求解量子系统时间最优控制问题的同伦算法研究

针对数值求解量子系统时间最优控制问题中反复调用梯度算法导致计算量大的问题,本文提出一类同伦算法用以快速求解量子系统的时间最优控制问题.与已有算法不同,这一算法通过引入同伦变量在减小终端时间的方向上搜索最优解.在这一算法中,可通过自由函数构造保真度函数对控制变量的梯度方向,也可通过方向函数引导算法的搜索方向,以加快算法的搜索速度.本文将这一算法用于求解量子系统态转移和门变换的时间最优控制问题.仿真结果表明这一算法的有效性.     

网格缩减的自适应hp伪谱法

针对控制变量不连续的最优控制问题,本文提出一种自适应更新的忉伪谱法,这种方法在(Legendre Gauss Radau,LGR)点处取配点,能够以较小的网格规模获得较高的精度.通过计算相对误差估计,判断网格规模是增加还是缩减,若相对容许误差大于给定值,则增加网格区间数或网格配点数提高解的精度,反之则合并网格或减小网格配点数缩减网格规模提高计算效率.将hp伪谱法应用于最优控制问题,仿真验证了hp伪谱法的优越性.     

基于自适应动态规划的一类带有时滞的离散时间非线性系统的最优控制策略

针对一类状态和控制变量均带有时滞的非线性系统的带有二次性能指标函数最优控制问题, 本文提出了一种基于新的迭代自适应动态规划算法的最优控制方案. 通过引进时滞矩阵函数, 应用动态规划理论, 本文获得了最优控制的显式表达式, 然后通过自适应评判技术获得最优控制量. 本文给出了收敛性证明以保证性能指标函数收敛到最优. 为了实现所提出的算法, 本文采用神经网络近似性能指标函数、计算最优控制策略、求解时滞矩阵函数、以及给非线性系统建模. 最后本文给出了两个仿真例子说明所提出的最优策略的有效性.     

集装箱装卸摆动最优控制快速数值求解算法

为了实现起重机集装箱摆动最优控制,提出一种基于控制向量参数化(CVP)方法的最优控制问题快速求解算法.首先,建立了以摆动能量最小为目标的集装箱装卸最优控制数学模型.其次,采用光滑化惩罚函数路径约束处理方法降低了模型求解难度.进一步,针对控制向量参数化方法微分方程组求解耗时长难题,结合网格划分提出改进四阶Runge--Kutta方法的快速CVP算法加快了最优控制问题求解速度.仿真测试针对不同位置的集装箱装卸任务进行.数值测试结果显示,相较于其他变步长求解方法,改进方法在得到相近求解精度解的同时,求解耗时明显减少,表明本文方法在集装箱装卸最优控制方面的应用价值.     

异种油藏网格模型三维可视化优化方法研究

在油藏三维建模和数值模拟软件中,网格模型在存储格式、网格排序等方面存在较大差异,且大规模网格模型将占用大量存储空间同时需要运算大量数据,限制其绘制速度。为此,提出了异种油藏网格模型三维可视化优化方法,加载异种油藏网格模型,并实现网格模型消隐算法,提高油藏网格模型的绘制速度。实验结果表明,该方法能够加载异种油藏网格模型,与优化前的网格模型相比,优化后的模型在存储、绘制速度和效果上有着明显的优势。     

最优控制问题的Legendre 伪谱法求解及其应用

伪谱法通过全局插值多项式参数化状态和控制变量,将最优控制问题(OCP)转化为非线性规划问题(NLP)进行求解,是一类具有更高求解效率的直接法。总结Legendre伪谱法转化Bolza型最优控制问题的基本框架,推导OCP伴随变量与NLP问题KKT乘子的映射关系,建立基于拟牛顿法的LGL配点数值计算方法,并针对非光滑系统,进一步研究分段伪谱逼近策略。基于上述理论开发通用OCP求解器,并对3个典型最优控制问题进行求解,结果表明了所提出方法和求解器的有效性。     

挡位离散型车辆经济性加速策略的伪谱法优化

加速过程中, 车辆的油耗与驾驶员的操作策略密切相关. 本文通过最优控制方法定量化地研究了挡位离散型车辆的经济性加速策略. 将加速策略的辨识构建为一个Bolza型最优控制问题(Optimal control problem, OCP), 设计了考虑加速距离影响的经济性定量评价指标. 该问题含有离散型控制变量, 隶属于混合整型最优控制问题, 且性能函数和状态方程呈现强非线性. 为高效地求解该问题, 结合变速器挡位切换规律, 将该整型问题转化为多段光滑问题的协同优化, 采用Legendre伪谱拼接法实现变速器挡位、换挡时机、发动机力矩的数值求解. 解析分析了经济性加速策略的形成机理, 总结了实用化的经济性加速度选择策略和挡位切换规律. 仿真验证了所求策略的节油潜力.     

