非线性系统近似最优PD动态补偿控制

本文研究了一类基于动态补偿的非线性系统的近似最优PD控制的问题.用微分方程的逐次逼近理论将非线性系统的最优控制问题转化为求解线性非齐次两点边值序列问题,并提供了从时域最优状态反馈到频域最优PD控制器参数的优化方法,从而获取系统最优的动态补偿网络,设计出最优PD整定参数,给出其实现算法.最后仿真示例将所提出的方法与传统的线性二次型调节器（LQR）逐次逼近方法相比较,表明该方法具有良好的动态性能和鲁棒性.     

非线性离散系统的近似最优跟踪控制

研究非线性离散系统的最优跟踪控制问题. 通过在由最优控制问题所导致的非线性两点边值问题中引入灵敏度参数, 并对它进行Maclaurin级数展开, 将原最优跟踪控制问题转化为一族非齐次线性两点边值问题. 得到的最优跟踪控制由解析的前馈反馈项和级数形式的补偿项组成. 解析的前馈反馈项可以由求解一个Riccati差分方程和一个矩阵差分方程得到. 级数补偿项可以由一个求解伴随向量的迭代算法近似求得. 以连续槽式反应器为例进行仿真验证了该方法的有效性．     

基于观测器的受扰非线性系统近似最优跟踪控制

研究一类受扰非线性系统的最优输出跟踪控制问题.给出了有限时域最优输出跟踪控制律的近似设计算法.首先将求解受扰非线性系统最优跟踪控制问题转换为求解状态向量与伴随向量耦合的非线性两点边值问题,然后利用逐次逼近方法构造序列将其转化为求解两个解耦的线性微分方程序列问题.通过迭代求解伴随向量的序列,可得到由解析的线性前馈-反馈控制部分和伴随向量的极限形式的非线性补偿部分组成的最优输出跟踪控制律.利用参考输入降维观测器和扰动降维观测器,解决了前馈控制的物理可实现问题.最后仿真结果表明了该方法的有效性.     

基于自适应动态规划的非线性鲁棒近似最优跟踪控制

为克服现有近似最优跟踪控制方法只能跟踪连续可微参考输入的局限,本文针对一类具有未知动态的连续时间非线性时不变仿射系统,提出了一种新的基于自适应动态规划的鲁棒近似最优跟踪控制方法.首先采用递归神经网络建立系统模型,然后建立评价神经网络对最优性能指标进行估计,从而得到最优性能指标偏导数的估计值,进而得到近似最优跟踪控制器,最后利用系统输出与参考输入之间的跟踪误差设计鲁棒项对神经网络建模误差进行补偿.分别针对两个非线性系统进行仿真实验,仿真结果表明了所提方法的有效性和优越性.     

针对时变轨迹的非线性仿射系统的鲁棒近似最优跟踪控制

针对非线性连续系统难以跟踪时变轨迹的问题,本文首先通过系统变换引入新的状态变量从而将非线性系统的最优跟踪问题转化为一般非线性时不变系统的最优控制问题,并基于近似动态规划算法(ADP)获得近似最优值函数与最优控制策略.为有效地实现该算法,本文利用评价网与执行网来估计值函数及相应的控制策略,并且在线更新二者.为了消除神经网络近似过程中产生的误差,本文在设计控制器时增加一个鲁棒项;并且通过Lyapunov稳定性定理来证明本文提出的控制策略可保证系统跟踪误差渐近收敛到零,同时也验证在较小的误差范围内,该控制策略能够接近于最优控制策略.最后给出两个时变跟踪轨迹实例来证明该方法的可行性与有效性.     

