基于PSO-控制变量参数化混合策略的间歇化工过程优化控制

控制变量参数化方法作为一种化工过程动态优化的梯度搜索算法,其求解效率过于依赖初始给定轨迹。目前初始轨迹一般都是设定在边界值或中间值,缺乏科学依据,从而大大影响了算法的收敛速度。针对这一问题,提出了一种粒子群优化(PSO)与控制变量参数化方法混合的策略,首先利用粒子群优化对间歇化工过程最优控制量进行求解,结果作为控制变量参数化方法初始给定轨迹,进行二次优化。双层优化的混合策略提高了控制变量参数化方法的收敛速度和粒子群优化算法的求解精度。将混合策略应用于两个间歇化工过程优化控制实例,仿真结果表明了该算法对求解化工过程动态优化问题具有可行性和有效性。     

输入与速度饱和的异构多智能体系统的一致性

针对由一阶与二阶智能体构成的异构多智能体系统具有输入和速度饱和特性,系统无法达到一致性的问题,构建了无领航者和有领航者的异构多智能体分布式控制器,并给出了系统达到一致性的充分条件。通过Lyapunov稳定性理论和Lasalle不变集原理推导出了系统稳定性的充分条件,并以此计算出了通信增益的取值范围。对具有输入和速度饱和特性的无领航者异构多智能体系统进行数值仿真,结果显示,当选取的通信增益不在合适的范围内时,无领航者的异构多智能体系统无法实现一致性;而通过提出的增益选取方法选取通信增益时,异构多智能体系统可以克服输入和速度的饱和特性,进而实现异构多智能体系统的半全局一致性。对具有输入和速度饱和特性的领航跟随异构多智能体系统进行数值仿真的结果则证明了通信增益的计算方法也适用于异构多智能体系统的半全局领航跟随一致性控制。     

基于PSO-控制变量参数化混合策略的间歇化工过程优化控制

控制变量参数化方法作为一种化工过程动态优化的梯度搜索算法，其求解效率过于依赖初始给定轨迹。目前初始轨迹一般都是设定在边界值或中间值，缺乏科学依据，从而大大影响了算法的收敛速度。针对这一问题，提出了一种粒子群优化(PSO)与控制变量参数化方法混合的策略，首先利用粒子群优化对间歇化工过程最优控制量进行求解，结果作为控制变量参数化方法初始给定轨迹，进行二次优化。双层优化的混合策略提高了控制变量参数化方法的收敛速度和粒子群优化算法的求解精度。将混合策略应用于两个间歇化工过程优化控制实例，仿真结果表明了该算法对求解化工过程动态优化问题具有可行性和有效性。