一种高效的快速近似控制向量参数化方法

控制向量参数化(Control vector parameterization, CVP) 方法是目前求解流程工业中最优操作问题的主流数值方法,然而,该方法的主要缺点之一是 计算效率较低,这是因为在求解生成的非线性规划(Nonlinear programming, NLP) 问题时,需要随着控制参数的调整,反复不断地求解相关的微分方程组,这也是CVP 方法中最耗时的部分.为了提高CVP 方法的计算效率,本文提出一种新颖的快速近似方法,能够有效减少微分方程组、函数值以及 梯度的计算量.最后,两个经典的最优控制问题上的测试结果及与国外成熟的最优控制 软件的比较研究表明:本文提出的快速近似CVP 方法在精度和效率上兼有良好的表现.     

自由时间最优控制问题的一种控制向量参数化方法

针对自由时间最优控制问题,提出一种控制向量参数化（CVP）方法.通过引入时间尺度因子,将自由时间最优控制问题转化为固定时间问题,并将终端时刻作为优化参数.基于CVP方法,最优控制问题被转化为一个非线性规划（NLP）问题.建立目标和约束函数的Hamiltonian函数,通过求解伴随方程获得目标和约束函数的梯度,采用序列二次规划（SQP）方法获得问题的数值解.对于控制有切换结构的优化问题,给出了一种网格精细化策略,以提高控制质量.补料分批反应器最优控制问题的仿真实验验证了所提出方法的有效性.     

一种改进的CVP方法及其在动态优化中的应用

针对控制向量参数化方法敏感度方程求解耗时长、时间节点数难确定等问题,提出一种改进的控制向量参数化方法．首先利用分段常数对系统敏感度方程进行近似处理,有效地得到了敏感度方程的近似解析解,避免了对高维敏感度方程数值积分的计算负担;然后根据目标函数关于控制参数的敏感度来选择需要细化的控制参数,得到满足优化精度要求的最优时间节点数．针对非线性ＣＳＴＲ 的仿真研究验证了所提出算法的可行性和有效性．     

带不等式路径约束最优控制问题的惩罚函数法

控制变量参数化（Control variable parameterization,CVP）方法是目前求解流程工业中最优操作问题的主流数值方法,但如果问题中包含路径约束,特别是不等式路径约束时,CVP方法则需要考虑专门的处理手段.为了克服该缺点,本文提出一种基于L1精确惩罚函数的方法,能够有效处理关于控制变量、状态变量、甚至控制变量/状态变量复杂耦合形式下的不等式路径约束.此外,为了能使用基于梯度的成熟优化算法,本文还引进了最新出现的光滑化技巧对非光滑的惩罚项进行磨光.最终得到了能高效处理不等式路径约束的改进型CVP架构,并给出相应数值算法.经典的带不等式路径约束最优控制问题上的测试结果及与国外文献报道的比较研究表明:本文所提出的改进型CVP 架构及相应算法在精度和效率上兼有良好表现.     

一种改进的CVP方法及其在动态优化中的应用

针对控制向量参数化方法敏感度方程求解耗时长、时间节点数难确定等问题,提出一种改进的控制向量参数化方法．首先利用分段常数对系统敏感度方程进行近似处理,有效地得到了敏感度方程的近似解析解,避免了对高维敏感度方程数值积分的计算负担;然后根据目标函数关于控制参数的敏感度来选择需要细化的控制参数,得到满足优化精度要求的最优时间节点数．针对非线性ＣＳＴＲ 的仿真研究验证了所提出算法的可行性和有效性．

     

计算机数控系统光滑时间最优轨迹规划

基于控制向量参数化(CVP)方法, 研究了计算机数控(CNC)系统光滑时间最优轨迹规划方法. 通过在规划问题中引入加加速度约束, 实现轨迹的光滑给进. 引入时间归一化因子, 将加加速度约束的时间最优轨迹规划问题转化为固定时间的一般性最优控制问题. 以路径参数对时间的三阶导数(伪加加速度)和终端时刻为优化变量, 并采用分段常数近似伪加加速度, 将最优控制问题转化为一般的非线性规划(NLP)问题进行求解. 针对加加速度、加速度等过程不等式约束, 引入约束凝聚函数, 将过程约束转化为终端时刻约束, 从而显著减少约束计算. 构造目标和约束函数的Hamiltonian函数, 利用伴随方法获得求解NLP问题所需的梯度.     

