基于L S-SVM 的非线性预测控制技术

探讨了利用最小二乘支持向量机(LS—SVM)进行非线性系统辨识的方法，LS—SVM用等式约束代替传统支持向量机中不等式约束，求解过程从解QP问题变成解一组等式方程，将得到的LS—SVM模型应用到非线性预测控制，提出了基于LS—SVM模型的非线性预测控制算法，通过CSTR过程仿真表明，最小二乘支持向量机学习速度快，在小样本情况下具有良好的非线性建模和泛化能力，基于LS—SVM的预测控制算法具有很好的控制性能。     

利用模糊次梯度算法求解拉格朗日松弛对偶问题

针对利用次梯度算法处理拉格朗日松弛对偶问题时，计算过程容易出现振荡，求解效率较低的问题，首先提出了一种基于模糊理论的次梯度算法，利用隶属度函数给出迭代过程中所有次梯度的合适权重，并将它们线性加权得到新的迭代方向；其次证明了算法的收敛性；最后通过仿真实验验证了该方法的有效性．     

利用拉格朗日松弛算法协调多厂供应链生产计划

为了解决多厂供应链生产计划的协调问题,提出了一种基于拉格朗日松弛算法的内部价格协调优化策略。该策略通过松弛工厂之间的物料耦合约束,将整个供应链的生产计划问题分解为多个单厂的生产计划问题。每个工厂只需利用本地信息制定各自的生产计划。为了获取问题的可行解,又提出了一种前溯式可行化方法,通过协调中心对产品内部价格（拉格朗日算子）的迭代更新,实现整个供应链生产计划的协调优化。仿真实验表明,该策略能够较好地协调多厂供应链计划,结果明显优于已有的协调方法。     

微粒群优化算法研究进展

围绕微粒群优化(PSO)算法的原理、特点、改进、应用等方面进行全面综述,介绍针对复杂环境的PSO研究内容,包括多目标、约束、离散和动态优化等,提出PSO有待进一步研究的若干方向和内容。     

模型降阶和参数估计的一种快速遗传算法

针对传统遗传算法求解模型降阶和参数估计时,适配值评价既费时又效率较低的缺点,对实数编码GA引入相似度和可信度的概念,采用插值方法进行适配值评价,大大减少了评价环节的计算量,提高了整个算法的效率和实时性．通过对典型模型降阶和参数估计问题的仿真,验证了所提出方法的可行性和有效性．     

死区非线性系统的全局收敛自适应控制

本文通过引入一类新的目标函数，对死区非线性系统建立了全局收敛的自适应控制算法，该算法可用于最小相应和非最小相位系统，并具有渐近最优的控制效果。仿真实验表明本文算法具有良好的动态性能。     

多变量双线系统的自校正解耦控制

对多变量双线性系统提出了一种自校正解耦控制算法,该算法具有全局收敛性并能 确保闭环系统的稳定性,仿真实验表明了其算法的有效性.     

流程工业CIMS的现状与发展

一ＣＩＭＳ是企业生存和发展的必由之路１企业,尤其是大中型企业,已接受和认识到ＣＩＭＳ在企业改造和发展中的重要作用ＣＩＭ的哲理、ＣＩＭＳ方法论、ＣＩＭＳ的参考模型和体系结构等已深入人心,通过近十年的宣传、培训、示范,企业领导层已认识到ＣＩＭＳ在企业发展中的作用,第一把手亲自动手,主持ＣＩＭＳ工程,号召全厂上下学习和实现ＣＩＭＳ。企业主动积极要求采用高新技术改造传统产业从企业尤其是国有大中型企业的改制、生存和发展,迫切需要提高企业市场竞争能力,采用高新技术,例如ＣＩＭＳ技术,势将使企业得到提升。２九…     

双线性系统的自校正控制

本文分别对确定和随机双线性系统,首次建立了大范围渐近收敛和稳定的自校正控制算法。该算法具有渐近最优的控制效果,且适用于非最小相位系统情况。仿真实验表明了该算法的有效性。