基于神经网络的滚动时域优化控制

将神经网络逆模型控制方法与滚动时域优化控制技术相结合,提出了具有预测能力的基于神经网络的滚动时域优化控制方案。给出了控制器的结构设计及实现算法,并将其用于非线性不确定系统的控制,仿真实验表明,该控制器具有良好的非线性控制性能。     

基于差分算法的预测控制

针对参数可变的非线性模型,提出了一种基于差分算法的预测控制。利用神经网络依据系统的输入 输出数据建立预测模型,并利用差分算法对其进行滚动优化,从而提高控制系统的性能。最后,分别运用遗传算法 和差分算法实现滚动优化进行预测控制仿真,并对两种方法的仿真结果进行比较。仿真结果表明,采用差分进化算 法进行滚动优化的预测控制总体效果相对较好。     

基于神经网络建模的预测控制

预测控制具有多步预测、滚动优化和在线自适应校正等优点。文中提出了用神经网络方法建立预测模型, 将其应用到了润滑油溶剂脱蜡过程并取得了有效的仿真结果     

分布式模型预测电压控制方法研究

针对集中式模型预测控制应用于大型电力系统长期电压稳定控制中存在滚动优化计算量大的问题,提出了一种分布式模型预测电压控制算法,即将一个复杂大规模系统分解为若干区,从而将求解全网大型在线滚动优化问题分解为求解各个区的在线滚动优化问题,并通过通信网络实现各个区之间信息交换,降低问题的规模和复杂性。分别采用集中式和分布式模型预测控制方法,对New England 10机39节点设计电压控制器,通过仿真和对比分析证实分布式模型预测是可行的且在计算速度方面具有优势。     

基于蚁群算法的交通控制降阶滚动优化

为解决大规模区域交通控制滚动优化问题中的约束条件复杂、解空间规模庞大的最优化难题，提出了一种基于改进蚁群算法的降阶滚动优化算法.基于宏观交通流模型建立了区域交通控制滚动优化模型，在蚁群算法中设计了层状解构造图对该模型解空间进行描述和求解.运用降阶方法将大规模区域分解成一系列子区域，在蚁群算法中设计了复合层状解构造图对该降阶模型的解空间进行描述和求解，并分析了基于两种解构造图的蚁群算法的计算复杂度.分析和仿真结果表明，该降阶算法提高了整体计算效率，明显地降低了总停车延误时间，适用于大规模区域交通控制的滚动优化.     

约束系统优化控制的LMI方法及其滚动时域实现

研究了系统存在控制量约束时的优化控制问题.在线性矩阵不等式(LMI)优化和多目标控制的框架下,融合预测控制的滚动优化原理提出了一种滚动时域H∞性能控制方法.通过滚动优化在线协调控制性能要求和系统约束,充分利用有限的控制量提高控制性能.     

递阶变时域滚动优化生产控制策略

为降低柔性制造系统生产控制策略求解的复杂性, 提出递阶变时域滚动优化生产控制策略. 该策略利用动态规划结合变时域滚动优化技术, 通过对目标性能泛函积分上限的重新定义,把求解多维随机最优生产控制问题递阶为求解期望意义下的最优生产控制问题, 并通过在一维方向上的变时域滚动优化来逼近原始问题的最优解. 同时给出了该策略的优化算法,仿真结果表明该策略快速有效, 避免了直接求解偏微分方程带来的困难, 提高了控制的精确性和实时性,使生产满足准时制.     

改进参考轨迹的滑模预测控制在磁悬浮轴承的应用

研究了不确定离散时间系统的滑模预测变结构控制器的设计问题,针对常规滑模变结构控制方法在电磁轴承控制当中引起的抖动问题,提出了一种能有效削弱系统抖振并保证系统渐近稳定的幂指数趋近律,将该趋近律作为滑模参考轨迹,以不确定系统的名义模型作为滑模预测模型,将预测控制中滚动优化、反馈校正的思想引入离散准滑模变结构控制系统的设计,实现了滚动优化求解.建立电磁轴承动力学模型,并对其进行了仿真,结果表明:该方案可以有效减弱抖动对系统的不利影响,实现了转子的快速调整和稳定悬浮,其跟踪性能快速精确,同时对系统参数变化和阻力扰动具有很强的鲁棒性.     

复杂双容水箱系统的递阶预测控制优化算法

针对复杂双容水箱系统,以控制两个下水箱液位跟踪设定值为设计目标。为实现良好的水箱液位控制效果,首先构造液位控制的无穷时域性能指标,建立了复杂双容水箱无穷时域性能优化问题的数学描述;随后将基于时间分解协调的递阶优化和预测控制的滚动优化思想引入水箱液位控制,将优化时域较长所引起的大规模参数优化问题分解为各时间点上独立的小规模参数优化问题,从而得出显式优化解,取得较优的水箱液位控制效果。     

一种基于禁忌搜索的电容层析成像图像重建算法

针对电容层析成像ECT(electrical capacitance tomography)系统中存在的"软场"效应和病态性问题,在分析电容层析成像原理和成像算法的基础上,提出一种基于禁忌搜索的电容层析成像图像重建算法.该方法将禁忌算法引用到ECT图像重建中,通过构造目标函数,设定邻域和禁忌表约束图像重建,以藐视准则和特设准则为条件将图像重建问题转换为寻找全局最优解问题,利用终止准则跳出禁忌搜索.通过MATLAB软件仿真,实验结果表明,得到的重建图像更接近原型,误差要比LBP算法小,图像质量更保真,为ECT图像重建提供一个新的方向.     

