基于拉格朗日松弛算法的分布式供应链优化

为解决分布环境下的无协调中心的供应链生产计划的协调问题,提出了一种基于拉格朗目松弛算法的折扣价格协调优化策略。针对企业计划只能基于本地信息的特点,利用拉格朗日松弛算法将企业之间的物料耦合约束松弛掉,从而把整个供应链计划问题分解为多个可利用本地信息求解的企业生产计划子问题。通过上下游企业之间对折扣价格（拉格朗目算子）的异步更新,可以逐步获取整个供应链生产计划的优化解,从而实现分布环境下的供应链生产计划的异步协调。仿真实验证明了该方案的可行性。     

基于微粒群优化的序贯二次规划方法

文章针对约束非线性优化问题,将微粒群优化算法(PSO)和序贯二次规划(SQP)算法结合起来,提出了一种解决此类问题的有效算法。PSO可以看作是全局搜索器,而SQP则主要执行局部搜索。对于那些具有多个局部极值点的优化问题,大大增加了获得全局极值点的几率。由于PSO具有快速全局收敛的特点,同时SQP的局部搜索能力很强,所以所提算法可以快速获得全局最优值。将基于PSO的序贯二次规划算法在两个标准优化问题上进行仿真,结果证明与标准的PSO和SQP相比,算法具有明显的优越性。     

基于依赖关系的供应链优化协调

为提升供应链的整体绩效,设计适当的协调机制,使局部决策与整体目标相一致,基于协调理论,提出了资源共享、物流和时序三类供应链依赖关系,并通过相关的供应链优化模型将三类依赖关系形式化为关联约束。利用供应链模型的加可分性结构,基于拉格朗日松弛技术和次梯度算法构造一种优化协调机制,该协调机制通过松弛关联约束将模型分解为成员独立的子问题,并通过次梯度算法迭代更新拉格朗日乘子以协调成员局部决策。此外,相应于次梯度算法的实现方式,提出两种分布协调结构。     

一类非线性时滞过程的主动容错控制

Based on a nonlinear state predictor (NSP) and a strong tracking filter (STF), a sensor fault tolerant generic model control (FTGMC) approach for a class of nonlinear time-delay processes is proposed. First, the NSP is introduced, and it is used to extend the conventional generic model control (GMC) to nonlinear processes with large input time-delay. Then the STF is adopted to estimate process states and sensor biaz, the estimated sensor bias is used to drive a fault detection logic. When a sensor fault is detected, the estimated process states by the STF will be used to construct the process output to form a “soft sensor“, which is then used by the NSP (instead of the real outputs) to provide state predictors. These procedures constitute an active fault tolerant control scheme. Finally, simulation results of a three-tank-system demonstrate the effectiveness of the proposed approach.     

基于混杂策略的预测控制不可行与约束优先级处理

A hybrid approach using MLD (mixed logical dynamical) framework to handle infeasibility and constraint prioritization issues in MPC (model predictive control) based on input-output model is introduced. By expressing constraint priorities as propositional logics and by transforming the propositional logics into inequalities,the infeasibility and constraint prioritization issues are solved in the MPC. Constraints with higher priorities are met first, and then these with lower priorities are satisfied as much as possible. This new approach is illustrated in the control of a heavy oil fractionator-Shell column. The overall control performance has been significantly improved through the infeasibility and control priorities handling.     

全面了解ODBC技术

开放式数据库互连技术在数据管理上可谓是数据库之间的桥梁,使得一个个小数据库连成了一个大的数据库,共享了信息资源。     

基于对象重用的企业建模设计

给出了一种基于对象重用的企业建模设计。该设计以类库为核心,采用软件重用的理论和方法,形成了一套支撑基于对象重用企业建模方法实现的集成化体系,解决了对象的定义、生成、组织、检索、重用等问题,可以快速方便地生成所需的企业模型。     

多辊轧机中辊缝模型的探讨

辊缝设定模型是冷连轧过程中实施板形控制的重要模型之一，介绍了根据弹、塑性力学与材料力学的基础理论，利用简易有限元与递推逼近获得辊缝模型的具体方法。这种方法已用于“在线”实时控制中。根据现场使用的模型进行计算机仿真，获得良好的辊缝形状。     

带滤波的遗传算法求解数据关联问题

为了快速准确地求解多传感器多目标的数据关联问题，提出了一种带滤波的遗传算法．针对经典的遗传算法在求解过程中暴露的搜索最优解速度慢，甚至得不到可行解的缺陷，借用滤波器方法，对遗传算法加以改进，使其能够较快地求得最优解，并且保证得到的是可行解，从而大大提高了数据关联的效率．     

基于强跟踪滤波器的多目标跟踪方法

在诸多的多目标跟踪算法中，相互作用多模型（IMM）算法是目前公认的最为有效的算法。但到目前为止，LMM估计方法都是建立在卡尔曼滤波器（KF）和扩展卡尔曼滤波器（EKF）基础上，因而其性能不仅依赖于所采用的模型集，而且在更大程度上依赖于所采用的滤波技术。强跟踪滤波器（STF）克服了卡尔曼和扩展卡尔曼的三大缺陷，因而设计一种基于STF的IMM目标跟踪算法显然能提高其性能。仿真实验表明，基于STF的IMM算法的跟踪性能要优于基于KF和EKF的IMM算法的跟踪性能。