协同优化方法与并行子空间方法的评估与比较

多学科优化设计技术是航空航天领域内近年来发展起来的一种新的总体优化设计技术,致力于解决复杂系统的耦合设计问题,以获得系统的整体最优.协同优化方法和并行子空间方法是多学科优化设计技术中的2种主要方法,本文从计算效率、计算精度、学科自治、工程实用性等方面,结合3个实例,对2种方法进行深入的分析与评估.分析结果表明：并行子空间方法在计算效率、学科自治以及工程实用性方面比协同优化方法略胜一筹.     

电力系统能量与备用联合优化与精确调度

随着能源与环境危机日益严重,如何建立精确调度模型成为电力市场逐步完善过程中的一个迫切需要研究的课题．目前广泛采用的建模方式是将时间离散化,建立离散时间调度模型,本文首先举例说明离散时间调度模型中所定义的备用容量上、下限存在不可达的情况,即离散时间调度模型中的备用容量上、下限约束条件不严格,从而造成实际调度时存在旋转备用容量无法满足实际需求的情况．通过对机组出力方式与爬坡率关系的详细分析,证明了任意调度时段内机组精确可达的备用容量上、下限与该时段首末时刻机组输出功率相关,并给出了精确可达备用上、下限的计算方法．基于上面的分析结果,建立了能量与备用联合优化与精确调度模型,该模型将能量与备用联合精确调度这样一个连续时间最优控制问题建模成一个非线性规划问题,从而极大地降低了问题的复杂性,避免连续时间最优控制问题所存在的求解困难．应用序列二次规划法对模型进行了数值求解,并对结果进行了讨论,进而验证了模型的有效性．     

月面采样机械臂动态任务规划方法研究

由于月面着陆姿态、工作环境和机械臂变形等多种不确定因素影响,月面采样机械臂的任务规划结果无法事先准确确定,对月面采样机械臂的表取采样任务规划系统的准确性、实时性和灵活性提出了较高的要求.为保证有限时间内灵活准确地进行月面采样作业任务规划,本文提出了月面采样机械臂的动态任务规划方法,设计了包括任务整体规划、采样策略规划和...     

基于AGENT架构的结构静动态协同优化方法研究

提出一种机械系统静动态协同优化模式以及本体投影关系. 在此基础上构造了一种基于AGENT架构的结构静动态协同优化设计系统. 该系统由2个AGENT群体构成: 优化AGENT群体和有限元分析AGENT群体. 其中优化AGENT群体由系统优化、子模型优化和优化管理组成. 3类AGENT构成星形结构. 有限元AGENT群体采用分布协同的双层结构. 详述了有限元AGENT群体的结构及其协同工作的过程. 最后以液压挖掘机工作装置的结构为例, 用一个原型系统对这一架构在原理上的可行性进行了初步的验证.     

混合SQP的基于完全学习的粒子群优化算法在电力系统中经济分配问题的应用

电力系统经济负荷分配(ELD)问题是电力系统运行中一个重要的优化问题.此前,多种经典数学逼近方法和启发式搜索算法被用于对该问题进行了求解.但是,这些方法仍然存在两个很重要而未引起足够重视的问题:1)算法的稳定性得不到有效保证;2)算法在大规模ELD问题上的性能仍然不能令人满意.CLPSO是一种新的高效全局优化算法.针对其存在的多样性保持能力强但收敛性不足的问题,文中引入序列二次规划SQP,提出了一种新的混合SQP的CLPSO算法SQP-CLPSO.用其求解多个典型ELD问题,并与多种知名算法进行了对比.实验结果表明,SQP-CLPSO具有优秀的收敛性、多样性和可拓展性,是求解复杂ELD问题的有效算法.     

A multi-country dynamic factor model with stochastic volatility for euro area business cycle analysis

This paper develops a dynamic factor model that uses euro area country-specific information on output and inflation to estimate an area-wide measure of the output gap. Our model assumes that output and inflation can be decomposed into country-specific stochastic trends and a common cyclical component. Comovement in the trends is introduced by imposing a factor structure on the shocks to the latent states. We moreover introduce flexible stochastic volatility specifications to control for heteroscedasticity in the measurement errors and innovations to the latent states. Carefully specified shrinkage priors allow for pushing the model towards a homoscedastic specification, if supported by the data. Our measure of the output gap closely tracks other commonly adopted measures, with small differences in magnitudes and timing. To assess whether the model-based output gap helps in forecasting inflation, we perform an out-of-sample forecasting exercise. The findings indicate that our approach yields superior inflation forecasts, both in terms of point and density predictions.