机场地面服务资源滚动时域调度方法

为了应对航班随机到达对机场地面服务资源调度的影响,针对问题的特点设计了一种滚动时域调度方法(rolling horizon scheduling method,RHSM)。先按时间轴将原问题分解为一系列子问题,再以最小化航班延误总成本和同类资源负荷均衡为目标,构建项目-资源分级调度的数学模型,对每轮滚动时域内的子问题进行调度,最后由各个子问题的解构成原问题的近似解。这样就把复杂问题分解为若干小问题逐个求解,保证了资源调度的实时性。以广州白云国际机场某天3个不同规模的数据:01:00-02:00、15:00-16:00及13:00-21:00,验证该方法的性能。实验结果表明,RHSM能够应对航班到达时间的随机性,并且相较于时间窗解耦调度方法,在01:00-02:00小规模数据中,当求解总时长相同时,选择合适参数的RHSM可降低36.79%航班延误总成本;在15:00-16:00和13:00-21:00的中、大规模数据中,RHSM具有较快的求解速度和较小的计算机内存空间。因此所提方法是具有可行性的,有助于机场地面服务提质增效。

基于滚动时域估计的高超声速飞行器轨迹跟踪

针对高超声速飞行器高精度轨迹跟踪问题,提出一种将滚动时域估计与交互式多模型算法相结合的强机动目标轨迹跟踪算法。给出了半速度系下的高超声速飞行器滑翔段运动模型及量测模型。利用滚动时域估计方法将状态估计问题转化为有约束的优化问题,并充分考虑飞行器滑翔段物理约束。在此基础上,为应对目标不同机动模式,借助交互式多模型算法思想建立模型集对其进行近似。分别在机动模式不变和机动模式突变的情况下对算法进行了验证。结果表明,新算法采用多个模型并行估计,即时调整模型概率后进行融合输出,能够有效避免目标跟踪模型失配,可显著提高对于高超声速飞行器这类强机动目标的轨迹跟踪精度。

航天器交会型轨道追逃策略的滚动时域优化

针对航天器自由时域交会型轨道追逃过程中的测量误差等不确定性对交会的影响,提出了一种基于滚动时域优化的高时效策略求解方法。根据微分对策理论推导得到博弈鞍点控制策略,并对问题进行等价转换;通过预先离线求解开环鞍点策略,将问题初始状态和相应的解作为样本以进行神经网络训练,训练后的网络结构可以快速得到相应问题的近似解。为了更好地应对博弈环境中的测量噪声,基于神经网络结构设计了滚动时域求解框架,并通过周期性的滚动求解最终实现对逃逸航天器的交会。数值仿真表明,所提出的策略可以有效应对测量噪声不确定性,且相比于文献中已有的策略,计算耗时可从分钟级降至秒级。

基于虚拟协商与滚动时域优化的分布式协同制导策略

针对目标机动条件下的多无人机协同制导问题,提出基于虚拟协商机制与滚动时域优化的分布式协同制导策略。为同时改善时间协调与导引控制效果,在滚动时域优化框架下设计局部协调变量与目标函数,构建有限时域内的多约束协同制导优化模型;为增强制导系统对机动目标的鲁棒性,设计基于非线性自回归神经网络的干扰观测器;针对无人机之间的控制输入耦合,提出虚拟协商机制,提出虚拟协商机制,实现同步决策、排除内部“分歧”,并利用Nesterov动量的均方根传播算法设计制导指令生成策略;分别进行数字仿真与半实物仿真实验。结果表明:所提策略可在线预测与优化,应对各类干扰,提升协同制导效果,并会在实际任务中得到进一步的应用与检验。

离散时间平均场随机系统的滚动时域控制

研究了一类离散时间平均场随机时变系统的滚动时域控制(RHC)镇定问题。定义一个新的条件期望型的性能指标;通过利用随机极值原理,得到RHC控制器。基于最优性能指标的单调非增性,得到了使平均场随机系统在RHC控制器下均方镇定的条件,即当2个耦合的Lyapunov型不等式被满足时,由RHC策略控制的系统是均方镇定的。通过数值算例得到在RHC控制器下,其状态轨迹满足渐近均方镇定的条件,即平均场随机系统是渐近均方镇定的,验证了该结论的有效性。

