基于改进粒子群算法的约束隐式广义预测控制

针对大多数工业系统的控制输入输出都存在约束的情况,提出了一种基于改进粒子群算法的广义预测控制算法。广义预测控制算法采用隐式算法,用最小二乘法直接辨识控制增量表达式中的参数,避免求解丢番图方程;为避免粒子群算法陷入早熟,提高精度,在广义预测控制算法的滚动优化环节采用速度变异的粒子群优化算法,克服了受约束优化问题处理的缺陷,更快更准确地寻到最优目标函数值。仿真结果表明了该方法的有效性和良好的控制性能。     

基于改进粒子群算法的约束隐式广义预测控制

针对大多数工业系统的控制输入输出都存在约束的情况,提出了一种基于改进粒子群算法的广义预测控制算法.广义预测控制算法采用隐式算法,用最小二乘法直接辨识控制增量表达式中的参数,避免求解丢番图方程;为避免粒子群算法陷入早熟,提高精度,在广义预测控制算法的滚动优化环节采用速度变异的粒子群优化算法,克服了受约束优化问题处理的缺陷,更快更准确地寻到最优目标函数值.仿真结果表明了该方法的有效性和良好的控制性能.     

基于二维非结构网格的GMRES隐式算法

将广义极小残差GMRES(Generalized Minimum RESidual)隐式算法应用到二维非结构网格上,并结合LU-SGS(Lower Upper-Symmetric Gauss-Seidel)方法对所求解方程组的残值向量进行预处理,发展了一套高效、可靠的二维Euler方程的求解器。NACA0012翼型和某四段翼型的2个算例,表明该隐式算法的计算效率要比传统的四步Runge-Kutta显式算法高出几十倍,与LU-SGS隐式算法的效率相比,该算法的效率高出近1个量级。应用了重启型的GMRES算法,并对2种构造系数Jacobian矩阵的方法进行了比较。     

一种基于神经网络和参数优化的隐式广义预测控制

提出一种基于神经网络和参数优化的预测控制方法。首先利用带有动量项的改进BP神经网络辨识系统模型,在辨识过程中使用粒子群算法(PSO)对改进BP网络的初始权值/偏置、学习率、动量系数等辨识参数进行学习优化,解决这些参数的取值问题;然后将辨识得到的模型用于隐式广义预测自校正控制中,使用遗传算法(GA)对控制过程进行优化,寻找最优的控制参数(预测时域、控制时域、控制加权系数、柔化系数)。将该方法应用在热工系统中,仿真结果表明了方法的有效性。     

广义混合变分不等式问题的带变参数的非精确隐式算法

提出了一种求解广义混合变分不等式问题的带变参数的非精确隐式算法,并从理论上证明了新算法对具有全局收敛性.另外,由于算法中的参数在某些区间上取值,从而增强了算法的适应性.     

基于隐式空间映射算法微波滤波器的优化设计

该文叙述了隐式空间映射算法的方法,并应用隐式空间映射法优化设计了中心频率为5.5 GHz,通带带宽为800MHz的超宽带微波平行耦合谐振滤波器.滤波器经过3次的迭代达到了设计指标,减少了在精确模型中的仿真次数,与通常电磁仿真软件的参数扫描相比优化效果明显.     

广义预测控制（GPC）在间歇式染色机温度控制中的仿真研究

传统间歇式染色机温度控制大多采用PID算法，存在控制精度差，鲁棒性差等缺点。GPC算法鲁棒性好，控制效果佳，但存在着实时计算量大的缺点。利用多项式插值算法对GPC算法进行简化，并针对染色机模型进行了仿真研究，结果表明该算法具有鲁棒性高，控制效果好和在线计算量少的优点。     

隐式超松弛LU-SGS间断Galerkin算法

为了提高求解欧拉（Euler）方程和纳维-斯托克斯（NS）方程的计算效率,结合隐式时间离散格式研究了间断伽辽金有限元方法（DGM）.通过改进上下三角分解对称高斯赛德尔（LU-SGS）格式,引入舍入误差项,构造了超松弛内迭代LU-SGS离散格式,实现了非定常可压缩绕流流场的计算.通过Sod激波管问题、二维管道问题验证了算法的可靠性和准确性.数值计算了RAE2822翼型、ONERA M6机翼跨声速可压缩绕流问题,并与多步龙格库塔（RK）算法、LU-SGS算法和广义极小残余（GMRES）算法的计算结果进行了比较.结果表明,超松弛内迭代LU-SGS算法具有良好的稳定性和高效性,计算效率是LU-SGS格式的2.35~3.1倍,是RK格式的5.4倍.     

