应用Clegg积分器实现多目标优化控制

给出多目标优化控制系统的定义，它的稳定判据，讨论怎样应用Ｃｌｅｇｇ积分器实现多目标优化控制，解决了控制论中长期没有解决的多目标优化控制问题。文中所讨论的设计方法适用于其它类型的非线性积分器组成的多目标优化控制。     

飞机飞行控制多目标优化研究

针对飞行控制系统单目标优化算法与飞行品质要求之间缺乏相关性,且物理意义不明确的缺点,提出了一种基于C*准则的模型参考飞行控制设计多目标优化方法。首先,使用飞行品质建立参考模型,保证所建立的参考模型符合期望飞行品质的要求。然后,通过模型跟随的方法,将飞行品质的要求引入多目标优化中,使得整个优化设计过程物理意义更加明确。最后,使用多目标NSGA-II对某型飞机纵向控制律设计进行数值仿真,结果显示提出的方法可以有效地提高控制器参数整定效率,整定结果满足期望的飞行品质要求。     

水下航行器控制规律的多目标优化

水下航行器是一个大规模复杂耦合系统,其航行结果由控制规律来决定.而控制规律往往同时受多种因素的影响.控制规律的优化就是一个多目标最优化问题.寻找一个解,使多个目标同时达到最优或对各性能指标加以综合评价是比较困难的.在水下航行器深度控制中以响应时间、操舵次数、航行深度的误差为优化目标.在纵平面内进行控制规律的多目标优化设计.根据水下航行器的力学特性,建立仿真模型,解算定深弹道,得出实际弹道与理论弹道的偏差信息.基于遗传算法良好的全局搜索特性,应用批处理遗传算法进行优化,最终得到控制规律的最优解.结果证明,优化后的解更有利于指导工程实践.     

城市污水处理过程动态多目标智能优化控制研究

城市污水处理过程(Municipal wastewater treatment process, MWWTP)是一个典型的复杂流程工业过程, 其优化运行涉及到多个动态性能指标. 为了实现城市污水处理运行过程的优化控制, 本文提出了一种城市污水处理过程动态多目标智能优化控制方法(Dynamic multiobjective intelligent optimal control, DMIOC). 首先, 建立了一种基于自适应核函数的动态性能指标模型, 实现了城市污水处理关键性能指标的准确描述; 其次, 设计了一种基于自适应飞行参数调整机制的动态多目标粒子群优化算法(Dynamic multiobjective particle swarm optimization, DMOPSO), 可有效平衡粒子的多样性和收敛性, 完成了溶解氧和硝态氮优化设定值的实时获取; 最后, 利用多回路PID控制方法对溶解氧和硝态氮优化设定值进行控制, 实现了城市污水处理过程安全稳定运行. 将提出的DMIOC应用于城市污水处理基准仿真平台, 实验结果显示: DMIOC 能够提高溶解氧和硝态氮的控制效果, 实现城市污水处理过程出水水质达标, 并降低运行成本.     

电热水器最佳功率多目标遗传算法优化控制

为了提高电热水器(EWH)的使用效率,从智能用电控制技术角度考虑,对电价改变、外部温度以及用户的用水习惯进行了综合分析,构建了可以同时满足用电成本与舒适度要求的EWH优化策略。优化结果表明:在α取值为11/12时,电费降低了5%,而热不适只小幅增大2%。采用多目标优化控制模式能够获得最优EWH曲线,从而更好地完成需求响应。用户对EWH采取预加热或实时控温的方式,会提高系统的晚高峰用电负荷。为提升用户的舒适度,按照峰谷分时电价完成电价响应,通过发挥EWH储热作用,使负荷群获得的聚合功率保持到早晨。早晨时段属于低谷用电阶段,可以达到削峰填谷效果。该研究对智能家装的效率提高具有很好的实际指导意义。     