基于模型预测控制的叉车型AGV路径跟踪研究

针对工厂环境下的叉车型AGV沿给定路径跟踪问题,将模型预测控制应用于叉车型AGV舵轮驱动速度和舵轮转角的最优控制。算法首先对AGV进行运动学建模,将AGV的位姿取作状态变量,舵轮速度和转角取作控制变量,建立误差模型并将其线性化和离散化。其次基于状态变量的偏移量,以及控制变量的偏移量构造二次规划问题的目标函数,通过最优控制求解出舵轮的实时速度及转角,从而实现对路径的精确跟踪。算法最后使用Matlab针对直线和圆弧路径进行了仿真验证,结果表明本算法能够在不同初始位姿偏差的情况下,控制AGV迅速而准确地回归到所跟踪的路径,验证了算法的可行性。     

松弛ILU预处理器在油藏数值模拟软件中的移植

1.前言油藏数值模拟问题最终归结为求解一组代数方程 Ax=b. (1)众所周知,网格方程的系数矩阵A具有大型、稀疏、病态等特点,其条件数k(A)=O(h-2),这里h表示网格步长.考虑到计算机的存储限制及求解速度,迭代法是求解大型系统的首选     

移动机器人速度加速度饱和约束下的时间最优控制

针对机器人运动系统中普遍存在的速度和加速度约束, 提出一种满足以上约束的机器人运动时间最优控制方法. 首先, 通过最优条件构造哈密尔顿函数, 根据极小值原理求解时间最优控制; 其次, 通过相轨迹分析, 证明了满足约束的时间最优控制律的形式; 再次, 通过求解最优时间, 将满足约束的时间最优控制律转换成末端时间为最优时间的燃料最优控制律; 最后, 在RoboCup 小型足球机器人上进行对比实验, 验证了该方法在规划与实际上的一致性.     

基于改进量子遗传算法的油田井位及数量优化

布井的数量及位置的选取是油田开发中至关重要的一环。一项最优的布井方案受到地质情况、油藏驱动方式、流体特性、油田设备规格以及多种经济参数指标的影响,是一个具有多决策变量的优化问题,传统的数学优化方法在处理这类问题时,很难找到一个合适的目标函数来满足优化条件。量子算法作为量子计算与智能算法相结合的产物,其优秀的寻优能力以及良好泛化能力,在处理目标函数性态复杂的优化问题时较传统方法有着更好的表现。因此,本文利用MATLAB建立油藏数值模拟模型,将井的数量和井位作为变量,以油田净现值为目标函数结合改进的量子遗传算法(Quantum Genetic Algorithm,QGA)对井位进行优化。通过与传统布井方式的对比,所提出的方法有更好的经济效益,同时摆脱了传统布井方式对于经验的依赖,具有很好的移植性。     

变质品生产、库存控制与预防维修联合建模与优化

针对产品变质带来库存损耗的问题,在经济生产批量模型的基础上加入零库存时间,提出新的库存控制策略.该策略以预防维修周期和零库存时间为联合决策变量,利用更新定理建立了单位时间内总成本的期望模型.为了提高对此期望的计算速度,设计基于矩阵运算的蒙特卡罗仿真算法,并与遗传算法结合,大大提高了模型的优化速度.通过比较研究,验证了仿真算法的显著优势,并通过敏感性分析明确了相关参数的变化对最优策略的影响.     

执行器约束下基于数据驱动的参数化前馈控制器设计

针对执行器约束下非重复性点到点运动的轨迹跟踪问题, 提出了一种在执行器约束下基于数据驱动的参数化输入整形滤波器和前馈控制器优化设计算法. 首先对输入整形滤波器以及前馈控制器进行参数化, 然后在目标函数中加入控制信号变化量与控制信号能量的约束, 再采用基于数据驱动的迭代寻优算法得到最优参数, 在该参数下可以实现满足执行器约束条件下的运动控制系统轨迹最优跟踪性能. 并且由于采用了前馈参数化设计方法, 在点到点轨迹发生变化时所提出算法依然能够保持良好的轨迹跟踪性能. 仿真与实验结果表明在执行器约束下所提出算法能够实现最优点到点轨迹跟踪性能, 并且对非重复性点到点轨迹跟踪具有一定的鲁棒性.     

Optimal control laws for lot-sizing and timing of jobs on a single production facility

The optimal control of a single machine processing a certain number of jobs and modeled as a discrete-event dynamic system is considered. The number of jobs and their sequence are fixed, whereas their timing and sizes represent the control variables of the system. The objective function to be optimized is a weighted sum of the quadratic earliness and tardiness of each job, and of the quadratic deviations of job lot sizes and actual machine service speeds from those specified by the production demand and by the regular machine speeds. An optimization problem with quadratic cost function and nonlinear constraints is stated and formalized as a multistage optimal control problem. Necessary conditions to be satisfied by an optimal control sequence are derived. A simpler model is also considered in which the machine speeds are fixed; in this case, the control problem is solved by a procedure making use of dynamic programming techniques. The optimal control laws at each stage are thus obtained.     

