基于双分支在线优化和特征融合的视频目标跟踪算法

针对D3S算法对跟踪目标的判别能力不足的问题,提出了一种基于双分支在线优化和特征融合的视频目标跟踪算法。首先,构建双分支的在线优化分类器,实现对目标的二次定位,得到更准确的目标位置响应图;然后,在特征层上实现响应图与搜索特征的融合,并通过encoder模块促进融合过程,进一步突出跟踪目标的特征;最后,通过encoder模块实现模板特征的更新,拟合特征间的差异,提高分割模块的判别能力。在VOT2018和UAV123数据集进行实验,改进后算法与原算法相比,在VOT2018数据集上EAO提高了2.9%,在UAV123数据集上成功率提高了2.4%,准确率提高了2.9%。实验结果表明,本文方法提高了算法的判别能力,并且进一步提升了精度和鲁棒性。

基于深度强化学习的微电网在线优化

针对微电网的随机优化调度问题,提出了一种基于深度强化学习的微电网在线优化算法。利用深度神经网络近似状态-动作值函数,把蓄电池的动作离散化作为神经网络输出,然后利用非线性规划求解剩余决策变量并计算立即回报,通过Q学习算法,获取最优策略。为使得神经网络适应风光负荷的随机性,根据风电、光伏和负荷功率预测曲线及其预测误差,利用蒙特卡洛抽样生成多组训练曲线来训练神经网络;训练完成后,保存权重,根据微电网实时输入状态,神经网络能实时输出蓄电池的动作,实现微电网的在线优化调度。在风电、光伏和负荷功率发生波动的情况下与日前优化结果进行对比,验证了该算法相比于日前优化在微电网在线优化中的有效性和优越性。

基于图像处理的连续纤维增强复合材料3D打印精度在线优化方法

为了改善“独立挤出型”连续纤维增强复合材料3D打印(continuous fiber reinforced composite 3D printing, CFRC 3DP)制件的尺寸精度,提出了基于图像处理技术的在线优化方法,建立了CFRC 3DP尺寸精度的在线反馈优化模型,研究了图像滤波、边缘检测及边缘几何基元的提取方法,基于CFRC 3DP打印层实际尺寸与理论尺寸的误差对比,求解了打印制件的误差比例系数,修正了电机步进值,实现了CFRC 3DP尺寸精度的在线优化.通过对典型轴套类零件优化前后的打印尺寸研究,并利用假设检验进行了统计学分析,实验结果表明优化前后打印样件的尺寸存在显著性差异,8 mm轴和16 mm轴的直径打印精度分别提升了1.34%和0.76%,且标准差均有所减小,验证了尺寸精度在线优化方法的可行性和有效性.

含新能源发电的电动汽车充电站充电功率在线优化策略研究

针对含新能源发电系统的电动汽车充电站充电功率优化问题,提出了一种充电功率在线实时优化策略,依据新能源发电出力及电动汽车当前状态信息动态调整未来24 h内充电站各充电桩充电功率,该在线优化策略依据电动汽车充电负荷特点,在初始化阶段利用基于状态依赖的决策向量分类方法,降低了每次优化待优化矩阵维度;在优化过程中利用微分演化算法,分别对有效决策向量组合以及决策向量进行优化,旨在快速、准确地对充电站中各充电桩未来24 h内的充电计划进行实时优化。该优化策略对降低充电站运行成本、改善因电动车充电引起的负荷波动具有一定的参考价值。

在线优化参数的多变量无模型预测线性自抗扰控制

针对时变参数的多变量线性模型上叠加非线性的系统,采用具有辅助向量的多变量偏格式动态线性化方法逼近该系统,在多变量线性状态观测器中加入辨识的线性模型,提高状态观测精度。在多变量线性跟踪微分器和状态观测器分别引入超前参考输入与输出预测值,使多变量线性自抗扰控制器具有预测控制性能。运用非线性递推最小二乘法在线优化多变量线性自抗扰控制器的参数,给出在线优化参数的多变量无模型预测线性自抗扰控制算法。结果表明:无参数优化时的响应曲线,超调大,调节时间约1 s,无稳偏;有参数优化时的响应曲线,超调较小,调节时间约0.65 s,无稳偏,控制算法的响应优良。

在线优化参数的无模型PID预测函数控制

针对复杂非线性系统难以建模的控制问题,采用具有辅助变量紧格式动态线性化泛模型的无模型自适应控制方案,结合PID预测函数控制,并对目标函数进行改进,提出广义目标函数,给出无模型PID预测函数控制,采用直接极小化指标函数自适应优化算法对PID控制参数寻优,给出PID控制参数的在线优化算法。仿真研究表明算法的控制响应优良。

