一种基于PSO算法的非线性模型预测控制方法

将微粒群优化(PSO)算法用于输入受限非线性系统,提出了一种基于PSO的非线性模型预测控制算法.该算法采用双模控制策略,将保证预测控制稳定性的终端等式约束转化为终端不等式约束,推导出使系统稳定的不变可行集.在不变集外,利用PSO算法优化求解预测控制律,使系统状态进入不变集;在不变集内,利用线性状态反馈使系统状态渐近稳定.同时对算法的稳定性进行了分析.仿真结果证明了该算法的可行性和有效性.     

基于微粒群优化的模型参考自适应控制

针对复杂非线性对象提出了一种基于微粒群优化(PSO)的PID自适应控制方法.通过运用PSO算法对PID控制器参数进行在线调整,使模型参考自适应控制达到理想的控制效果.将该方法引入到连续搅拌反应釜这一复杂的非线性系统,仿真结果表明了该方法的良好性能.     

色氨酸生物合成的稳态优化

本文研究了色氨酸生物合成的稳态优化.针对色氨酸生物合成过程的三维非线性动力系统,建立了使色氨酸消耗和分泌的综合项最大的稳态优化控制模型.根据IOM方法,将非线性优化问题近似转化为线性优化问题来求解,最后得到了一个稳定而且鲁棒的稳态,在该稳态下,色氨酸产率提高为基本稳态时的9倍,这一数值结果表明了优化算法的实用性和有效性.     

基于紧约束鲁棒模型预测控制的无人车辆轨迹跟踪控制

针对无人驾驶车辆的轨迹跟踪问题,基于车辆非线性动力学模型,设计了一种紧约束鲁棒模型预测控制(MPC)方法。首先,利用魔术公式轮胎模型,结合车辆3自由度系统,构建了具有有界干扰的车辆线性离散误差模型;其次,采用紧约束控制策略设计系统的鲁棒优化问题;最后,通过在线优化得到最优控制序列,并离线构造之后多个时刻满足约束条件的可行控制序列。仿真结果表明,所提算法能够使车辆稳定快速跟踪上参考轨迹并有效提高系统计算资源利用率。     

基于粒子群优化的生物质燃烧过程环保经济预测控制

考虑包含状态约束与控制约束的生物质非线性循环流化床锅炉(CFBB)燃烧过程的多目标控制问题,提出一种环保经济模型预测控制(EMPC)算法。采用机理建模方法建立约束生物质非线性燃烧过程模型。为了在系统稳定的前提下,优化生物质燃烧过程经济性能和环保性能,结合字典序方法与收缩约束关联优化问题,通过粒子群优化算法(PSO)求解优化问题,并结合滚动时域控制原理,设计CFBB燃烧过程环保型经济模型预测控制算法。最后仿真验证本文控制算法的有效性与优越性。     

基于混合粒子群优化算法辨识Hammerstein模型

非线性系统辨识是现代辨识领域中的一个主要问题。在非线性系统辨识中,系统常被表示为一系列块连接。针对非线性系统中的Hammerstein模型,本文提出了利用混合粒子群优化算法对非线性系统模型进行辨识。该方法的基本思想是将非线性系统的辨识问题转化为参数空间上的优化问题,然后采用粒子群优化算法(PSO)获得该优化问题的解。为了进一步增强粒子群优化算法的辨识性能,提出利用一种混合粒子群优化算法。最后,给出仿真实验,其结果验证了本文给出的辨识方法是有效的。     

黄酒糖度近红外光谱降维算法的研究

选取PCA、PLS线性降维算法,LLE、LTSA、ISOMAP、FastICA非线性降维算法对光谱数据降维并建立PLS预测模型.结果表明,线性降维算法中建模效果最好的为PCA算法;非线性降维算法中建模效果最差为FastICA算法;在黄酒近红外光谱降维中非线性降维算法优于线性降维算法.选取ISOMAP-PLS和BP非线性模型对光谱数据进行建模.结果表明,ISOMAP-PLS预测效果优于BP预测效果从而验证非线性降维算法结合PLS建模的可行性.     

基于代理模型的通风盘式制动器制动盘结构优化设计

该文提出一种基于代理模型的复杂结构优化设计方法,并用于通风盘式制动器制动盘结构优化设计。提出的优化设计方法集成了CAE分析、实验设计、代理模型构造及非线性优化几部分,实验设计采用拉丁超立方抽样策略,代理模型选用改进的响应面模型,非线性优化算法采用序列二次规划算法。为了解决传统的响应面模型部分预测值与实验值误差较大问题,改进方法认为只有能够确保在每一个抽样点处的预测值与试验值的相对误差均在一定范围内的响应面模型才是一个可行的模型。在保证制动盘质量不变情况下,以寿命最大化为目标,应用设计的集成优化方法对制动盘进行优化设计,优化设计结果较好,其中制动盘疲劳寿命根据Coffin-Manson方法预测,制动过程中制动盘表面最大热应力及最高温度通过热机耦合的有限元模拟紧急制动过程获得。优化结果表明该文提出的方法是一种有效的复杂结构的优化设计方法。     

一种辨识Hammerstein模型的新方法

为了提高非线性Hammerstein模型的辨识精度,提出一种利用混合优化算法对非线性模型进行辨识的新方法。该算法的基本思想是把非线性系统的参数辨识问题转化为参数空间上的函数优化问题,然后利用遗传算法和改进的粒子群优化算法相结合寻求并获得参数问题的最优解。最后通过仿真研究表明,该方法对于非线性辨识具有较好的有效性和鲁棒性,获得了良好的辨识效果,是一种可行的解决非线性辨识问题的方法。     

基于振动测试参数的井架钢结构极限承载力预测

提出了基于振动测试参数预测井架钢结构极限承载力的两种新方法。第一种方法是针对井架钢结构的结构形式和受力特征,将其简化为简支梁,由载荷与振动频率之间的关系,推导出振动频率直接确定极限承载力的简易表达式。该方法简单易行,不需要建立系统的模型。第二种方法是应用一阶搜索优化算法修正动力有限元模型,然后进行线性屈曲、几何非线性和双重非线性分析从而确定井架钢结构的极限承载力,这种方法计算复杂些,但提高了预测准确度。最后利用近似平稳随机激励,对某型号井架钢结构进行了振动参数测试,分别应用这两种方法对极限承载力进行了预测。结果表明这两种基于动力参数的预测值相差不大,均能真实预测井架钢结构的极限承载性能,为复杂承载钢结构的极限承载力预测和安全评估开辟了新途径。