基于滚动时域强化学习的汽车发动机功率自适应分配方法研究

汽车发动机功率分配受多种因素的影响,如车速、路况等。这些因素的变化会导致发动机功率需求不断变化,需要及时调整发动机的输出功率以满足车辆行驶需求,因此有必要研究基于滚动时域强化学习的汽车发动机功率自适应分配方法。考虑到制动过程,该文计算汽车制动系统对车轮施加的制动力与指示转矩,分析发动机的动力特性,并将其作为滚动时域强化学习的输入,进而获取速度参考区间,调整发动机目标转速,最终实现功率自适应分配。试验结果表明,所提方法能够满足汽车在行驶过程中的较高频率功率需求,同时发动机也可以获得更高的运行效率。

基于滚动时域控制的轨道交通车站单站限流策略研究

针对部分高负载节点车站存在站台拥挤的问题,建立数学模型优化乘客的平均等待时间,制定相应限流策略。以乘客在车站各处的等待时间最小为优化目标,进站口单位时间的限流人数作为决策变量,通过乘客在车站中不同位置的行为特征,制定站台容量、列车容量、限流区域3个约束条件,同时设计了基于滚动时域控制的算法进行模拟计算。结果表明,该算法较于一般的限流策略,在超限次数和超限人数上都有较大优势,能够在保证站台安全性的前提下,在繁忙时期有效减少超限次数,站台超限人数降低9%,并将乘客出行的总延误时间降低11%。该研究可为城市轨道交通限流提供有效参考。

整车主动悬架系统分布式滚动时域一致性估计

考虑整车主动悬架系统的约束状态估计问题,本文提出基于一致性原理的分布式滚动时域估计(DMHE)算法.首先,为了降低状态估计过程中的计算量,将整车主动悬架系统分解为若干降阶子系统.其次,为提高分布式状态估计效果,采用滚动时域估计(MHE)方法处理主动悬架系统的状态和噪声约束.考虑子系统与邻居估计状态的相关性,在采样间隔中执行多次一致性原理实现主动悬架系统状态的信息融合,进一步建立了算法的稳定性充分条件.最后,通过对比仿真实验验证算法的有效性和优越性.

基于滚动时域控制的多路径进场航班排序优化

进场航班排序优化是提高进场航班着落效率、减少航班延误的有效方法。基于此,以最大化着落效率为目标,结合多跑道、多航路选择,考虑实际航路点限制,提出了多路径多跑道一体化进场航班排序优化混合整数规划模型。为解决大规模航班排序计算的实时性问题,提出了多航路点滚动时域控制算法。以广州白云国际机场终端区为实例进行验证,采用实际进场航班数据开展计算实验,在尾流安全间隔上,采用RECAT-CN运行标准,计算结果表明:小规模航班架次时(23架),所提模型最大降落时间比先到先服务方法提前55 s,比未优化时提前271 s;大规模航班架次时(104架),仅靠求解器在3600 s内未找到可行解,所提算法在128.65 s找到解。所提模型和算法有效,可应用于实际航班排序优化。