受正弦扰动时滞非线性系统的近似最优减振控制

研究时滞非线性系统在正弦扰动作用下的最优减振控制问题,给出一种无时滞近似最优减振控制律的迭代方法．通过假设Lagrange算子,将由原系统最优控制问题得到的既含时滞项又含有超前项的非线性两点边值问题转换为新的有利于求解的形式,再通过构造序列将其转化为不舍时滞项和超前项的线性非齐次两点边值问题序列．证明了该序列的收敛性．通过交替迭代序列得到了系统最优减振控制律．仿真结果表明,该方法在不同时滞下对扰动都具有很好的鲁棒性．     

基于迭代神经动态规划的数据驱动非线性近似最优调节

利用数据驱动控制思想,建立一种设计离散时间非线性系统近似最优调节器的迭代神经动态规划方法.提出针对离散时间一般非线性系统的迭代自适应动态规划算法并且证明其收敛性与最优性.通过构建三种神经网络,给出全局二次启发式动态规划技术及其详细的实现过程,其中执行网络是在神经动态规划的框架下进行训练.这种新颖的结构可以近似代价函数及其导函数,同时在不依赖系统动态的情况下自适应地学习近似最优控制律.值得注意的是,这在降低对于控制矩阵或者其神经网络表示的要求方面,明显地改进了迭代自适应动态规划算法的现有结果,能够促进复杂非线性系统基于数据的优化与控制设计的发展.通过两个仿真实验,验证本文提出的数据驱动最优调节方法的有效性.     

奇异动态经济系统最优跟踪问题

奇异动态经济系统最优跟踪问题阎九喜（山东建筑工程学院济南２５００１４）程兆林（山东大学数学系济南２５０１００）关键词动态经济系统,最优跟踪问题,广义系统,最优控制理论．１）山东省自然科学基金资助项目．本文曾在１９９５年中国控制会议（安徽黄山）上宣读．...     

非线性动态优化仿真在间歇过程中的应用

为实现求解大规模非线性系统最优控制问题的自动设计及算法自动生成问题,开发基于非线性规划的动态优化软件集成系统.首先自定义基于XML的标准化非线性动态优化标记语言NDOML,采用NDOML模型设计模型编辑器;结合联立法和多点打靶法对NDOML模型进行自动离散化处理;最后利用内点算法解题器IPOPT设计了解题器接口程序生成器,实现模型录入通用化、模型离散自动化及优化控制算法代码的自动生成等多种应用功能.最后通过一个间歇反应过程实例验证动态优化软件系统的有效性,结果显示,系统能够实现最优控制算法的自动生成,仿真结果为大型非线性系统求解优化提供了依据.     

线性时滞系统基于观测器的最优输出跟踪控制器近似设计

研究线性时滞系统的最优输出跟踪控制器近似设计过程.首先根据原系统最优输出跟踪控制问题构造了两个分别具有已知初始条件和终端条件的微分方程迭代序列,并证明它们一致收敛于原问题的最优解.然后通过对该解序列的有限次迭代,得到最优输出跟踪控制问题的一个近似解,进一步给出一个计算近似最优输出跟踪控制律的算法.最后通过构造降维参考输入观测器解决了最优输出跟踪控制器中前馈项的物理可实现问题.仿真结果表明该方法是有效的,且易于实现.     

一类混杂系统建模和优化控制的研究

为解决混杂系统优化控制的计算复杂性问题,针对结合逻辑规则的工业过程混杂模型,采用结合约束程序的混合整数非线性规划算法,求解这种混杂模型的优化控制。计算实例表明,通过混杂建模方法,可以充分利用工业对象的机理模型以及操作工经验或专家经验,建立系统的更精确模型;结合约束程序混合整数非线性规划算法可以较迅速地求解混杂模型优化控制问题,从而使该方法可以用于工业过程实时控制中。     

Dynamic PSO method for nonlinear constrained programming problems

A new approach is presented to solve the nonlinear constrained programming problems. Firstly, the nonlinear constrained programming problem is transformed into a bi-ohjective optimization problem. Based on the reasonable design of the searching operation and different parameters, a new dynamic particle swarm optimization algorithm （TS-MC） is proposed. The numerical experiments show that the proposed algorithm is effective in dealing with the nonlinear constrained programming problems.     