在线优化参数的无模型预测神经网络自抗扰控制

关于难以建模的非线性系统的控制问题,提出具有辅助变量的全格式动态线性化方法逼近非线性系统模型,基于其构建系统的预测模型,给出采用直接极小化指标函数自适应优化算法的参数估计算法,在扩张状态观测器中引入控制输入的微分项,并将控制输入和其微分的系数改进为关于观测状态的函数,因其未知,使用RBF神经网络逼近,利用非线性递推最小二乘法同时优化RBF神经网络参数和自抗扰控制器参数,综上研究提出在线优化参数的无模型预测神经网络自抗扰控制算法。仿真研究验证了上述研究的合理性和有效性,系统响应精度高。

基于最短路径的复杂机械产品装配过程质量控制点公差带在线优化方法

为提高复杂机械产品的装配精度和装配质量稳定性,提出一种基于最短路径的复杂机械产品装配过程质量控制点公差带在线优化方法。对关键工序的质量控制点公差带进行细粒度划分;从装配精度角度出发,引入田口工序能力指数构建质量损失—公差函数;综合考虑装配过程中两种作业(基本作业和辅助作业)类型的时间调整损失,建立装配时间调整费用—公差函数;在上述两函数的基础上,通过加权聚类建立装配损失—公差函数模型,以描述质量控制点的总损失与公差的关系;构建基于最短路径的公差带在线优化模型,将装配损失—公差函数作为权函数,以最小损失为目标进行搜索,实现对后续质量控制点公差带的在线优化。以某型发动机缸盖螺栓拧紧过程为应用实例,验证了上述方法的可行性和有效性。

基于互信息和博弈论的复杂机械产品装配质量控制阈在线优化方法及应用

为提高复杂机械产品的装配精度和装配稳定性,提出一种基于互信息和博弈论的复杂机械产品装配过程质量控制阈在线优化方法。在分析复杂机械产品装配特点的基础上,基于互信息表征了装配质量控制点之间的耦合关系,建立了装配质量稳定性测度模型。为保证装配精度,以装配成本(质量损失成本和装配调整成本)最小化为目标,阐述了装配成本与控制阈的关系。将装配稳定性、装配成本要素之间的冲突问题转化为数学模型,基于博弈论方法进行冲突消解,获得最优装配质量控制阈。以模型发动机缸盖螺栓拧紧为例,设计开发了装配质量控制阈优化系统,验证了该方法的可行性和有效性。

基于深度强化学习的家庭综合需求响应在线优化

家庭综合需求响应(home integrated demand response,HIDR)是重要的节能减排技术,家庭能源系统的不确定性和设备动态投退,要求HIDR优化策略具有在线自适应调整能力。该文以深度强化学习为核心,研究HIDR在线优化方法。首先,鉴于气电两用设备对HIDR的重要价值,将其作为优化对象。然后,建立物理系统、系统模型、优化策略自动联动的HIDR优化框架。接着,建立典型家庭能源系统的模型;进而,针对典型家庭设计HIDR深度强化学习优化模型,包括强化学习常规要素、带注意力机制的学习网络、策略迁移方法。算例仿真表明,提出的方法能自动适应系统的不确定性和设备投退,与无HIDR参与相比,能降低能源成本29.4%,且给出的深度强化学习方法在HIDR上的收敛时间仅需标准DQN的28.8%。

面向再制造复杂机械产品装配过程的质量控制点公差带在线优化方法

为提高再制造零部件利用率并提升再制造复杂机械产品的装配精度,提出了一种面向再制造复杂机械产品装配过程的质量控制点公差带在线优化方法。在分析再制造复杂机械产品装配特点的基础上,对关键工序的质量控制点公差带进行细粒度划分;从装配精度角度出发,综合考虑装配过程中的质量损失和成本差异,以尺寸链为约束,构建了公差带优化模型,并研究了基于遗传算法的模型求解过程;在此基础上,提出了基于历史数据的正向推理模式,以及基于装配实时信息的逆向推理模式,推导出装配优化方案集并对车间异常情况作出及时响应;最后,开发出再制造发动机装配过程在线质量控制系统原型,验证了该方法的可行性和有效性。

基于在线优化的切换多模型自适应控制

介绍了切换多模型控制方法。针对多模型方法中子模型数量过多的问题 ,提出一种基于模型集在线优化方案的多模型自适应控制算法 ,并对其实时性进行讨论。该方法能减少子模型数量 ,降低计算复杂度 ,缩短系统的采样间隔。计算机仿真结果表明 ,该方法在控制精度。

