模型降阶方法研究

本文综合了模型降阶领域的现有方法,首先着重介绍了模型降阶的主要方法,并以图表的方式给出了各方法的分类及特性归纳。最后基于模型降阶的研究现状和存在的问题提出了一些看法,以便为实际工程应用提供参考。     

基于模型降阶的最优分数阶PID控制器设计

由于一些受控对象较为复杂或者模型系统阶次较高,使得控制器的设计变得非常困难,这会造成控制系统的鲁棒性和动态特性下降;文章在H2范数模型降阶的基础上提出一种新的降阶模型结构,它可以使降阶后的模型扩展到分数阶并且更加精确地逼近各种高阶系统,并以降阶后模型的幅频、相频和对象增益变化的鲁棒特性为约束条件进行最优分数阶PID控制器的设计;仿真实验证明,与原有闭环控制系统相比,基于模型降阶的最优分数阶PID控制器控制下的闭环系统具有更好的动态性能,并且鲁棒性较强。     

控制系统最优降阶技术与应用

本文给出一种新的控制系统最优降阶技术并介绍其在控制系统设计中的应用，文中引入的最优降阶的准则是在指定输入信号时，对降阶模型与原始模型之间误差的加权最小积分方差。广西重点讨论连续系统的降阶算法，但结论同样适合于离散时间系统，文中还将通过一个例子来淙本方法和其它传统方法相比的优越性。     

离散系统自寻最优降阶模型的一种新方法及应用

本文提出了离散系统自寻最优降阶模型的一种新方法及应用.它是通过将误差多项式的系数设置为零使模型与系统的部分 M 参数及 H 参数相匹配,M 参数和 H 参数又是根据七种不同的误差积分指标由用户根据需要选定其中的任意一种,使这种误差积分指标最小而实现自寻最优的匹配,从而使获得的降阶模型接近于系统.就是说保持了系统的一定特性.这是一种合理的近似.根据这种方法以 PASCAL 语言编制成程序,在 PDP-11/23计算机上运行.以某个实际的计算机系统为例,进行了仿真和比较,论证了这种方法的正确性、可行性以及相当好的效果.这是一种效率高。易于实现 M 和 H 参数的最优匹配型,并易于理解的方法。     

基于模型降阶的分数阶系统动态性能研究

由于大多数分数阶系统阶次过高,使得系统的控制器设计变得非常困难,会造成系统控制精度变差且动态性能降低等不利因素,而模型降阶技术是解决这一问题的有效工具.首先简要介绍了H2范数模型降阶的一般方法,并提出一种新的降阶模型结构,可以使降阶后的模型扩展到分数阶并且更加精确地逼近各种高阶系统.仿真结果证明,采用改进型H2范数模型降阶方法不仅保持了原有分数阶模型系统的动态性能而且还提升了原有整数阶模型系统的动态性能.     

关于模型降阶的一些试验结果

把几种具有较高逼近精度的频域降阶模型用于控制系统设计,给出设计后的仿真结果.说明不仅应研究如何提高逼近精度,而且应研究降阶设计方法.     

大系统模型降阶的直接离散化方法

本文从频域最小二乘拟合出发,提出了高阶线性定常时间连续数学模型降阶为低阶线性定常时间离散模型的直接方法。本方法算法简单,便于编制计算机辅助设计程序,使降阶设计高度程序化;概念明确,在宽广的频带内具有较高的拟合精度,易为工程实际所应用。     

求解决策表最小属性约简的SAGA

首先给出求解决策表核属性集的算法,然后采用动态调节近邻子集的方法改进模拟退火遗传算法,应用于求解决策表的最小属性约简。该约简算法利用核属性集优化初始种群,并采用自适应方式动态选取交叉和变异概率,有效地抑制了早熟收敛现象,提高了算法在解空间中的探索能力和效率。实验结果显示该算法能有效求解决策表最小属性约简问题。     

基于信息物理融合的骨折复位机器人系统构建

针对骨折治疗中传统复位方法（手法复位、牵引复位、手术复位）存在的二次损伤、肌能失调、患肢僵硬、破坏血运及术后矫正动态性能差等问题,提出了一种人-机-物融合的信息物理系统（CPHS）用于指导机器人的复位动作。首先,从CPHS的数字孪生、信息感知、系统集成、手术流程、模拟复位等方面论证了并联机器人信息物理系统的构成,将机器人的高定位精度及可重复性与微创方法有效结合,从而指导医生完成仿真规划及术中监控等一系列操作;其次,根据临床骨折复位过程,在机器人操作下对5组不同骨折姿态的模拟骨折病例进行了复位实验;最后,计算出每组实验复位后的移位残余及角度误差,并与传统复位方法的相应数据进行对比。实验结果表明,CPHS骨折复位机器人相较于传统复位方法,在骨折复位过程和患者术后康复上均有着明显的优势。     

A two-dimensional warranty servicing strategy based on reduction in product failure intensity

The cost of servicing a warranty depends, amongst other factors, on the type of repair performed under warranty. Although “all minimal repair” and “all replacement” policies are easy to implement and analyze, they are not always feasible and/or practical. Having a combination of different types of repair often leads to lower warranty servicing costs. In this article, to reduce the warranty servicing cost, we study a servicing strategy that involves performing imperfect repairs in place of some of the minimal repairs of an “all minimal repair” strategy; the effect of an imperfect repair is characterized by a drop in the conditional intensity function of the failure process. We consider both fixed and random degrees of repair. For a given type of product, we partition the warranty region so that the expected total warranty servicing cost is minimized. We provide a numerical illustration and a comparison with previously-studied repair-replacement strategies.     