非平衡有向网络下带约束的连续时间分布式优化算法设计EI北大核心CSCD

本文基于权重不平衡有向网络,对一类分布式约束优化问题进行研究,其中全局目标函数等于具有李普希兹梯度的强凸目标函数之和,并且每个智能体的状态都有一个局部约束集.每个智能体仅知道自身的局部目标函数和非空约束集.本文的目标是用分布式方法求解该问题的最优解.针对优化问题,提出了一种新的分布式投影梯度连续时间协调算法,利用拉普拉斯矩阵的零特征值对应的左特征向量消除了图的不平衡性.在某些假设下,结合凸分析理论和李雅普诺夫稳定性理论,证明了算法能够获得问题的最优解.最后,通过仿真验证了算法的有效性.     

A model for the integrated optimization of oil production systems

Typically, the optimization of oil production systems is conducted as a non-systematic effort in the form of trial and error processes for determining the combination of variables that leads to an optimal behavior of the system under consideration. An optimal or near optimal selection of oil production system parameters could significantly decrease costs and add value. This paper presents a solution methodology for the optimization of integrated oil production systems at the design and operational levels, involving the coupled execution of simulation models and optimization algorithms (SQP and DIRECT). The optimization refers to the maximization of performance measures such as revenue present value or cumulative oil production as objective functions, and tubing diameter, choke diameter, pipeline diameter, and oil flow rate as optimization variables. The reference configuration of the oil production system includes models for the reservoir, tubing, choke, separator, and business economics. The optimization algorithms Sequential Quadratic Programming (SQP) and DIRECT are considered as state-of-the-art in non-linear programming and global optimization methods, respectively. The proposed solution methodology effectively and efficiently optimizes integrated oil production systems within the context of synthetic case studies, and holds promise to be useful in more general scenarios in the oil industry.     

Generation of optimal artificial neural networks using a pattern search algorithm: application to approximation of chemical systems

A pattern search optimization method is applied to the generation of optimal artificial neural networks (ANNs). Optimization is performed using a mixed variable extension to the generalized pattern search method. This method offers the advantage that categorical variables, such as neural transfer functions and nodal connectivities, can be used as parameters in optimization. When used together with a surrogate, the resulting algorithm is highly efficient for expensive objective functions. Results demonstrate the effectiveness of this method in optimizing an ANN for the number of neurons, the type of transfer function, and the connectivity among neurons. The optimization method is applied to a chemistry approximation of practical relevance. In this application, temperature and a chemical source term are approximated as functions of two independent parameters using optimal ANNs. Comparison of the performance of optimal ANNs with conventional tabulation methods demonstrates equivalent accuracy by considerable savings in memory storage. The architecture of the optimal ANN for the approximation of the chemical source term consists of a fully connected feedforward network having four nonlinear hidden layers and 117 synaptic weights. An equivalent representation of the chemical source term using tabulation techniques would require a 500 x 500 grid point discretization of the parameter space.     

制冷站双目标权重自适应非线性预测控制

针对传统制冷站控制系统易产生振荡, 且无法实现系统性能整体优化的问题, 本文提出一种制冷站非线性 预测控制策略, 优化目标函数设计为满足建筑冷量需求的同时, 尽可能提高系统整体能效. 为解决上述两个优化目 标之间的矛盾关系, 本文采用模糊逻辑设计了优化目标权重自适应模块, 实时求取权重因子最优解; 针对非线性系 统在线优化求解困难问题, 本文提出了基于神经网络的非线性滚动优化算法, 采用神经网络作为反馈优化控制器, 并将系统优化目标函数作为在线寻优性能指标, 结合Euler-Lagrange方法和随机梯度下降法对控制器权值和阈值进 行在线寻优, 算法计算量小, 占用存储空间适中, 便于采用低成本的现场控制器实现制冷站预测控制. 仿真实验结果 表明, 本文所提出的预测控制策略与PID控制相比, 在未加入优化目标函数权重自适应模块情况下, 系统平均能效 比提高约32.5%; 进行优化目标函数权重自适应寻优后, 系统平均能效提高约39.43%.     

飞机环控/发动机系统多目标优化分析

一种以系统熵产最小为目标函数的优化方法,应用到飞机环控/发动机系统的综合优化计算。由于在不同飞行阶段为使系统总的熵产减小对设计变量的要求不尽相同,甚至存在冲突,引入多目标优化的思想进行优化计算。将任务剖面内不同飞行阶段系统总的熵产最小视为不同的目标函数,通过分析系统之间交联关系、选取设计变量和分析约束条件建立多目标优化计算模型。采用自适应进化多目标粒子群优化算法对模型进行优化计算,得到非劣最优解集,为方案决策提供理论依据。仿真结果证实该方法的有效性,为飞机系统综合优化提供一种新思路。     

A multi-objective nonlinear optimization approach to designing effective air quality control policies

This paper presents the implementation of a two-objective optimization methodology to select effective tropospheric ozone pollution control strategies on a mesoscale domain. The objectives considered are (a) the emission reduction cost and (b) the Air Quality Index. The control variables are the precursor emission reductions due to available technologies. The nonlinear relationship linking air quality objective and precursor emissions is described by artificial neural networks, identified by processing deterministic Chemical Transport Modeling system simulations. Pareto optimal solutions are calculated with the Weighted Sum Strategy. The two-objective problem has been applied to a complex domain in Northern Italy, including the Milan metropolitan area, a region characterized by frequent and persistent ozone episodes.