基于能量控制的机器人关节同步优化控制研究

针对移动机器人在高性能输出和长时间续航等方面的综合工作性能需求,提出一种针对机器人关节的多性能同步优化端口受控哈密顿能量控制方法。首先,建立机器人关节的数学模型和哈密顿能量控制模型,并推导出能方便采用模型代理优化算法的关节靶向能量传输系统模型;其次,搭建能量闭环控制器,与磁场矢量控制结合完成机器人关节的控制闭环,并设计了多性能同步优化控制策略使得机器人关节在保证运行输出能力的同时获得最长的续航能力。MATLAB/Simulink仿真结果表明,多性能同步优化端口受控哈密顿能量控制器使机器人关节拥有较好的输出稳定性,同步优化控制策略在与其他控制策略的输出能力和续航能力等多指标的综合对比分析中展现了优势。

基于优化Kriging代理模型的场景分析法求解机组组合问题

由于风电具有很强的波动性和不确定性,为机组组合(Unit Commitment,UC)问题带来许多问题和挑战。因此,提出了一种基于优化Kriging代理模型的场景分析法来处理风电的不确定性。首先通过"预测箱"方法生成大量场景,然后由序列优化的Kriging代理模型估计各场景所对应的经济成本。同时,根据风电不确定性及运行成本对系统的影响,采用重要性采样法削减场景。通过考虑功率平衡和风电爬坡约束的随机机组组合(Stochastic UnitCommitment,SUC)模型验证了该方法的有效性。算例分析结果表明,序列优化Kriging代理模型可以使用较少的场景预测场景运行成本。与Kantorovich距离法相比,该方法的削减结果选择了较为重要的场景,其求解结果具有更好的经济性和可靠性。

代理模型优化在环氧丙烷水解反应中的应用研究

通过流程模拟软件HYSYS获得控制对象的大范围稳态操作数据,构造径向基函数RBF (Radial Basis Function)神经网络作为适应度函数评估的代理模型,针对控制对象的非线性多稳态特性,采用了混合个体评估进化策略,对一个环氧丙烷水解反应的实例分析表明了此方法的有效性。

采用动态交互作用分析的叶轮机械优化算法研究

针对当前基于代理模型的优化算法因遭遇“维度灾难”而难以开展叶轮机械高维优化的难题,提出了自适应厘清变量间关系的动态聚合全局优化算法。该算法能在不消耗额外样本的条件下获取设计变量间的交互信息,并基于该信息一方面将高维问题分解为多个低维问题,实现高维问题的高效优化,另一方面为后续知识挖掘提供信息基础。在完成典型30维函数算例测试后,利用所提出的算法完成了包含28个设计变量的Rotor 37叶栅气动优化与设计空间知识挖掘。结果表明,优化后,Rotor 37叶栅设计工况效率相对参考设计提高了1.69%,且变工况性能相对参考设计亦有不同程度提高。在获得最优解的同时,所提出的算法还厘清了Rotor 37叶栅设计空间各变量间交互作用关系。进一步,结合算法所揭示的变量交互作用进行知识挖掘与CFD验证,证明对分离线附近型线进行微调可有效降低激波与边界层相互作用,从而提高跨声速叶栅的气动性能。由此,所提出的算法在求解高维大资源叶轮机械优化设计问题上的适用性和有效性得到验证。

基于光伏系统的动态代理模型最大功率点跟踪算法研究

光伏发电系统在部分阴影条件下,其功率-电压输出特性曲线会出现多个峰值点。针对该问题,传统的最大功率点跟踪算法(MPPT)容易陷入局部最优解且稳定性较差的状况而不再适用。为实现部分阴影条件下最大功率点跟踪,设计了一种基于光伏系统的动态代理模型优化(DSMO)方法。该方法为避免盲目搜索,根据光伏系统的实时数据,采用径向基函数(RBF)网络构建输入/输出特征的动态代理模型。在动态代理模型的基础上,采用贪婪搜索加速收敛。通过恒温恒光照启动测试、恒温光照强度阶跃变化测试、变温变光照强度测试3个算例对该方法的实用性和优越性进行了评估。与蚁群算法(ASO)、灰狼算法(GWO)、扰动观察法(P&O)和粒子群算法(PSO)相比,所提方法在部分阴影条件下能快速稳定地使光伏系统产生更多的能量和更小的功率波动。