原油蒸馏装置在线优化软件的工程实施

介绍常减压蒸馏装置在线优化软件的基本功能以及与先进控制软件间的连接策略。阐述该软件在某常减压装置的现场系统集成以及在线闭环运行结果。现场在线运行结果表明 ,该在线优化软件能够适应现场各种工况的变化 。

基于神经网络和遗传算法的在线优化软件设计与实现

提出了一种基于神经网络和遗传算法的在线优化体系 ,设计并实现了基于神经网络和遗传算法的在线优化软件包 ,并将该软件成功应用于甲醇合成的在线操作优化 ,进而对此类软件的特点进行了讨论 。

动态电源管理的随机切换模型与在线优化

考虑系统参数未知情况下的动态电源管理问题,提出一种基于强化学习的在线策略优化算法.通过建立事件驱动的随机切换分析模型,将动态电源管理问题转化为带约束的Markov决策过程的策略优化问题.利用此模型的动态结构特性,结合在线学习估计梯度与随机逼近改进策略,提出动态电源管理策略的在线优化算法.随机切换模型对电源管理系统的动态特性描述精确,在线优化算法自适应性强,运算量小,精度高,具有较高的实际应用价值.

基于Multi-Agent异步深度强化学习的居民住宅能耗在线优化调度研究

为促进居民用户柔性负荷高效参与需求响应,帮助用户从被动角色转变为主动角色,实现需求侧最大效益。该文在智能电网环境下,根据用电设备的特性,以概率论的角度对家电设备状态进行描述定义,基于异步深度强化学习(asynchronous deep reinforcement learning,ADRL)进行家庭能源管理系统调度的在线优化。学习过程采用异步优势演员–评判家(asynchronous advantage actor-critic,A3C)方法,联合用户历史用电设备运行状态的概率分布,通过多智能体利用CPU多线程功能同时执行多个动作的决策。该方法在包括光伏发电、电动汽车和居民住宅电器设备信息的某高维数据库上进行仿真验证。最后通过不同住宅情境下的优化决策效果对比分析可知,所提在线能耗调度策略可用于向电力用户提供实时反馈,以实现用户用电经济性目标。

PTA溶剂脱水塔先进控制与在线优化

从PTA溶剂脱水塔的工艺操作特点出发 ,运用RMPCT多变量预测控制软件 ,建立以塔顶与塔釜组分为被控变量 ,以塔釜温度回路设定值和回流量为操纵变量的溶剂脱水塔先进控制与在线优化系统 ,稳定溶剂脱水塔的操作 ,综合降低塔的酸耗和蒸汽消耗 。

基于动态特性的数控铣削参数自适应在线优化

为避免切削力突变对机床加工稳定性带来的影响,针对数控加工复杂非线性的特点,提出了基于动态特性的模糊自适应控制策略,实时监测和提取主轴电机电流而间接获得切削力,基于数控加工系统动态特性得到电流与进给速度间实时变化关系,据此对基于经验的控制规则进行优化,对影响切削力的进给速度在线自适应优化,以电流作为反馈量来控制切削力并保持切削过程稳定。实验结果表明,该方法可以更快地使切削力调整到既定值,提高加工效率和稳定性,发挥机床最大功效。

浸出过程浸出率预测与在线优化

本文建立了浸出过程浸出率混合预测模型;基于该预测模型及生产的实际需要,将一个动态浸出问题转化为带约束的优化问题;针对在线优化计算时间长,精度要求高的难题,提出了变邻域搜索PSO算法及基于该算法的动态生产过程在线优化策略.通过实际应用证明混合预测模型预测精度高;在线优化算法自适应性强、运算量小、精度高,具有较高的实际应用价值.

实时优化技术在乙烯装置在线优化中的应用

乙烯产业是重要的石化基础产业,对国民经济、石油化工产业及工业社会起着举足轻重的作用,近年来在我国经济增长过程中保持着蓬勃发展的态势,但是,由于我国乙烯生产总体技术水平的相对滞后以及乙烯工业所供原料复杂等因素,导致我国目前乙烯装置与世界乙烯生产先进水平存在一定差距,为了减小这一差距,达到世界先进水平,离不开工业过程自动化和运用实时优化技术。为此,本文介绍了实时优化技术的国内外发展现状和该技术在乙烯装置的应用情况,并通过实时优化系统的实施,建立了乙烯装置的全流程严格机理模型,可以实时跟踪乙烯装置的生产情况,持续不断对装置进行在线优化,使装置的操作达到最佳的经济效益操作点,此外,在优化中以装置的原料、产品和公用工程等价格为导向,对全装置生产过程自动操作执行,减少了优化计算和结果执行中的人为干预。分析表明实时优化技术有效实现了乙烯装置增产、节能和降耗的目标,可为乙烯生产企业创造新增经济效益。