双线性系统多目标控制问题研究

研究了双线性系统的多目标控制问题. 首先把多目标控制问题, 通过效用函数技术转化为一个单目标最优控制问题, 其中, 效用函数是多个二次型性能指标的非线性函数, 因此, 在动态规划的意义下是不可分的. 然后, 为了克服不可分对求解带来的困难, 提出了一种两级最优控制算法. 下级用动态规划求解一个参数化的具有双线性---二次型结构的辅助 Lagrangian 问题；上级迭代调整辅助 Lagrangian 问题中的参数向量. 不断重复这个过程, 直至最优性条件被满足.     

翼伞系统最优归航轨迹设计的敏感度分析方法

本文对三自由度翼伞系统归航轨迹优化问题进行了研究,采用控制变量参数化与时间尺度变换相结合的优化算法对翼伞系统的最优控制问题进行数值求解.该方法是基于灵敏度分析的优化算法,将控制量以及控制量转换时间转化为一系列参数优化问题同时进行求解.仿真结果表明,相对于基于两端边值优化算法而言,灵敏度分析法只需要正向积分进行求解,因而具有计算简单、耗时短等优点,其控制效果良好,距离偏差和方向偏差均满足实际需求,有效地提高了翼伞系统的着陆精度,验证了该优化算法的可行性.     

基于共轭算法的弹道修正方法

研究一种在空间3-D中求解弹道修正的最优控制问题的方法。根据Pontryagin极小值原理,将弹道修问题被转换成两点边值问题(Two-Point Boundary Value Problem,TPBVP),利用给定的边界条件,可将TPBVP可转换成针对主导向量初始值的参数优化问题,并采用共轭算法求解主导向量初值。采用该控制方法进行了仿真实验以证明其可行性及准确性,仿真实验数据表明:所提出的算法鲁棒性强、精度高,可以满足战术需要。     

一种组合核支持向量机建模的方案

针对组合核支持向量机建模中存在的耗时和性能的矛盾问题,提出新的方案,用于在时间和性能上寻找理想折衷。研究了兼顾学习和推广能力的核组合,以及优化核参数方法。提出了一种主从核逐步优化的方案,即每次只优化一个核的核参数,逐步加入其他子核求解参数,时间上大致是求解单核参数耗时的简单叠加,相对于进化算法求解模型耗时更少,相对于分治算法求解模型性能更优。提出的方案在时间和性能上取得了较好的效果。     

Supervisory control of switching control systems

In this paper, the problem of designing a switching policy for an adaptive switching control system is formulated as a problem of supervisory control of a discrete-event system (DES). Two important problems in switching control are then addressed using the DES formulation and the theory of supervisory control under partial observation. First, it is verified whether for a given set of controllers, a switching policy satisfying a given set of constraints on the transitions among controllers exists. If so, then a minimally restrictive switching policy is designed. Next, an iterative algorithm is introduced for finding a minimal set of controllers for which a switching policy satisfying the switching constraints exists. It is shown that in the supervisory control problem considered in this paper, limitations on event observation are the factors that essentially restrict supervisory control. In other words, once observation limitations are respected, limitations on control will be automatically satisfied. This result is used to simplify the proposed iterative algorithm for finding minimal controller sets.     

智能控制：从学习控制到平行控制

20世纪60年代,学习控制开启了人类探究复杂系统控制的新途径,基于人工智能技术的智能控制随之兴起.本文以智能控制为主线,阐述其由学习控制向平行控制发展的历程.本文首先介绍学习控制的基本思想,描述了智能机器的架构设计与运行机理.随着信息科技的进步,基于数据的计算智能方法随之出现.对此,本文进一步简述了基于计算智能的学习控制方法,并以自适应动态规划方法为切入点分析非线性动态系统自学习优化问题的求解过程.最后,针对工程复杂性与社会复杂性互相耦合的复杂系统控制问题,阐述了基于平行控制的学习与优化方法求解思路,分析其在求解复杂系统优化控制问题方面的优势.智能控制思想经历了学习控制、计算智能控制到平行控制的演化过程,可以看出平行控制是实现复杂系统知识自动化的有效方法.     