自适应PID控制：Ⅰ.基本原理与算法

本文是“自适应ＰＩＤ控制”的第一部分，文中分析了自适应ＰＩＤ控制的基本原理和基本算法，给出了部分算法的仿真结果并指出了自适应ＰＩＤ控制的发展方向。第二部分中，讨论了自适应ＰＩＤ控制的一般性理论问题。     

Study on the closed-loop properties of GPC

Based on the coefficient mapping of eigenpolynomial from plant to GPC closed-loop system in the IMC structure, the solvability of the optimal control law of GPC and some properties of GPC in relationship with tun ing parameters are discussed Theorems on GPC resulting in deadbeat control are given by properly choosing the design parameters. Furthermore, new result about reducing GPC closed-loop system is derived, which extends the former conclusions. It also provides a new way to study the properties of GPC system based on coefficient mapping     

求解GPC中逆矩阵的递推算法

采用矩阵分解的方法，推导出一种求解广义预测控制（ＧＰＣ）中逆矩阵的递推算法，其计算量为增广矩阵求逆算法的３０％左右．     

弯道水流水质的二步隐式算法数值模拟

采用优于SIMPLEC算法的2步隐式解法求解二维曲线坐标系下的浅水方程,建立了二维弯道水流数学模型.对流项采用二阶精度的Roe格式离散,物理变量采用适体坐标系下的同位网格布置,网格界面流速由动量插值法计算,紊动黏性系数由修正的kε-模型确定.基于此水流数学模型,建立了二维弯道水质模型.最后应用所建模型,对汉江仙桃弯曲河段内的水流水质进行了数值模拟,计算结果和实测数据符合较好,验证了所建模型的可靠性和实用性.     

非线性随机系统的鲁棒自适应平滑估计算法

针对有色噪声下一类含有未建模动态和扰动的非线性随机系统,提出一种鲁棒自适应平滑估计算法。该算法通过极小化状态平滑估计误差的方差和相邻时刻残差的协方差,在线辨识状态滤波估计误差和残差的方差,实现对未建模动态和扰动的自适应补偿。仿真结果验证了该算法在解决有色噪声下非线性随机系统的时变时滞与参数联合估计问题中的有效性。     

广义预测控制算法中参数的选择

分析广义预测控制算法中若干参数的选择对系统控制性能的影响;在内模控制结构下利用广义预测控制从对象至闭环特征多项式的系数关系,分析柔化因子a的选取对闭环系统稳定性的影响,给出选取这些参数的一般性原则.     

基于遗传算法的广义T-S模糊模型预测函数控制

提出了一种基于遗传算法的广义T-S模糊模型预测函数控制算法。首先利用减法聚类确定隶属度函数中心和模糊规则数,然后利用遗传算法同时对广义T-S模型的其他前提参数和结论参数进行辨识,并进行全局寻优。最后将本文提出的算法应用在具有强非线性特性的pH中和过程中。仿真结果表明:本文算法具有较小的超调和较好的跟踪能力。     

双层协同进化克隆选择算法及其应用

为解决克隆选择算法收敛速度慢、收敛精度低等问题,提出了双层协同进化克隆选择算法,该算法的每一层使用不同的进化方案进行寻优搜索,并通过信息共享实现了层间的协同进化,形成层内竞争与层间协作的进化模式.通过构建基于多种进化策略的混合协同进化机制,实现了不同进化策略在优化过程中的优势互补与信息增值,达到有效平衡算法的全局探索与局部开发的目的,同时也较好避免了算法的早熟收敛问题.用10个标准测试函数来验证所提出算法的可行性与有效性,仿真实验结果表明:相比克隆选择算法及其两个改进的算法,本文提出的优化算法具有全局搜索能力强、稳定性好、收敛速度快、收敛精度高等优势,且测试函数维度的增加对本文算法的收敛性能影响不大,其优势更加凸显.针对混沌系统控制与同步中的系统参数估计问题,以Lorenz混沌系统的参数估计为例,进行了未知参数估计的数值仿真,结果显示本文算法实现了混沌系统参数的高精度估计,是一种有效的混沌系统参数估计方法.     

A new improved Alopex-based evolutionary algorithm and its application to parameter estimation

In this work, focusing on the demerit of AEA (Alopex-based evolutionary algorithm) algorithm, an improved AEA algorithm (AEA-C) which was fused AEA with clonal selection algorithm was proposed. Considering the irrationality of the method that generated candidate solutions at each iteration of AEA, clonal selection algorithm could be applied to improve the method. The performance of the proposed new algorithm was studied by using 22 benchmark functions and was compared with original AEA given the same conditions. The experimental results show that the AEA-C clearly outperforms the original AEA for almost all the 22 benchmark functions with 10, 30, 50 dimensions in success rates, solution quality and stability. Furthermore, AEA-C was applied to estimate 6 kinetics parameters of the fermentation dynamics models. The standard deviation of the objective function calculated by the AEA-C is 41.46 and is far less than that of other literatures’ results, and the fitting curves obtained by AEA-C are more in line with the actual fermentation process curves.