基于滚动时域强化学习的智能车辆侧向控制算法

针对智能车辆的高精度侧向控制问题,提出一种基于滚动时域强化学习(Receding horizon reinforcement learning,RHRL)的侧向控制方法.车辆的侧向控制量由前馈和反馈两部分构成,前馈控制量由参考路径的曲率以及动力学模型直接计算得出;而反馈控制量通过采用滚动时域强化学习算法求解最优跟踪控制问题得到.提出的方法结合滚动时域优化机制,将无限时域最优控制问题转化为若干有限时域控制问题进行求解.与已有的有限时域执行器-评价器学习不同,在每个预测时域采用时间独立型执行器-评价器网络结构学习最优值函数和控制策略.与模型预测控制(Model predictive control,MPC)方法求解开环控制序列不同,RHRL控制器的输出是一个显式状态反馈控制律,兼具直接离线部署和在线学习部署的能力.此外,从理论上证明了RHRL算法在每个预测时域的收敛性,并分析了闭环系统的稳定性.在仿真环境中完成了结构化道路下的车辆侧向控制测试.仿真结果表明,提出的RHRL方法在控制性能方面优于现有先进算法,最后,以红旗E-HS3电动汽车作为实车平台,在封闭结构化城市测试道路和乡村起伏砂石道路下进行了侧向控制实验.实验结果显示,RHRL在结构化城市道路中的侧向控制性能优于预瞄控制,在乡村道路中具有较强的路面适应能力和较好的控制性能.

基于滚动时域控制的无人机机动博弈决策

针对无人机机动决策计算复杂等问题,研究基于滚动时域控制的无人机机动博弈决策算法。分割无人机空战时间域,将机动决策问题转化成滚动时域控制下的最优控制序列求解问题;确定无人机系统的状态方程,选取机动过程中的控制变量;建立空战机动决策指标函数,计算敌我双方无人机的态势优势值,获得敌我双方无人机机动态势博弈矩阵,求解双方机动博弈决策的纳什均衡解,实现无人机机动博弈决策,并通过仿真实例验证所建模型的可行性和有效性。

基于滚动时域策略的岸桥集卡集成调度研究

岸桥和集卡在集装箱码头扮演着重要的角色。为了更好地解决岸桥集卡在装卸作业时的协调问题,提高码头整体作业效率,针对岸桥和集卡的集成调度问题,以集装箱总完工时间最短为目标,考虑了岸桥与集卡的任务分配顺序,建立岸桥集卡集成调度模型。由于模型较为复杂,求解过程更加困难,故采用改进的粒子群算法对模型进行求解。在此基础上提出基于滚动时域的集卡分配策略,设置相应的阈值进行周期滚动,并比较有滚动策略和无滚动策略对求解结果的影响。结果表明,滚动策略可以更好地获得最优解,可以有效提高模型的求解速度,对提高港口物流的装卸效率有一定的价值。

基于滚动时域优化的反舰导弹航路规划

针对反舰导弹作战过程中需要绕开我方安全禁飞区、敌方雷达探测与防空火力等威胁区,特别是动态威胁区等情况,提出基于滚动优化算法开展动态威胁下的航路规划方法,开展在线航迹动态规划研究。首先,在航路规划问题的数学抽象基础上,建立了基于能量、航时、航程指标函数且满足运动学模型和飞行包线等约束的规划模型。其次,提出基于滚动时域优化(RHO)和伪谱法与样条曲线修正的航路规划算法,并通过分时段逐段规划航路和求解控制输入量。最后,针对不同威胁环境、指标函数情况的仿真实验表明:算法高效、可行、可信;不同指标函数优化侧重不同但结果具有正相关性;RHO方法可以避开威胁区域,从而提高导弹突防概率。此外,RHO的分时段优化思想可有效解决动态威胁区的航路规划,为在线规划提供了思路。

基于MTPM和DPM的多无人机协同广域目标搜索滚动时域决策

传统的协同搜索决策方法在目标引导和机间协同方面存在不足.研究建立了基于分布概率预测的目标概率图(Target probability map,TPM)初始化方法和基于贝叶斯准则的目标概率图动态更新方法,形成了修正目标概率图(Modified TPM,MTPM)及其运算机理.考虑对任务子区域进行可控回访,定义了数字信息素图(Digital pheromone map,DPM),建立了数字信息素图使用方法及更新机理.设计了基于MTPM和DPM的寻优指标,建立了基于滚动时域控制的协同搜索决策方法(MTPM-DPM-RHC method,MDR).仿真表明:1)MTPM能有效降低对目标的虚警率和漏检率;2)DPM能有效实现对任务区域可控回访;3)MDR方法的遍历能力、重访能力和目标搜索效率均优于已有方法.