A time-optimal control algorithm for digital computer control

A time-optimal control algorithm for digital computer control allowing bounds on control variables and state variables is presented. Through linear programming techniques a time-optimal sequence is computed by using a linear discrete model of the process. For real-time applications feedback control is achieved by recalculating the control sequence each sampling period. In addition, an adaptive control strategy based on on-line estimation of the state variables and the parameters of the system is introduced. In order to be able to apply the algorithm in a real-time environment, computational efficiency is emphasized. An application of the algorithm to a sixth-order multivariable system is given.     

可实现多种控制目标的模型预测控制新算法

模型预测控制(MPC)采用集中控制的策略,主要应用于多输入多输出(MIMO)复杂过程的工艺对象.工艺过程对不同的控制变量,往往有不同的控制要求,如定值控制、区间控制或单边控制.当前的控制算法未考虑单边控制功能,而且形式繁琐、求解不便.为此,本文采用目标规划的思想,提出具有线性规划形式并且可实现多目标的模型预测控制新算法.将新算法用于多个典型过程对象,证实算法不仅能够控制常规目标,而且能够解决单边控制问题,实现了真正的多目标控制.     

A hybrid model predictive control strategy for nonlinear plant-wide control

A plant-wide control strategy based on integrating linear model predictive control (LMPC) and nonlinear model predictive control (NMPC) is proposed. The hybrid method is applicable to plants that can be decomposed into approximately linear subsystems and highly nonlinear subsystems that interact via mass and energy flows. LMPC is applied to the linear subsystems and NMPC is applied to the nonlinear subsystems. A simple controller coordination strategy that counteracts interaction effects is proposed for the case of one linear subsystem and one nonlinear subsystem. A reactor/separator process with recycle is used to compare the hybrid method to conventional LMPC and NMPC techniques.     

发电机组汽门系统的多模型自学习控制

针对发电机组的非线性、大范围运行等实际问题，研究了用于汽门系统的多模型自学习控制（MMSC），首先根据各种工况下的样本数据归纳出模糊控制规则；然后由模糊聚类算法将多种工况约简为典型工况，得到相应的子模型模糊控制器（FLC）．以子模型FLC输出的加权集成作为MMSC的控制输出，而加权系数取决干子模型匹配度．在子模型FLC学习优化中，由支持向量机离线逼近模糊规则曲面，再由梯度下降算法在线自学习．仿真实验验证了所设计控制器的优良性能．     

Event-driven intermittent control

An intermittent controller with fixed sampling interval is recast as an event-driven controller. The key aspect of intermittent control that makes this possible is the use of basis functions, or, equivalently, a generalised hold, to generate the intersample open-loop control signal. The controller incorporates both feedforward events in response to known signals and feedback events in response to detected disturbances. The latter feature makes use of an extended basis-function generator to generate open-loop predictions of states to be compared with measured or observed states. Intermittent control is based on an underlying continuous-time controller; it is emphasised that the design of this continuous-time controller is important, particularly in the presence of input disturbances. Illustrative simulation examples are given.     

在连续控制系统中实现断续的前馈补偿控制

采用以时间最优为指标的断续控制器作为系统的前馈 ,根据对象状态的条件 ,判断和变换断续控制器的作用 ,补偿连续控制器的控制值。这种连续控制与断续控制混合的控制系统 ,把 PID控制器与对设定值变化及对干扰抑制实现快速控制的邦 -邦控制器结合起来 ,能够快速地实现系统动态调节 ,且超调量小 ,并克服了由于控制器硬件的某些限制 ,不能较大范围改变控制信号的缺陷 ,在实际过程控制中达到了很好的动态和稳态响应。     

Predictor-based self-tuning control

Linear finite-memory output predictors updated in real-time appear to be a suitable internal representation of the system in a digital self-tuning controller. A new time-domain method of quadratic-optimum control synthesis for systems described by such predictors is presented. The synthesis covers both the servo problem and the regulation problem, including the program control (with preprogrammed command signal) and the feedforward from measurable external disturbances. Unlike the standard Riccati equation, the method leads to algorithms (or explicit formulae in low-order cases) which are numerically robust and therefore suitable for real-time computation using microprocessors with reduced wordlength.