基于非精确搜索的固体火箭发动机序列近似约束优化设计方法

基于代理的约束优化方法在实际固体火箭发动机设计问题中得到了广泛的应用。为了提高设计性能,文中提出了一种基于非精确搜索的序列近似约束优化(ISSACO)方法,该方法应用了一个三阶段非精确采样方法。三阶段约束抽样方法采用精英档案机制来平衡采样的可行性和最优性,针对精英档案中种群可行与不可行的情况,分别制订了3种抽样准则。采样固体火箭发动机冲质比优化工程算例及数值算例进行验证,结果表明:ISSACO方法可以高效地定位全局可行最优,证明了本方法的有效性。

大规模黑箱优化问题元启发式求解方法研究进展

大型复杂工程装备的优化设计通常为高复杂度、高维度的优化问题,即所谓的大规模黑箱优化问题,其特点是目标函数和/或约束函数解析式不可知且设计变量维度很高。近年来,大规模黑箱优化问题在各领域引起了学者们的兴趣,而元启发式算法被认为是求解该问题的有效方法。为此,全面总结了近年来求解该问题的元启发式算法的研究进展,包括使用与不使用分解策略的元启发式算法,以及处理大规模昂贵优化问题的代理模型辅助元启发式算法,并指出了针对此问题的元启发式求解方法未来可能的研究方向。

基于多岛遗传算法的轴承精超工艺多目标优化

为提高角接触球轴承内圈沟道精超加工精度及效率,利用ISIGHT优化软件对角接触球轴承内圈沟道精超工艺进行了多目标优化研究。首先通过正交试验得到一组样本点;然后采用二次多项式响应面法建立以工件转速、油石压力、油石摆动频率及超精时间等主要工艺参数为输入变量,以轴承内圈沟道表面粗糙度和沟道圆度误差为输出变量的多目标优化代理模型;最后,基于多岛遗传算法对多目标优化代理模型进行优化,得到一组最优精超工艺参数组合及结果预测值。试验结果表明:经过优化得到的表面粗糙度值比优化前的表面粗糙度值降低了15.244%,沟道圆度误差值比优化前的圆度误差值降低了14.87%,并且加工效率提升了21.43%,优化效果显著。

基于梯度增强Kriging方法的水下航行器结构优化设计

[目的]船舶结构优化设计过程通常涉及对高精度数值仿真进行响应分析,其耗时特性决定了可调用的仿真次数十分有限,使得优化过程受到限制。为了探索基于梯度增强Kriging代理模型的高效设计优化方法,缩短设计周期,节省设计成本,提出基于缩减型梯度增强Kriging的加点策略,仅在有实际改进的采样位置进行梯度计算,以减少仿真调用次数。[方法]首先,使用多起点局部优化算法搜索改进期望函数的若干局部最优解作为候选加点位置;然后,计算相应的近似驻点概率,并根据改进期望值和近似驻点概率值的一致程度来确定加点位置,从而提高优化效率;最后,针对某水下航行器结构进行优化设计,以提高其水下无约束自由振动时的第7阶固有频率为目标,对所提方法的可行性进行验证。[结果]结果表明,优化后的固有频率值与基准型相比提升了14.6%,方法的可行性得到验证。[结论]所提方法可以将基于梯度增强Kriging代理模型的优化方法泛化至梯度信息只能通过有限差分法获取的场景。

基于车轮磨耗和舒适度的CRH3型动车组型面优化研究

随着我国高速列车运营里程不断增大,车辆车轮磨耗日益突出,旅客舒适度近一步降低。车轮磨耗带来的次生问题已经严重影响着我国高速铁路运营的经济性。而这些问题的核心在于轮轨接触关系的变化,该研究在原有车轮型面的基础上,采用了旋转压缩微调法进行车轮型面设计。以车轮踏面磨耗和舒适度为优化目标,采用Kriging代理模型(KSM)和粒子群优化(PSO)算法优化出最优型面。并对优化后型面的轮轨接触特性,动力学特性和车轮磨耗进行仿真分析。结果表明:优化后型面其轮轨接触点分布更加均匀,轮轨最大接触应力进一步减小;同时其临界速度进一步提高,增大了35km/h;在直线和曲线工况下,横向平稳性指标有了进一步降低;优化后型面其轮轨磨耗性能进一步提高,最大磨耗深度减小13.4%。

