计及广域测量系统时滞影响的灵活交流输电系统阻尼控制器多目标设计

广域测量系统为有效抑制互联电网区间低频振荡提供了技术手段,但其量测信号传输时滞可能导致系统阻尼性能降低甚至失稳。本文针对广域测量环境下灵活交流输电系统(FACTS)阻尼控制器设计问题,建立了一种计及信号传输时滞的FACTS阻尼控制模型,并提出了以最大化阻尼比和时滞稳定裕度为目标的辅助阻尼控制器智能优化设计方法,该方法以多目标粒子群优化算法为基础,采用二维Sigma领导策略实现粒子加速搜索并通过混沌变异操作避免算法早熟,得到了基于模糊集的有序Pareto解集,克服了时滞相关镇定现有控制器综合算法仅能获得次优解的不足。两区四机互联电力系统算例表明利用该方法获得的FACTS阻尼控制器既能有效阻尼区间低频振荡,又能容忍一定的信号传输时滞。     

基于信念重用的WSNs能量高效跟踪

针对无线传感器网络(WSNs)中目标跟踪性能与传感器能量消耗难以平衡问题,提出一种信念重用的WSNs能量高效跟踪算法。使用部分可观察马尔可夫决策过程(POMDPs)对动态不确定环境下的WSNs进行建模,将跟踪性能与能量消耗平衡优化问题转化为POMDPs最优值函数求解过程;采用最大报酬值启发式查找方法获得跟踪性能的逼近最优值;采用信念重用方法避免重复获取信念,有效降低传感器通信带来的能量消耗。实验结果表明:信念重用算法能够有效优化跟踪性能与能量消耗之间的平衡,达到以较低的能量消耗获得较高跟踪性能的目的。     

基于Monte Carlo 粒子滤波的POMDPs 在线算法

针对部分可观察马尔可夫决策过程(POMDPs)的信念状态空间是一个双指数规模问题,提出一种基于 Monte Carlo 粒子滤波的 POMDPs 在线算法.首先,分别采用粒子滤波和粒子映射更新和扩展信念状态,建立可达信念状态与或树;然后,采用分支界限裁剪方法对信念状态与或树进行裁剪,降低求解规模.实验结果表明,所提出算法具有较低的误差率和较快的收敛性,能够满足系统实时性的要求.     

循环流化床过程控制云仿真平台设计与应用

为降低循环流化床过程控制系统现场调试的风险,提高其适应性和可靠性,基于云制造的思想,通过设计基于预测的喷水减温对象模型和基于线性回归的脱硫效率对象模型,并进行合理封装,实现对制造资源的虚拟化;在此基础上,使用典型的PLC、DCS、数模转换设备和服务器等硬件设备,建立一种循环流化床脱硫过程控制半实物云仿真实验系统,为制造企业、研究与设计机构等云请求端用户提供脱硫过程控制系统的生产过程模拟、优化操作参数验证、控制算法仿真与性能分析等云制造服务.以某钢铁企业烧结生产的烟气脱硫过程为例,说明了仿真平台的使用方法,并验证其有效性.     

基于GA-PSO算法的烧结料场原料库存量优化

原料采购库存成本的约束是钢铁企业流动资金的制约瓶颈,针对钢铁企业烧结料场铁矿粉原料采购与消耗特点,以企业原料库存费用最小为目标建立了烧结料场铁矿粉原料库存量优化模型,提出一种基于遗传-粒子群算法的烧结料场铁矿粉库存量优化方法。同时,应用某钢铁企业360 m²烧结生产线的综合原料场实际生产数据进行仿真验证,结果表明,该模型可以反映该钢铁企业综合料场铁矿粉库存量的实际情况,采用的优化方法可以得到模型的最优解,为钢铁企业采购计划的制定提供决策支持。     

基于后验信念聚类的在线规划算法

在连续状态的部分可观察马尔可夫决策过程中,在线规划无法同时满足高实时性与低误差的要求.为此,提出一种基于后验信念聚类的在线规划算法.使用KL散度分析连续状态下后验信念之间的误差,根据误差分析结果对后验信念进行聚类,利用聚类后验信念计算报酬值,并采用分支界限裁剪方法裁剪后验信念与或树.实验结果表明,该算法能够有效降低求解问题的规模,消除重复计算,具有较好的实时性和较低的误差.     

基于点的POMDPs在线值迭代算法

部分可观察马尔可夫决策过程(partially observable Markov decision processes,简称POMDPs)是动态不确定环境下序贯决策的理想模型,但是现有离线算法陷入信念状态“维数灾”和“历史灾”问题,而现有在线算法无法同时满足低误差与高实时性的要求,造成理想的POMDPs模型无法在实际工程中得到应用.对此,提出一种基于点的POMDPs在线值迭代算法(point-based online value iteration,简称PBOVI).该算法在给定的可达信念状态点上进行更新操作,避免对整个信念状态空间单纯体进行求解,加速问题求解;采用分支界限裁剪方法对信念状态与或树进行在线裁剪;提出信念状态结点重用思想,重用上一时刻已求解出的信念状态点,避免重复计算.实验结果表明,该算法具有较低误差率、较快收敛性,满足系统实时性的要求.     

非达尔文效应多目标免疫算法

为了强化非基因信息的传承与利用, 提出一种非达尔文效应多目标免疫算法(non-Darwin effect multiobjective immune algorithm, NDIA). 首先, 利用区间记忆变异矩阵来保存进化中成功变异的区间信息, 以引导后续的进化操作, 加强局部搜索能力. 其次, 算法使用Pareto排序来选择非劣解. 当非劣解的数量超出预设规模时,利用拥挤距离进行排序来选择相对稀疏的抗体保留. 最后, 算法对最后的非劣解集进行删减时设计了均匀度增强算子, 通过多次拥挤距离的排序反复删减最拥挤的抗体, 从而提高非劣解集在目标空间上的均匀性. 通过多目标测试函数的仿真试验, 与经典的多目标进化算法相比, 新算法得到的最终解集在覆盖性、收敛性和分布性均有明显的改善, 并能更好地逼近理论Pareto前沿.     

一种烧结生产过程控制云制造仿真实验平台

为减少自动化系统现场调试的风险,提高适应性和可靠性,针对钢铁制造业中的烧结生产过程,设计并实现了一种基于云制造的仿真实验平台,提出云服务端以可编程逻辑控制器群、集散型控制系统群、服务器群和数据库群等为物理资源层,以烧结过程的各种虚拟过程控制对象和优化控制模型等为虚拟资源层,面向钢铁制造企业、研究与设计机构等云接入端用户,提供烧结过程优化控制系统的半实物仿真、操作参数验证、生产过程模拟以及工艺流程学习等云服务。以烧结生产偏析布料工序的料层厚度自动控制系统为例,验证了实验平台的有效性。