自适应扰动估计的相关积分优化方法及应用

针对传统相关积分优化方法,当系统扰动与调优变量相关时,在迭代优化的过程中,目标函数难以收敛到最优值的问题,提出了一种改进的相关积分优化方法用于稳态操作调优.基于数据驱动稳态模型,构造了自适应扰动估计器用来估计扰动均值,对最小二乘方法计算得到的调优变量梯度均值进行补偿,并修正调优变量,确保目标函数在调优的过程中收敛于最优值.仿真对比及工业应用结果证实了所提方法的可行性和有效性.     

相关积分结合鲁棒预测控制求解实时优化问题及应用

针对现有传统相关积分优化算法在求解实时优化时存在的问题,如考虑实时约束不足、算法参数较为单 一且参数难以凑试等,提出一种将鲁棒预测控制与相关积分相结合的实时优化算法,采用传统相关积分优化算法计算优化目标函数和调优变量的梯度,将调优变量实时梯度作为表征系统是否还有优化裕度的中间变量,利用基于多胞体模型的鲁棒预测控制方法对调优变量增量进行实时求解,并将调优变量的增量作为调优变量的设定值. 所提出改进算法继承了传统相关积分优化的优点,同时也提升了原有算法的约束处理能力,保证了其优化解的实时可行性.仿真研究以及二甲苯加热炉热效率实时优化的工业应用测试结果验证了所提出方法的可行性和有效性.     

多变量系统辨识的MUEAIO方法实验验证

当前用智能优化算法进行多变量系统辨识时,普遍存在模型误差大的问题.M次不相关激励和汇总智能优化的方法(MUEAIO)被证明可以解决多变量系统辨识辨不准的问题.但关于M次不相关激励的必要性和充分性还需要更深入的论证.为此,针对一个三入一出的系统,本文设计了五组应用MUEAIO方法的多变量系统辨识仿真实验.实验结果表明:严格执行至少M次不相关激励可得到多变量系统的准确模型,而激励批次不足、或者是不满足不相关激励的条件将得到误差较大的模型,其误差主要表现在模型参数和输出量分量上.     

基于元建模的移动Ad Hoc网络性能优化

针对移动Ad Hoc网络性能优化过程中的仿真模型精确性与仿真模型运行效率之间的矛盾,提出了利用相关向量元模型来拟合网络仿真模型并进行优化的解决方法.重点研究了元建模方法中的实验设计方法、元模型拟合方法、模型验证与评估等关键技术.利用适度精确的元模型替代仿真模型进行设计空间探索和多目标优化,实验结果表明,基于元模型的优化可以成功应用于移动Ad Hoc网络等复杂系统建模、分析与优化,有效提高此类计算密集过程的计算效率.     

基于M次不相关激励和汇总智能优化的多变量系统辨识方法

针对用单批次激励试验数据进行多变量系统的智能辨识的不准问题,提出了一套基于M次不相关激励和汇总智能优化的多变量系统辨识方法.该方法的要点是:对于有M维输入的多变量系统的准确辨识至少需要M次不相关激励试验,然后采集试验数据,再用汇总智能优化指标进行多变量系统模型的辨识计算.通过理论推导证明了多变量系统辨识需要M次的不相关激励试验的必要性.通过一个应用实例验算,演示了新的多变量系统辨识方法的易用性、正确性和工程实用性.     

考虑相关性的多元输出仿真模型验证方法

复杂仿真模型一般具有多个不同类型且带有相关性的输出,现有验证方法存在变量信息缺失、变量相关性度量不准确等问题.为此,提出基于变量选择和概率分布差异相结合的多变量仿真结果验证方法,考虑不确定性的影响,对选取到具有相关性的多个变量进行联合验证.首先,引入分形维数和互信息方法对多元异类输出进行相关性分析,提取相关变量子集.而后对相关变量子集中的各变量提取数据特征,进而计算各相关变量子集关于数据特征的联合概率分布,采用概率分布差异法度量仿真输出和参考输出联合概率分布的差异,并将其转化为一致性程度;在此基础上综合多个验证结果得到模型可信度.通过实例应用及对比实验,验证了方法的有效性.     

卫星星座优化与仿真平台设计与实现

卫星星座的优化设计问题是航天领域的一个研究重点,介绍自主研发的卫星星座优化与仿真平台的系统构架和主要功能.该平台主要包括4个子系统,能够实现卫星星座的信息管理、计算、优化、覆盖分析和可视化仿真等功能.本平台的特色在于使用多种演化算法和多目标优化算法对卫星星座的配置方案进行优化,得到最佳方案,如可以提供灾难应急时卫星机动变轨的最佳方案和仿真过程,从而辅助相关部门及时制定应急措施.并通过与有关文献中的对比计算,证明此系统的正确性和有效性.     