基于滚动时域的无人机空战决策专家系统

针对专家系统法在空战应用中存在适应性差的缺陷,提出了一种基于滚动时域控制(RHC)的机动决策算法对空战机动决策专家系统进行改进.首先,系统地分析了在专家系统空战机动决策中的最优控制问题,完成了机动决策最优控制模型系统状态方程的建立、控制约束的设计以及指标函数的建立.在此基础上,根据滚动时域法原理,将整个空战过程分解为若干有限时域,并在每个时域内将空战机动决策问题视为初始条件不断更新的专家系统机动决策最优控制模型的求解,反复进行直到空战结束.仿真结果表明,在专家系统法失效的情况下,通过求解专家系统空战机动决策滚动时域最优控制模型,无人机能够快速地进行有效的机动决策.

计及配电网三相模型的电动汽车充电滚动时域控制

针对电动汽车实时充电具有随机性强、受配电网多种安全约束限制的特点,该文计及配电网的三相网络结构,建立了电动汽车充电控制的最优化模型;同时,基于滚动时域控制理论,提出了一种高效的电动汽车实时调度方法。该方法结合电动汽车的充电特点,通过调度对象筛选、变时域滚动、局部滚动和事件驱动,实现优化效果和计算效率的平衡。爱尔兰-11、IEEE-33和IEEE-119这3个配电网系统的仿真计算表明,所提优化模型可有效地控制安全约束;改进的滚动时域控制方法计算效率高,优化效果好,对负荷和电价等曲线具有很好的跟踪性能。

基于滚动时域优化的无人飞行器轨迹规划

给出了寻求无人飞行器的最优轨迹的一种方法,其问题描述为使飞行器从初始状态飞行到目标状态,同时避免撞到障碍物。基于混合整数规划的滚动时域优化方法用来求解飞行器的轨迹规划问题。给出的仿真结果显示此方法的有效性以及在复杂环境下的可实时计算性。

基于滚动时域的C2组织决策层结构动态适应性优化

针对C2组织决策层结构适应性优化问题,定义了决策层结构与使命的适应性测度,分析了影响C2组织决策层结构的不确定因素,建立了决策层结构适应性优化模型。为了降低决策层结构适应性优化问题求解所面临的不确定性和减少决策层结构变化成本,设计了基于滚动时域的动态适应性优化方法,在提升决策层结构性能的同时控制了决策层结构变化成本。通过计算实验验证了滚动时域方法的有效性。

基于滚动时域控制的战斗机空战机动决策

采用滚动时域控制(Receding Horizon Control,RHC)方法对空战机动决策进行建模研究。首先,基于空战态势和战斗机作战能力给出探测优势和攻击优势的集合描述,并建立定量评估函数,得到机动决策的目标集;其次,综合考虑战斗机的战术优势、机动时间和控制损耗构建了决策指标函数;然后,基于直接多重打靶法给出其数值求解方法。仿真结果表明:基于RHC的机动决策方法能够在规避目标威胁的情况下,有效地达成攻击条件。

基于滚动时域估计的飞行器姿态估计及三轴磁强计在线校正

针对飞行器姿态估计以及三轴磁强计在线校正问题,提出了一种实时滚动时域估计算法.首先,为了解决在卡尔曼滤波框架下系统约束不能显式求解的问题,设计了滚动时域估计滤波算法.该算法将飞行器姿态估计问题转化为优化问题,显式求解四元数归一化性质,缩小搜索空间的同时提高了搜索效率和精度.其次,滤波时域窗内应用高斯-牛顿迭代法求解最优状态估计值,满足了实时性要求.最后,在没有增加系统状态维数的情况下,在线求解了三轴磁强计校正参数,保证了磁强计量测值以矢量形式输入系统.仿真结果表明,由于合理地利用了历史信息,该方法精度较高,且对初始误差、系统误差均不敏感,具有一定鲁棒性.