基于AP-LSSVM的多模型预测控制

针对一类非线性系统的控制问题,结合基于仿射传播聚类的最小二乘支持向量机（LS-SVM）多模型建模算法与PSO优化算法,提出新的多模型预测控制算法.采用仿射传播聚类算法对历史样本数据进行聚类,得到各个类的训练样本数据|利用LS-SVM对各个类分别建立子模型,采用网格搜索和交叉验证为各子模型找到合适的模型参数,将所建立的子模型作为预测控制算法的预测模型.在滚动优化时,计算当前控制量与各聚类中心的欧氏距离,选择相应的子模型计算未来时刻模型的预测输出,计算得到参考轨迹.建立优化问题的目标函数,采用PSO算法优化求解得到系统的最优控制量作用于对象.将提出的算法在某芳烃异构化过程中进行仿真试验,分别采用提出的算法以及单模型预测控制算法、基于k均值和BP神经网络的多模型预测控制算法进行仿真.结果表明,采用提出的多模型预测控制算法可以获得更好的控制性能.     

交通流诱导与控制协同优化模型的遗传算法求解

以路段和交叉口的加权拥挤程度最小为目标,建立诱导和控制的协同优化交通流分配模型,并提出基于遗传算法的求解。采用动态滚动式计算模型算法得出的均衡流量调整为诱导信息的发布提供定量依据,能够将诱导和控制协同起来均衡路网流量,避开拥挤。小路网试验结果表明:该模型算法实时、有效,便于实施。     

QDPSO滚动优化的LS-SVM预测控制研究

针对非线性强时滞系统,传统的预测控制算法难以建立精确模型,其控制精度不高。提出一种基于最小二乘支持向量机(LS-SVM)的非线性模型预测控制算法,该算法通过LS-SVM对非线性系统输入输出数据序列的训练学习,构建其离线的预测模型,然后运用量子粒子群优化(QDPSO)算法来完成整个滚动优化的过程。仿真结果表明基于LS-SVM的非线性模型预测控制比动态矩阵控制具有更好的控制品质。     

Robot path planning in globally unknown environments based on rolling windows

In this paper, robot path planning in globally unknown environments is studied. Using the rolling optimization concept in predictive control for reference, a new strategy of path planning for a mobile robot, based on rolling windows, is proposed. The method makes full use of the real-time local environmental information detected by the robot and the on-line path planning is carried on in a rolling style. Optimization and feedback are combined in a reasonable way. The convergence of the planning algorithm is also discussed.     

DMC算法在焦炉加热系统中的应用

焦炉加热系统是典型的大惯性、非线性的复杂系统,很难建立其精确数学模型。DMC算法通过模型预测,在线滚动优化和误差校正等环节,在没有精确模型的情况下也能实现良好的控制性能。提出将此算法应用在焦炉加热控制系统中,并进行了仿真研究。结果表明,DMC算法应用在焦炉加热系统中可以取得良好的效果。     

基于免疫蜂群算法的冷轧生产调度优化方法

冷轧生产调度是一个复杂的约束组合优化问题,生产约束包括轧制板坯的宽度、厚度、硬度跳变及交货期提前和拖后惩罚等。基于1．sP（多旅行商）问题,建立了冷轧生产调度问题的最小值模型,提出了一种免疫蜂群优化求解算法。通过给蜂群注射疫苗产生出代表新的解集的种群,避免算法在优化过程中陷于局部极值。针对工业数据的仿真结果表明：免疫蜂群优化算法明显优于人工蜂群优化算法的解,具有较好的收敛性和快速性。     

预测控制算法及其在倒立摆中的应用

基于神经网络模型的预测控制算法,是利用前向神经网络建立非线性被控对象的模型,以滚动优化、反馈校正实现对系统的控制。将其应用于倒立摆系统中,实现了对摆角和位移的同时控制。理论分析与仿真结果表明,该算法可避免对受控对象做复杂的数学分析。具有收敛速度快,鲁棒性较强的特点。     

一种改进遗传算法在数值优化中的应用

提出了一种改进的遗传算法———可变适应度的遗传算法,并详细介绍了该方法在数值优化计算中的应用,以及该方法在提高算法的收敛速度和算法的可靠性方面的作用和原理。最后通过实际的例子说明了算法在数值计算中的有效性。     

动态矩阵控制研究进展及其应用现状

动态矩阵控制(dynamic matrix control,DMC)算法是一种基于对象阶跃响应预测模型、滚动实施并结合反馈校正的优化控制算法,是预测控制算法之一.文中探讨了动态矩阵控制理论的发展和现状,主要包括动态矩阵控制系统的稳定性、鲁棒性等性能.并就当前动态矩阵控制在工业控制领域中的发展应用现状、以及今后的可能研究发展方向做了分析.