多无人机模糊多目标分布式地面目标协同追踪

针对城市环境中多约束条件下多无人机协同追踪地面目标问题,综合考虑具有不同重要性等级的多个优化目标,提出了一种基于分布式预测控制的模糊多目标航迹规划方法.首先,考虑城市环境中建筑物对无人机视线遮挡、无人机和传感器能量消耗等因素,分别采用目标覆盖度、控制输入代价和开关量形式传感器能耗等为目标函数,将多无人机协同追踪航迹规划转化为多目标优化问题;然后,基于分布式预测控制框架,利用每架无人机未来有限时域内的预测状态,构建多无人机之间的避碰约束,并结合最小转弯半径等约束,形成分布式协同航迹规划模型;最后,针对多个优化目标的不同重要性等级要求,利用模糊满意优化思想将目标模糊化,并根据更重要目标具有更重要满意度的原则,将优先等级表示为松弛满意度序,通过在线求解得到有限时域内每架无人机的局部航迹;与传统多目标加权算法仿真结果对比,验证了所提方法的有效性,充分说明了该方法能够获得同时满足目标优化和重要性等级要求的最优航迹.     

城市交通联网控制及其多目标优化实现

从城市交通的宏观动态特性出发, 提出了城市交通的动态多车道、四相位网络模型, 并给出了多目标优化性能指标及其约束条件. 采用了遗传算法进行多目标优化. 仿真结果表明本文的方案是可行的.     

多目标进化算法及其在控制领域中的应用综述

多目标进化算法在求解多目标优化问题方面具有独特的优势.对此,介绍了多目标进化算法的基本原理,讨论了多目标进化算法的一系列改进方法;论述了近年来多目标进化算法在自动控制领域中的最新研究成果,并对其未来的发展方向进行了展望.     

基于MOLCA的催化裂化分离系统多目标模糊优化

催化裂化分离系统由分馏系统和吸收稳定系统两部分组成,本文将催化裂化分离系统作为一个整体进行研究。应用流程模拟软件Aspen Plus建立了该系统的全流程模拟,在此基础上,以干气中C_（3＋）组分数最小和系统能耗最少作为优化目标,建立了该系统的多目标优化数学模型。应用模糊优化理论对优化约束条件进行模糊处理,并采用多目标列队竞争算法（MOLCA）对模糊优化模型以及普通优化模型进行求解。计算结果表明,采用模糊优化的结果优于普通优化的结果,干气品质和系统能耗都得到了明显的改善。为催化裂化分离系统的操作优化提供了参考。     

智能多目标优化控制及其应用

本文首先提出了MLMO原则,即被控过程的规模越大,越复杂,要获得满意的控制效果所须达到的控制目标就越多,为了对复杂的具有变化特性的过程进行有效的建模与控制,提出了过程划分的方法,之后又提出了具有后果相关性的模糊多目标预测控制(FMPC),用以实现对具有不确定性的复杂过程实现多目标的优化控制,最后将过程划分技术、FMPC方法与专家系统技术结合起来,提出了智能多目标优化控制方法(IMOC),并将其应用于对列车运行过程的控制,仿真结果证明了所提方法的有效性和优越性。     

模糊预测-PID复合控制在高速列车制动中的应用

为解决高速列车的快速、准确、舒适停车问题,分析并建立了列车制动的牵引力模型;综合考虑列车制动过程中舒适度因素的影响,提出了带有舒适度约束条件的模糊预测-PID复合控制方法。该控制方法结合了模糊预测控制以及模糊PID控制的优点,使列车制动过程的控制没有死角,控制状况始终处于最优。在制动距离较大情况下采用模糊预测控制修正控制量,优化制动力,使制动过程满足舒适度要求;在距离较近的情况下,采用模糊PID实现列车的准确停车。仿真结果证明了该方法的可行性和有效性。     

Characteristic model-based all-coefficient adaptive control for automatic train control systems

Safe and reliable automatic train control is a primary consideration for any advanced rail transit system. This paper introduces the characteristic model-based modeling method into ATC system and develops an all-coefficient adaptive control. Two characteristic models,namely speed characteristic model and position characteristic model,are established for analyzing both train traction and cruising dynamical characteristics.Control strategies are proposed using single speed feedback and speed/position bi-feedback. Numerical simulations are carried out to verify the effectiveness of the proposed strategies,showing that control objective and required dynamic performance are well satisfied. Moreover,the system shows robustness against time-varying model uncertainties and unknown operational environment dynamics.     