A variable reduction strategy for evolutionary algorithms handling equality constraints

Efficient constraint handling techniques are of great significance when Evolutionary Algorithms (EAs) are applied to constrained optimization problems (COPs). Generally, when use EAs to deal with COPs, equality constraints are much harder to satisfy, compared with inequality constraints. In this study, we propose a strategy named equality constraint and variable reduction strategy (ECVRS) to reduce equality constraints as well as variables of COPs. Since equality constraints are always expressed by equations, ECVRS makes use of the variable relationships implied in such equality constraint equations. The essence of ECVRS is it makes some variables of a COP considered be represented and calculated by some other variables, thereby shrinking the search space and leading to efficiency improvement for EAs. Meanwhile, ECVRS eliminates the involved equality constraints that providing variable relationships, thus improves the feasibility of obtained solutions. ECVRS is tested on many benchmark problems. Computational results and comparative studies verify the effectiveness of the proposed ECVRS.     

一个基于模拟退火的多主体模型及其应用

近些年,多主体系统的理论及应用得到了人们的广泛关注,并得以迅速发展.研究者提出了很多基于多主体系统理论的模型,用于求解各种问题.AER(Agent-environment-rules)模型正是一个用于求解约束满足问题较为成功的例子.但是,主体的静态策略选择在一定程度上限制了模型的求解性能.将模拟退火算法与多主体系统思想相结合,并赋予主体更为高效的动态策略选择的能力,提出了SAAER模型(simulated annealing based AER model).基于约束满足问题经典实例--N-Queen问题和染色问题的实验表明,改进后的模型较之原模型获得了更高的效率和稳定性.对于N=10000的大规模N-Queen问题,能在200s左右的时间求得精确解.     

一种融合模拟退火和单亲遗传的优化求解算法

度约束最小生成树是一个经典的组合优化NP难题,其在网络设计和优化中有广泛的应用;现有求解方法往往不能很好地兼顾求解效率和求解精度;为了在缩短求解时间的同时,更好地获得最优解,提出了一种结合模拟退火算法和单亲遗传算法的改进求解算法;首先,改进遗传算法中变异因子的生成方式,避免不可行解个体的产生,并且设计自适应变异率,以提高算法的求解效率;其次,针对单亲遗传算法仅有变异操作可能导致最优解个体跳跃的问题,结合模拟退火的思想,来保证解的全局最优性;最后,在具体的度约束最小生成树问题中进行了三组实验,从运行时间和最优解的情况等方面与传统单亲遗传算法进行对比,实验表明该算法在求解效率和获得最优解方面都有较好的改进效果。     

基于ABC-SA混合算法的群控电梯优化调度

为解决电梯群控系统（Elevator group control system,EGCS）时间和能耗性能不理想的问题,提出一种基于改进人工蜂群的电梯群控多目标优化调度算法。首先,针对EGCS控制目标复杂性,建立具有多评价指标的群控电梯调度模型,依据该模型的适应度值进行合理派梯选择;其次,引入模拟退火准则优化基本人工蜂群算法结构以解决算法易陷入局部最优解的问题,使用混合改进的人工蜂群算法进行多目标优化调度。仿真结果表明,所提算法在侯梯时间、乘梯时间和停靠次数三个性能指标上对比基本人工蜂群算法均有所提高,有效说明该方法在求解柔性多目标群控电梯优化调度时具有一定的优越性。     

基于模拟退火与贪心策略的平衡聚类算法

针对现实应用通常要求聚类的结果相对平衡的问题,提出了一种基于模拟退火与贪心策略的平衡聚类算法（BCSG）,该算法包括基于模拟退火的初始点选择算法（SACI）与基于贪心策略的平衡聚类算法（BCGS）2个步骤,以提高平衡聚类算法的聚类效果与时间性能。首先基于模拟退火在数据集中快速定位出K个合适的数据点作为平衡聚类初始点,然后每个中心点分阶段贪婪地将距离其最近的数据点加入簇中直至达到簇规模上限。在6个UCI真实数据集与2个公开图像数据集上进行的聚类对比实验结果表明：在簇数目较大时相比Fuzzy C-Means聚类结果平衡度最高提升了50%以上;聚类结果的准确率相比Balanced K-Means、BCLS两个表现较好的算法平均提高了8个百分点;算法时间复杂度也更低,在较大规模的数据集上运行时间比Balanced K-Means最高减少了近40%。实验结果表明BCSG具有更佳的聚类效果和时间性能。     

基于捕食搜索策略的模拟退火优化算法

针对传统模拟退火算法初始温度和降温函数难以确定以及接收劣质解同时容易遗失当前最优解等缺陷,将禁忌搜索算法的禁忌表功能引入SA算法,避免遗失最优解和对某个解进行多次重复地搜索;根据函数的复杂程度确定初始温度,并定义新的降温函数,提高算法的搜索效率和精度;引入捕食搜索策略,平衡算法搜索能力和开发能力,避免陷入局部最优。通过对5个典型的基准测试函数的仿真表明,改进算法具有较强的全局搜索能力,同时寻优精度和收敛速度比原算法也有较大的提高。     

零售商多种价格策略下的最优订购模型

同种产品以多种价格同时销售(多种价格策略)是零售商常用的折扣策略,为了找到多种价格策略下零售商实现期望利润最大化的订购量,对经典报童模型进行拓展,分别从无订购量约束和订购量约束两方面进行研究和讨论.在多种价格对应消费者需求不确定情况下建立一个新的报童模型,使用拉格朗日乘子法求解订购量约束问题,并设计近似最优总订购量的求解算法.数值分析结果表明:多种价格策略优于单一价格策略,订购量约束对零售商多种价格策略的选择会产生影响;在有订购量约束情况下,零售商的多种价格策略还会受到价格折扣系数、需求差异性的影响.