生物发酵过程中SSVIP-NNI软测量方法

生物发酵过程中关键生化变量难以直接检测,提出了一种利用基于敏感性与特异性的变量投影重要性(SSVIP)方法优化神经网络逆系统(NNI)的软测量方法。根据逆系统理论建立软测量模型,采用VIP变量优选方法,对软测量模型中的辅助变量进行优化。为了进一步提高VIP方法优选变量的性能,利用模型敏感性与特异性的概念,重新定义了VIP筛选阈值,确定最优的发酵过程软测量模型的变量。构造神经网络近似最优逆系统软测量模型,实现对发酵过程中关键过程变量的估计。通过Pensim仿真平台进行实验研究,结果表明经过辅助变量优选的神经网络逆系统软测量模型具有更高的估计精度和泛化能力。     

基于状态观测与教学优化算法的多变量系统历史数据驱动辨识

常规智能算法与历史数据结合进行多变量系统辨识的方法,选取表征系统由稳态过渡到动态过程的数据作建模数据,当该过程含有未知扰动时,无法准确建立对象模型.本文提出一种基于状态观测与教学优化算法的多变量系统历史数据驱动辨识方法.该方法选取系统由动态回归稳态的历史数据,并根据其稳态终值进行去稳态分量处理.再将其分为两段,应用状态观测器与预估模型对第1段数据末端的系统状态进行估计,并将估计值作为第2段数据对应的系统初态;应用第2段数据的输入对预估模型进行仿真,采用教学优化算法寻优预估模型参数,使仿真输出接近实际输出.仿真实验表明该方法可以克服扰动对模型辨识精度的影响.最后对某火电机组协调控制系统进行建模,结果表明了该方法的有效性.     

Hamilton系统的数值仿真方法研究

针对飞行轨道设计中均为微分方程描述,通过数字仿真方法进行优化,对Hamilton系统的数值积分中的Runge-Kutta-Fehlberg方法、Bulirsch-Stoer方法和Symplectic方法(辛算法)进行了研究比较.通过对各种数值积分的能量误差和动量误差进行对比研究,分析了各种方法在应用于不同的Hamilton系统时的精度和性能.总体而言,辛方法是求解近开普勒轨道的最优方法.在不能使用辛方法时,Bulirsch-Stoer方法是最好的选择.通过对比各种传统算法的应用领域和不足,提出了一种适用于高精度轨道仿真的多层次辛方法(Hierarchical Symplectic Method),并将其用于太阳系的行星轨道仿真.方法将系统分解到不同层次,然后通过结合不同数值积分方法的优点,综合求解,实现快速高精度的行星和卫星轨道仿真.     

企业仿真分析系统的设计研究

该文针对离散制造企业,将计算机仿真优化技术引入到企业分析领域,归纳了企业综合评价体系。建立了企业仿真优化系统的框架,对该系统中的企业建模方法、仿真环境设置、评价体系建立和仿真引擎等关键技术进行了讨论。     

螺栓位置优化设计方法研究

螺栓连接是机械结构中的重要连接形式之一.合理的螺栓位置分布可以有效降低螺栓载荷,然而目前还缺乏相关的优化设计方法.本文提出了一种适合于复杂结构螺栓位置优化的方法.在该方法中,首先将打孔区域进行离散化,得到设计区域边界上的节点坐标,然后用极坐标表示.螺栓位置用极径和极角表示,设计变量由各螺栓的极径和极角组成,约束条件由设计区域边界的极径和极角确定,设计目标由设计人员确定.本文采用的设计目标是使螺栓载荷的方差最小.之后,在设计空间中进行参数化采样和批量仿真生成数据集,构建代理模型,采用蜘蛛猴优化算法进行螺栓打孔位置优化求解.最后,利用本文提出的优化方法,编写了程序,并给出了相应的算例.结果表明,所提出方法可以有效地对螺栓位置进行优化.     

多变量系统控制器的参数满意优化设计

为了将满意优化拓展到多变量系统中以解决多变量控制系统线性二次型(LQ)控制器设计中加权系数阵确定难的问题,提出多变量系统满意优化设计方法,通过设计满意度函数,构造出多变量系统的满意优化数学模型,并用改进遗传算法实现二级倒立摆系统LQ控制器满意优化设计.仿真结果显示,系统具有更满意的综合性能指标.证实了该方法的有效性和实用性.本文的研究对多变量系统优化设计具有一定的参考价值.     