吊车防摆技术的研究

本文介绍了为消除吊车在吊运货物时引起的摆动进行的实验研究。实验方法都有各自的优缺点和所适用的场所、环境。证明了最优调节器防摆、模糊控制防摆和自适应防摆等都有良好的防摆效果。     

Optimal Terminal Iterative Learning Control for the Automatic Train Stop System

The train stop control is a typical set‐point control task, where only the final state (i.e., the terminal train stop position) is of concern and specified. For such a control problem, an optimal terminal iterative learning control (TILC) approach is presented in this paper, where the stopping position and initial braking speed are chosen as the terminal system output and the control input, respectively. The controller design only depends on the measured input/output (I/O) data without requiring any modeling information of the train operation system, and the learning gain is updated by the system I/O data iteratively to accommodate the system uncertainties. The monotonic convergence of the terminal tracking error is guaranteed by rigorous mathematical analysis. Extensive simulation results are provided to show the applicability and effectiveness of the proposed approach.     

灰色预测模糊自适应PID控制的城轨列车智能驾驶系统研究

为提高城轨列车驾驶系统的智能化程度,将灰色预测控制与模糊自适应PID控制技术相结合,应用到城轨列车驾驶系统中。在对城轨列车驾驶系统进行需求分析的基础上,针对其对各种性能指标的要求,提出了基于灰色预测模糊自适应PID控制的城轨列车智能驾驶系统的设计方案。将灰色预测控制与模糊自适应控制应用到经典PID控制中,设计出了系统的智能控制器,有效满足了城轨列车在运行时对跟踪误差、准点率、停车误差、舒适度和节能性等多个性能指标的要求。仿真结果表明:采用灰色预测模糊自适应PID算法的控制系统具有良好的控制精度且系统的智能化程度得到了相应的提升。     

柔性关节微操作机器人自适应模糊预测控制

对一种柔性关节微操作机器人系统提出了多输入多输出直接自适应模糊广义预测控制方法,此方法先基于机器人理论模型设计出广义预测控制器,再构造直接自适应模糊控制器逼近广义预测控制器,并用机器人视觉误差信息对控制器参数和广义误差向量估计值中的未知向量进行自适应调整,以增强对建模误差的鲁棒性,并证明了所设计的控制器可使微操作机器人跟踪时变参考轨迹时的广义误差估计值收敛到原点的小邻域内,以达到控制要求,仿真结果验证了此方法的有效性.     

利用BP算法的一种自适应模糊预测控制器

提出一种由模糊预测器和模糊预测控制器组成的自适应模糊预测控制方案,采用ＢＰ算法训练模糊预测器和模糊预测控制器,并给出这种模糊预测控制器的训练算法。控制系统对于具有纯时延的非线性被控过程有良好的控制性能。     

一类时滞系统的自校正模糊Smith控制器设计

Smith预估控制是解决时滞系统控制的有效方法,但其对系统模型参数的精确要求限制了其应用.而模糊控制本质上属于PD控制,无法消除系统的稳态误差.文中设计了一种自校正模糊Smith 控制器,结合模糊控制、Smith预估器及自校正控制的优点,既保持了模糊控制鲁棒性较强的特点,又消除了系统的稳态误差,且改善了系统的动态性能.仿真结果表明了自校正模糊控制器的有效性和优越性.     

高速列车精确停车的鲁棒自触发预测控制

列车精确停车作为列车自动运行(Automatic train operation, ATO)系统的一项核心功能, 对高速列车的安全和高效运行至关重要. 本文针对高速列车停车过程的特点, 考虑在避免控制输出频繁切换的前提下实现高精度的停车曲线跟踪, 提出了基于模型预测控制(Model predictive control, MPC)的精确停车算法. 针对列车停车过程中外部不确定性阻力干扰, 采用鲁棒模型预测控制方法, 提高对外部干扰的鲁棒性. 引入自触发控制策略, 以进一步减少控制输出的频繁切换, 提高停车过程的舒适度. 该方法不需要每个采样时间都求解线性约束二次规划问题, 降低了对系统采样和通信能力的要求, 提高了算法的实用性. 分析结果表明, 高速列车精确停车控制方法的稳定性和性能指标的次优性可以得到保证. 基于高速列车实际运行数据的仿真结果验证了算法的有效性.