基于代理模型全局优化的自适应参数化方法

对于翼型气动隐身设计问题,设计变量的配置对设计结果影响很大,而简单地增加设计变量不能保证得到理想的结果。提出一种适用于代理模型全局优化的自适应参数化方法:利用全局敏感性分析方法——基本效应法,得到设计空间关于目标函数的敏感区域信息,并以此为根据增加设计变量;利用节点插入算法将低维样本在高维空间内进行重构,避免了重新取样的工作量。相对于传统固定设计空间维度方法,自适应参数化方法在设计空间的敏感区域扩展维度,能够更加精准地描述外形并反映目标的变化趋势。通过飞翼布局翼型的气动隐身优化算例,证实自适应参数化方法可以大幅提高优化设计质量和效率。

基于新型高维代理模型的气动外形设计方法

随着现代飞行器性能需求的不断提高,飞行器精细化气动优化设计要求更高可信度的CFD数值分析及更多的独立设计变量,使得基于代理模型的全局优化算法在超过一定的设计变量后显著降低了效率,难以满足复杂工程的设计需求。而目前的高维代理模型过程复杂、时间花费高,缺乏对工程问题的广泛适应性。针对以上难题,提出了利用监督式非线性降维代理建模方法来缓解代理优化过程中的高维变量设计难题。该方法将核主成分分析(非线性)降维与高斯回归过程模型统一训练,自适应构建新型高维代理模型,并随着优化过程不断学习改进模型,建立了从高维输入到输出的准确映射,有效解决了传统高维代理模型训练时间花费高和适应性差等难题。然后基于该新型代理模型发展了适用于飞行器复杂气动设计的高维全局优化设计方法,并将其应用到美国航空航天学会(AIAA)优化小组发布的2个复杂跨声速优化算例中。通过与传统代理优化方法全面比较,验证了所提的方法能大幅提高飞行器高维变量全局优化效率和全局寻优能力。

双阶段填充采样辅助的昂贵多目标优化

针对代理模型引导多目标优化算法,求解决策变量数量增多的昂贵多目标优化问题时,搜索效率较低的问题,提出一种双阶段填充采样辅助的昂贵多目标优化算法。第一阶段,利用一组方向向量引导产生靠近真实最优解集的样本,加快模型引导算法搜索;第二阶段,由代理模型估计获得估值误差,融合个体与样本之间相似性、个体估值收敛性,选择个体用于真实评价后填充样本集,实现模型性能的提升。在100维和200维的多目标基准测试问题上的实验结果表明,所提算法在同等有限资源内获得了比其它算法更为显著的优势。

高亚声速低雷诺数翼型气动优化设计研究

针对临近空间和火星飞行器的螺旋桨通常面临的高亚声速、低雷诺数的特殊气动问题,首先,结合经过验证的基于■转捩模型的RANS数值模拟方法,并基于代理模型建立了高亚声速、低雷诺数气动优化设计框架。然后,针对临近空间螺旋桨翼型,在设计工况点(Ma=0.77,Re=1×10^(5))开展了以改善升阻比为目标的气动优化设计。结果表明,优化翼型较原始低速翼型升阻比在设计点附近大幅提升,气动性能得到显著提高。研究结果可为临近空间和火星飞行器的气动设计提供技术支持。

基于机器学习的地热采灌方案优化方法

为了解决基于数值模拟的优化方法,通常需要大量模拟计算的问题,在比较不同机器学习方法的预测性能后,建立了基于多层感知机的代理模型,以降低计算成本,然后将其与遗传算法相结合,提出了非均质地热储层中地热对井系统采灌方案优化方法。通过地热田对井系统的案例研究,证明了所开发的采灌方案优化方法的合理性和有效性。结果表明,基于代理模型的采灌方案优化方法能以更低的计算成本,准确地找到给定开采井位置时最优的回灌井位置、采灌量和尾水温度。

A surrogate-based optimization algorithm for network design problems

由于其双层规划结构本质上的非凸性,交通网络设计问题一直以来都是交通规划领域中最为困难的问题之一。尤其在考虑混合了连续变量与离散变量的决策变量时,得到的混合网络设计形式进一步增加了问题的难度。本文引入了一种代理模型优化算法,用以解决三种不同种类的网络设计问题,包括连续、离散与混合的情形。我们证明了提出的算法在解决连续网络设计问题时,能够确保"渐进完全收敛"的性质,即在给定足够长的计算时间时,算法能够以概率1收敛到全局最优解。为了展示本文提出的框架在实际问题中的表现,我们用大量的算例对比了代理模型算法与大量用于解决网络设计问题的经典算法、启发式算法的效果。结果表明,以效率与精确度而论,代理模型算法是其中最优秀之一,同时它还能够有效地解决超过20个变量的较大规模的问题。本文提出的代理模型优化框架也能够用于解决交通领域的其他优化问题。