基于相关系数的多变量异常数据段的检测

工业报警系统普遍存在报警过多的问题,为了获取过程变量的正常与异常历史数据段,从而设计工业报警系统的动态报警阈值,进行性能评估和优化,提出了一种基于过程变量之间的相关系数进行异常数据段检测的改进方法。该检测方法将相关系数和数据段长度作为分段依据,对过程变量的多元时间序列进行分段,采用Spearman秩相关系数获取变量之间的相关关系,从而检测出不符合正常趋势的异常数据段。仿真算例和工业案例表明该方法可真实地反映过程变量之间的相关关系,并准确检测出所存在的异常数据段。     

遗传算法在VAV中央空调优化控制中的应用

以VAV中央空调能耗仿真模型为基础,根据VAV中央空调节能优化问题的特点,分析了利用遗传算法解决该问题的可行性。详细介绍了利用遗传算法寻找VAV中央空调系统运行过程中各个可控变量的最佳设定值的优化过程,并对遗传算法的运行效果进行了分析。建立了基于遗传算法的VAV中央空调控制仿真系统,对该方法在实际系统中的应用进行了仿真验证。     

分布实时仿真系统数据库设计与性能优化

仿真应用领域的不断扩展,使得数据库在仿真系统中的作用越来越突出.文中从分布实时仿真系统的实际结构和工作流程出发,结合航天领域的航天器仿真中数据库建设的实际工作,研究了满足系统要求的数据库功能及数据特点,并由此将数据库分成仿真模型库、设计方案库和仿真试验库三部分,采用面向对象设计方法,着重从仿真试验库的设计出发,实现了数据库原型.最后从几个方面对数据库设计过程中的性能优化进行了简要讨论.     

基于人工蜂群算法的混沌系统参数估计

为了更准确的估计混沌系统的未知参数,提出了一种基于人工蜂群算法的混沌系统参数辨识方法,该方法将混沌系统中参数估计转化为多维变量的函数优化问题,利用搜索方程对多维空间变量进行充分搜索,通过优化人工蜂群算法计算估计值与真值之间的均方差,从而估计出混沌系统的参数. Lorenz混沌系统的参数辨识仿真实验结果表明了该方法的可行性,并且算法收敛速度快,估计精度高.     

飞行器动力系统多变量控制结构设计研究

针对飞行器动力系统多变量控制系统结构设计问题,提出了以相关增益矩阵方法确定发动机多变量控制方案中被控参数与控制量的一一对应关系,阐明了相关增益矩阵的意义.以二输入二输出系统为例推导了相关增益矩阵的比值计算方法.并以某型三输入三输出的变循环发动机为仿真算例,计算了其各被控参数和控制量的相关关系.根据其相关关系,确定了该变循环发动机多变量控制系统结构,并分析了其相关关系对飞行器动力系统多变量控制方案确定的意义.仿真算例表明,利用相关增益矩阵方法可以定量地确定系统各控制量和被控参数的相关关系,从而可以避免传统方法仅通过经验定性确定其相关关系的缺点.     

基于拉普拉斯方法的大规模高斯过程分类算法

基于KL散度的大规模变分高斯过程分类算法(KLSP)需要同时对诱导变量的均值向量和协方差矩阵进行优化,这会给模型求解带来一定的挑战.基于拉普拉斯方法建立一种改进算法:首先为诱导变量的后验分布构造一个易于计算的下界;然后利用拉普拉斯方法计算该下界的一个高斯逼近作为诱导变量的后验分布函数的近似表达式,将问题转换为一个只与均值向量有关的凸优化问题,从而降低了模型的求解难度.仿真实验结果表明,所提出的改进算法在速度和精度上都较原始算法有了明显提高.     

基于变异的迭代sIB算法

IB方法使用源变量和相关变量的联合概率分布对源变量进行最大化压缩,使压缩变量最大化地保存相关变量的信息.连续IB算法(sIB)是一种较好的、应用较多的IB算法之一,但该算法存在效率低、优化不充分等问题.为了解决sIB在应用中存在的这些问题,提出了一种基于变异的迭代sIB算法(isIB).isIB算法首先从相关实验中选取合理的变异率;基于该变异率,该算法从sIB算法所产生的初始解向量中随机选取相应比例的位置,对其中的类标号进行随机变异并优化;再通过多次迭代获得了相应的优化解.实验表明在数据集相同、基本sIB算法调用次数相同的条件下,isIB算法相对于sIB算法具有运行效率高、解更优化的特点.