一种简易的无模型控制算法——改进的同时扰动随机逼近控制

同时扰动随机逼近控制算法是一种特别适合于应用在工况变化大、非线性强的工业过程的无模型控制算法。但该算法采用了神经网络作为函数逼近器,使得在工程上的实现过于复杂,文章对此作出改进,使其大大简化,更适合于在工程上应用。

基于移相器控制电压的“动中通”波束形成改进算法

在波束形成技术中,基于同时扰动随机梯度估计算法计算接收功率对移相器控制电压的梯度,研究了同时扰动随机梯度估计算法中扰动量和电压更新方程中步长的取值问题。仿真结果表明,随迭代次数变化的扰动量较固定扰动量能有效地提高算法的收敛性能,在同时扰动随机梯度估计算法中,将步长改为随阵元空间位置变化,能有效地提高电压更新方程的收敛速度。研究了与变扰动量有关的参数取值,指出了参数的选取准则。MATLAB仿真结果验证了所改进算法的正确性和有效性。

无模型技术在有源噪声控制中的应用

根据无模型自适应控制的基本原理,采用同时扰动算法对有源噪声控制系统中的测量误差信号进行直接处理,不再需要建立次级声学路径模型。分别就前馈控制和反馈控制两种情况加以研究。仿真结果表明,该算法不仅使主噪声信号得到明显的衰减,而且对系统次路径的变化也不敏感。

强天然水驱油藏开发后期产液结构自动优化技术

基于最优控制理论,以强天然水驱油藏的生产规律作为基础约束条件,建立强天然水驱油藏开发后期产液结构数学模型,利用改进的同时扰动随机逼近算法(SPSA)对模型进行求解,并编制产液结构自动优化软件。模型避免了传统优化方法只注重求取数学最大值而忽略油田生产规律的缺点,具有计算效率高、周期短、能够自动寻优的优点,可满足油田开发后期产液结构的自动优化,同时也为同类油藏的开发调整提供参考。软件应用在南美洲厄瓜多尔D油田的开发生产实践中,实现了油田开发后期产液结构自动优化。

基于神经网络的实时交通信号控制与仿真研究

实时交通信号控制是城市交通控制系统的重要组成部分,建立在前人研究工作的基础上,本文尝试采用多智能体的分布式控制技术来解决复杂的交通信号控制问题,构造了多智能体的城市交通控制系统控制流程,提出基于同时扰动随机逼近算法/人工神经网络的改进的交通控制模型.模型通过采用同时扰动随机逼近算法来更新神经网络的权重,这种方法克服了现有控制方法需要大量的数据传输、准确的数学模型等缺陷.最后作者应用微观交通仿真系统对模型的有效性在较为复杂的交通网络中进行了测试,仿真结果表明了该方法的有效性.