design of multiple and multi-type controllers.     

用Lagrangian松弛法解化工批处理调度问题

研究基于Lagrangian松弛法的化工批处理过程的调度方法.建立了化工批处理过 程调度问题的一种混合整数规划(MILP)模型,并通过松弛离散变量和连续变量共存的约束, 将问题分解为一个两层次的优化问题,其中上层是原问题的对偶问题,下层由两个子问题构 成:一个与产品批量有关,另一个确定操作时间表,分别用线性规划和动态规划方法解这两个 子问题.然后从对偶问题的解构作原问题的可行解.数值试验结果证明了该方法的有效性.     

间歇过程的批内自优化控制

针对间歇过程的实时优化问题, 提出了一种基于自优化控制的批内优化方法. 以测量变量的线性组合为被控变量, 在单批次内跟踪控制被控变量实现间歇过程的实时优化. 根据是否在间歇过程的不同阶段切换被控变量, 给出了两种自优化控制策略, 对每种策略又分别提出两种设定轨线选取方案. 为求解这些情形下的最优被控变量(组合矩阵), 以最小化平均经济损失为目标, 推导了组合矩阵和经济损失之间的函数关系, 分别将其描述为相应的非线性规划问题. 在此基础上, 进一步引入了扩张组合矩阵, 将这些非线性规划问题归纳为求解扩张组合矩阵的一致形式(扩张组合矩阵具有不同的结构约束), 并推导得到了其中一种方案的解析解计算方法. 以一个间歇反应器为研究对象, 验证了方法的有效性.     

基于模糊T-S模型的批过程建模与最优控制

基于模糊T-S模型,提出一种具有自学习能力的模糊方法用于批过程建模和最优控制.通过引入与均方误差相关的动态误差传递因子,使用改进的梯度下降法,本方法能够辨识模糊T-S预测模型.对于批过程的受限非线性最优控制,基于所辨识的预测模型,运用庞特里亚金最小值原理和平行分布补偿算法,本方法能够把一个复杂非线性系统最优控制设计问题转化为一些基于复杂T-S预测模型的局部线性系统的最优问题,从而给出一种有效和简单的模糊最优控制策略.所提方法用于一个半连续式反应器的建模和最优控制,仿真结果表明新方法是有效和准确的.     

Development of efficient identification scheme for nonlinear dynamic systems using swarm intelligence techniques

This paper outlines the basic concept and principles of two simple and powerful swarm intelligence tools: the particle swarm optimization (PSO) and the Bacterial Foraging Optimization (BFO). The adaptive identification of an unknown plant has been formulated as an optimization problem and then solved using the PSO and BFO techniques. Using this new approach efficient identification of complex nonlinear dynamic plants have been carried out through simulation study.     

Nonlinear model predictive control of biodiesel production via transesterification of used vegetable oils

The economic performance of an industrial scale semi-batch reactor for biodiesel production via transesterification of used vegetable oils is investigated by simulation using nonlinear model predictive control (NMPC) technology. The objective is to produce biodiesel compliant to the biodiesel standards at the minimum costs. A first-principle model is formulated to describe the dynamics of the reactor mixture temperature and composition. The feed oil and mixture composition are characterized using a pseudo-component approach, and the thermodynamic properties are estimated from group contribution methods. The dynamic model is used by the NMPC framework to predict the optimal control profiles, where a multiple shooting based dynamic optimization problem is solved at every sampling time. Simulation results with the economic performance of an industrial scale semi-batch reactor are presented for control configurations manipulating the methanol feed flow rate and the heat duty.     

Advanced control with parameter estimation of batch transesterification reactor

The objective of this work is to enhance the economic performance of a batch transesterification reactor producing biodiesel by implementing advanced, model based control strategies. To achieve this goal, a dynamic model of the batch reactor system is first developed by considering reaction kinetics, mass balances and heat balances. The possible plant-model mismatch due to inaccurate or uncertain model parameter values can adversely affect model based control strategies. Therefore, an evolutionary algorithm to estimate the uncertain parameters is proposed. It is shown that the system is not observable with the available measurements, and hence a closed loop model predictive control cannot be implemented on a real system. Therefore, the productivity of the reactor is increased by first solving an open-loop optimal control problem. The objective function for this purpose optimizes the concentration of biodiesel, the batch time and the heating and cooling rates to the reactor. Subsequently, a closed-loop nonlinear model predictive control strategy is presented in order to take disturbances and model uncertainties into account. The controller, designed with a reduced model, tracks an offline determined set-point reactor temperature trajectory by manipulating the heating and cooling mass flows to the reactor. Several operational scenarios are simulated and the results are discussed in view of a real application. With the proposed optimization and control strategy and no parameter mismatch, a revenue of 2.76 $ min⁻¹ can be achieved from the batch reactor. Even with a minor parameter mismatch, the revenue is still 2.01 $ min⁻¹. While these values are comparable to those reported in the literature, this work also accounts for the cost of energy. Moreover, this approach results in a control strategy that can be implemented on a real system with limited online measurements.     

基于动态维度交叉的粒子群高维函数优化

提出一种优化高维函数的改进粒子群算法.粒子群算法在高维函数优化方面精度比较低,种群容易陷入停滞,分析粒子群算法在针对高维函数方面难以优化的原因,提出一种基于动态维度交又的改进粒子群算法,通过对五个典型测试函数的仿真,说明该算法具有摆脱较快的收敛能力和较高的收敛精度.     

基于多模型拓扑优化方法的车身结构概念设计

为获得最优的初始设计方案,在车身概念设计阶段对车身结构进行拓扑优化。车身结构性能指标综合考虑整体刚度、局部动态刚度和碰撞性能,采用多模型优化(multi-model optimization,MMO)方法解决此类复杂工况的拓扑优化问题,通过调节设计空间和设置参数,获得车身最优载荷路径。根据拓扑优化结果初步形成车身框架结构,可为后期详细设计提供参考。