基于双启发式动态规划的PHEV能量管理策略

为提高插电式混合动力汽车(PHEV)燃油经济性和排放性能,提出一种基于双启发式动态规划(DHP)的能量管理控制策略。采用3层BP神经网络分别设计了DHP能量管理控制器的执行网络、模型网络和评价网络。利用Matlab/Simulink与ADVISOR平台,在CYC_NDEC循环工况下对DHP能量管理控制策略进行联合仿真验证,并与执行依赖启发式动态规划(ADHDP)控制算法设计的能量管理控制策略进行对比分析。结果表明,CYC_NEDC循环工况经过1个、2个与3个循环周期后,DHP能量管理控制策略的蓄电池组荷电状态SOC维持在0.63以上,燃油消耗量分别降低了6.9%、4.1%与2.7%,尾气有害物排放量均有一定程度的降低。该方法可有效提升整车的燃油经济性和环保性。

永磁同步风力发电机的双启发式动态规划控制

永磁同步风力发电机(PMSG)的功率控制一般基于线性控制理论,致使其动态性能难以完全满足风电场运行的需要。本文采用双启发式动态规划(DHP)对PMSG的输出功率进行控制。首先阐述PMSG的工作原理,然后搭建动态模型,编制了DHP算法的C程序,创建DHP控制模块以更换动态模型中的PI控制模块,最终接入到IEEE 10机39节点系统进行时域仿真并调节参数。仿真结果表明,应用DHP算法有效实现了PMSG的功率控制,获得了较为理想的动态性能。

变流量节能系统动态监测及实时调节系统设计分析

为提高变流量节能系统自适应性能和实时调节能力,提出基于双启发式动态规划的变流量节能系统动态监测及实时调节系统设计方法,构建变流量节能动态监测及实时调节控制对象模型,以供水流量及一次侧的供水温度、供水流量为初始约束参量设计系统的控制规则。在此基础上,结合双启发式动态规划模式并采用模糊优化分配控制策略,对系统进行调节和控制,通过线性规划学习方法,实现变流量节能动态监测及实时调节。仿真结果表明,采用该方法进行变流量节能系统动态监测及实时调节的自适应性能较好,各时段流量预测误差曲线波动介于-1.5至1.5之间,且热负荷值与预测热负荷之间相对误差最大值为2.5%,误差较低。

基于UFELM的DHP在水泥回转窑系统中的应用

水泥是建筑等行业必不可少的原材料之一,回转窑是水泥烧成的核心设备。水泥回转窑烧成系统是典型的多扰动、强耦合、大时滞的非线性系统,其导致回转窑温度难以控制,为克服这一难题,建立了基于遗传算法改进BP网络水泥烧成系统模型。在此基础上,利用全反馈极限学习机的双启发式动态规划(UFELM-DHP)算法设计回转窑烧成系统优化控制器。仿真结果表明,此算法可以实现回转窑烧成系统的稳定控制,且具有更快的控制速率。

DHP算法优化控制开发工具的设计与实现

针对目前自适应动态规划的研究中大多采用Matlab语言编程,存在代码执行效率低、使用不灵活等缺点,采用面向对象的编程技术和C++语言设计了一种基于双启发式动态规划算法(DHP)和执行依赖双启发式动态规划(ADDHP)算法的优化控制开发工具,介绍了开发工具的设计开发思路、工作流程、功能特点、主要界面和使用方法。将该工具用于三容液位实验装置的实时仿真控制,实验结果表明,该开发工具具有使用灵活、训练速度快、执行效率高等优点。

基于DHP方法的PEM燃料电池优化控制器设计

质子交换膜燃料电池(PEMFC)系统具有明显的非线性和时变的特质,因此质子交换膜燃料电池的建模和优化控制问题是研究的重点。通过建立单体质子交换膜燃料电池的近似线性动态模型,并在此模型基础上,设计了基于双启发式动态规划(DHP)的质子交换膜燃料电池神经网络优化控制器。仿真结果表明,此近似线性模型有效地简化了非线性和时变的特质,在此模型基础上所设计的神经网络控制器具有更好的控制效果和控制精度。

基于DHP算法的集中供热系统热源优化控制

集中供热系统是1个复杂的多输入多输出系统,具有非线性、强耦合、时变和大滞后等特点,采用经典控制理论和现代控制理论很难在保证供热质量的前提下,实现节能、减排的优化控制目标。自适应动态规划(ADP)是人工智能和控制学科发展交汇的新方法,提出了解决大规模复杂非线性系统优化控制问题的方法。在分析集中供热系统运行机理的基础上,建立热源总热量生产优化问题的数学描述,利用双启发式动态规划(DHP)算法和质量并调的控制策略求解,获得热源供水流量和供水温度的优化设定值。仿真结果表明,此方法可以实现热源处总热量生产问题的优化控制,并能求出其相应的供水温度和供水流量的最优控制量,达到供需匹配和节能降耗的目的。

基于DHP方法的锅炉燃烧系统优化控制研究

电厂锅炉燃烧过程是一个典型的强非线性、多输入、多输出、强耦合过程,以这一直接影响机组安全经济运行的复杂过程控制为研究对象,研究火电厂锅炉燃烧系统的优化控制.首先,采用径向基函数神经网络(radial basis function neural network,RBFNN)对电厂锅炉燃烧系统进行了建模和模型测试.然后,用RBFNN设计了基于双启发式动态规划(dual heuristic programming,DHP)的电厂锅炉燃烧控制器,并在MATLAB环境下对所设计的DHP控制器进行了仿真试验,仿真结果表明利用这种算法设计的控制器实现了锅炉的稳定燃烧控制,且具有强鲁棒性.所给出的控制方法同样可以应用于其他复杂工业过程.

一类未知非线性系统中有限域最优跟踪控制的迭代DHP算法

针对一类未知非线性离散时间系统,提出了一种无模型时域有限差分最优跟踪控制方案.在有限时域最优控制理论的框架下,将跟踪控制问题转化为误差动态调节器,引入迭代自适应动态规划(ADP)算法,通过双启发式动态规划(DHP)技术,分别用三个神经网络逼近误差动力学、成本函数和控制率,结合成本函数和控制率的收敛性分析,得到有限时域最优控制器.通过仿真实例验证了跟踪控制方案的有效性.

基于DHP算法的热力站一次网热量分配控制

针对集中供热系统非线性、大时滞、强耦合的特点,热源到各热力站热量难以实现按需分配、均匀分配.本文提出了自适应动态规划(ADP)解决一次网热量优化分配控制的方法.首先进行热负荷预测,得到各热力站的热负荷值,然后分析集中供热系统一次网运行机理,建立热量优化分配问题的数学描述,最终通过双启发式动态规划(DHP)对该问题进行求解,得到各热力站一次侧的供水流量、供水温度的优化设定值.仿真结果表明该方法优化热量分配的有效性,避免供热不均现象的出现,提高热量的利用率,实现了按需供热的目标.