基于神经动力学优化的柔性内窥镜机器人最优遥操作控制

柔性内窥镜机器人具有连续体结构,在微创手术领域展现出独特优势,但连续体结构的非线性变形特征导致柔性内窥镜机器人的运动控制精度不足。针对上述问题,本文提出一种基于神经动力学的柔性内窥镜机器人最优遥操作控制方法。首先,通过构建图像空间下内窥镜机器人主从运动映射机制,建立柔性内窥镜运动学模型,获得图像特征速度与驱动速度的映射关系;其次,基因关节运动约束将机器人运动控制转化为二次规划最优控制问题,并使用基于神经动力学的实时求解器进行高效求解;最后,在输尿管镜机器人平台开展实验验证。实验结果表明：本文方法可有效减小人工操作误差和速度振荡,目标点跟踪误差被控制在2.5%以内,同时有效提升了碎石术中器械操控的准确性和稳定性。     

离散时间最优控制—–评论动态规划

阐述离散时间最优控制的特点.对比3种求解离散时间最优控制的解法,即:1)用非线性规划求解离散时间最优控制;2)用无约束优化求解离散时间最优控制;3)动态规划及其数值解.1)和2)都适用于多维静态优化,计算效率较高,是高级方法.在名义上,3)为动态优化.实际上,3)为一维分段无约束静态优化,计算效率较低,是初级方法.本文并用数字实例进一步阐明动态规划及其数值解在求解方面较差,故动态规划及其数值解已失去实用价值.在求解离散时间最优控制问题方面,无法与非线性规划求解相匹敌.     

基于神经动力学优化的无人系统研究综述

随着无人系统技术的快速发展, 其在高精度、高风险及复杂环境任务中的应用日益广泛. 然而, 无人系统在实际应用中面临诸多优化挑战, 如轨迹规划与跟踪、编队控制、决策与任务分配以及控制优化等. 传统优化方法在处理这些复杂问题时往往力不从心. 鉴于此, 首先基于神经动力学优化的无人系统若干问题研究现状, 重点介绍几类神经动力学优化方法, 探讨其在无人系统优化问题中的独特优势; 然后详细分析无人系统中几类关键优化问题的数学特性与难点, 并总结神经动力学优化方法在这些问题中的具体应用与成效; 最后展望神经动力学优化方法在无人系统领域未来的发展方向, 强调其在提高无人系统性能、安全性和智能化水平方面的重要作用.     

多回路网络化控制系统中优化采样频率的确定

在多回路网络化控制系统中,通讯资源的共享和网络传输的时延为系统分析和设计带来新的问题．运用非线性规划理论,分析和推导了多回路网络化控制系统中采样频率优化问题,并由推导过程归纳出易于计算机编程实现的工程化求解方法．通过仿真示例验证了所提出方法的有效性．     

解非线性约束规划问题的分组粒子群算法

文章运用分组粒子群的方法来解决非线性约束规划问题,将粒子群分成几个小组分别进化,几个小组的参数各自随机产生。在一定的间隔时刻对各个小组的粒子进行重新分组和参数的调整,并根据收敛性检查的情况将劣质粒子淘汰重新初始化,这不仅有助于在不同环境进化出的粒子相互取长补短,而且可以有效的防止陷入局部最优。     

A sequential quadratic programming-based algorithm for optimization of gas networks

British Gas uses a complex, heavily looped network of pipes and controllable units (compressors and regulators) to transmit gas from coastal supply terminals to regional demand points. Computer algorithms are required for efficient management of the system. This paper describes an algorithm for optimal control over periods of up to a day. The problem is large scale and highly nonlinear in both objective function and constraints. The method is based on Sequential Quadratic Programming and takes account of the structure of the pipeflow equations by means of a reduced gradient technique which eliminates most of the variables from the quadratic subproblems. The latter involve only simple bound constraints, which are handled efficiently by a conjugate gradient-active set algorithm. Trust region techniques permit use of the exact Hessian, preserving sparsity. More general constraints are handled at an outer level by a truncated augmented Lagrangian method. Results are included for some realistic problems. The algorithm is generally applicable to problems with a control structure.     

区间非线性路径约束的动态优化问题求解

本文研究路径约束中含有区间参数形式的动态优化问题,提出了一种新的非线性路径约束的确定化描述形式,和采用惩罚函数法的求解算法。对于转化后的极大极小优化命题,论文提出采用Lagrangian多项式加权和的方法得到有限维的确定性优化求解形式。该算法可有效地描述和求解不确定参数动态优化问题。