基于同步扰动随机逼近算法的最大风能追踪控制

为使风力发电系统在变动风速下不受外界干扰,易使风力机保持在最大功率点运行,文中提出采用同步扰动随机逼近(SPSA)算法进行风力发电系统最大功率追踪。SPSA算法通过调节电源转换器的工作周期,间接控制风力发电机转速,使风力发电系统在任何风速下皆可运行在最大功率点,并避免实际运行时使用风力计和转速计。仿真结果表明,无论风速如何变化,SPSA算法能有效提高风力发电系统输出功率,并使叶尖速比和效能指数维持在最佳值附近。

基于同步扰动随机逼近算法的电熔镁炉智能控制系统

针对电熔镁炉熔炼过程中电极电流的调节主要依靠人工手动控制,控制效果差、产品质量不稳定、能量浪费严重的生产现状,提出了一种电熔镁炉智能控制策略.该智能控制策略根据熔炼过程中不同的熔炼工况分别设计了基于SPSA算法和神经网络的正常工况控制器以及基于规则推理技术的特殊工况控制器.将所设计的电熔镁炉智能控制系统应用于实际工业现场,实现了对电极电流的自动控制,保证了产品产量,降低了产品能耗.

基于同步扰动随机逼近的混合萤火虫算法

针对标准萤火虫算法(FA)中存在的种群过早收敛、容易陷入局部最优等不足,提出一种以memetic算法为框架、将同步扰动随机逼近和萤火虫算法相结合的混合算法(FA-SPSA),即首先使用萤火虫算法对种群进行全局寻优,然后使用同步扰动随机逼近算法对选出的部分最优个体进行局部搜索,从而增强萤火虫算法跳出局部最优解的能力。通过6个标准测试函数对FA-SPSA算法的性能进行检验,并与标准萤火虫算法、果蝇算法、改进的果蝇算法等其他4种算法进行比较,结果表明,FA-SPSA算法在寻优精度、收敛速度、鲁棒性等方面的性能总体上优于对比算法。

基于改进的同步扰动随机逼近算法的聚表二元驱优化

聚表二元驱作为一种提高采收率的有效方法已经被广泛应用于各大油田,为实现聚表二元驱生产效益最大化,从油田实际情况出发,将油田开发的经济效益作为优化目标,选取聚合物与表面活性剂的质量浓度、注入体积、注入时机等参数作为调控变量,并结合改进随机差异化步长的SPSA算法进行优化求解,比较约束与不约束聚合物、表面活性剂使用总量。结果表明:随机差异化步长不仅可以加快算法的运行效率而且能更好地实现全局最优性;当不约束聚合物和表面活性剂使用总量时,在含水率越小时实施聚表二元驱,生产效益越好;当约束聚合物和表面活性剂使用总量时,聚合物和表面活性剂使用总量越小,在含水率越大时实施聚表二元驱生产效益越好。

具有模糊收益率的贷款组合优化决策

通过把贷款的收益率刻画为模糊变量,提出了贷款组合的优化决策模型,即均值-方差模型,模型中的贷款收益率可以是任意的模糊变量.对于贷款收益率是特殊的三角模糊变量的情况,给出了模型的清晰等价类,这些等价类模型可以用传统的方法进行求解.对于贷款收益率的隶属函数比较复杂的情况,设计了基于模糊模拟的混合优化算法求解模型.该算法集成了模糊模拟、神经网络、遗传算法和同步扰动随机逼近算法,既具有较强的全局搜索能力,又具有高效的局部搜索能力.经数值仿真,验证了算法的可行性.

考虑新冠疫情扩散规律的医疗物资动态配送优化

为了满足新冠疫情防控的应急性需要,基于传染病扩散模型提出了一种物资配送方案周期滚动优化模型。该模型结合医疗物资外源补给和点对点运输的特点,考虑疫区医疗物资数量和物资配送时间对新冠疫情扩散的影响,以最小化感染人数和使用车辆数为目标,联合决策配送中心物资补给数量、疫区物资配送时间及配送量。根据所提出的多目标模型的特征,提出了两阶段优化方法,分别采用同步扰动随机逼近算法与大规模邻域搜索算法对模型进行求解,并结合具体算例将所提方法与其他配送策略进行了比较分析。结果表明,相较于其他策略,所提优化模型可有效减少13.9%~40.0%的感染病例和17.6%~30.0%的调度车辆,优化后的周期滚动决策方法,在节省人力物力的同时,有效避免了配送中心出现“爆仓”现象,为后续研究和实践提供参考。

基于SURF和互信息的图像配准方法研究

将SURF算法和互信息结合起来.首先利用SURF算法分别提取两幅图像的特征点,接着计算两幅图像特征点集间的互信息,最后通过改进的同步扰动随机逼近算法(SPSA)获得最佳配准参数,使互信息达到最大值,从而实现图像配准.实验表明该方法计算简单,配准速度快并且对光照和噪声具有较强的鲁棒性.

一种自适应高超声速飞行器跟踪制导律设计

文中针对高超声速飞行器再入制导律设计过程中高精度数学模型难以获取的问题,在标称弹道确定的情况下,给出一种自适应跟踪制导律。该制导律以神经网络控制理论为基础,采用同步扰动随机逼近(simultaneous perturbation stochastic approximation,SPSA)的方法对神经网络中的权重值进行估计,从而给出制导指令,完成制导律的设计过程。与传统制导律相比,本文提出的方法无需建立飞行器模型,避免了繁琐的建模过程。在完成制导算法推演的基础上,本文通过对多个参数的拉偏仿真对制导算法的鲁棒性进行验证,通过与LQR方法的对比显示出自适应方法相对于传统制导方法的优势。仿真结果表明本文提出的方法能够保证对标称弹道进行高精度的跟踪,通过蒙特卡洛打靶仿真验证了算法具有较强的鲁棒性。

机动车尾气排放测算行驶周期的自动建立方法

为了建立用于机动车尾气排放测算的行驶周期,利用便携车载尾气采集装置(PEMS)系统和GPS装置进行了大量的机动车尾气排放和驾驶活动数据采集,并对数据进行了预处理,提出了短行程的评价标准,给出了最优短行程自动搜索的2种启发式算法(遗传算法(GA)和离散同步扰动随机逼近(DSPSA)),对建立的行驶周期进行了预测尾气排放总量的有效性验证。结果表明:2种启发式算法均能有效地解决行驶周期自动建立问题,GA算法优化得到的行驶周期更有代表性,该行驶周期能以相对较小的误差预测尾气排放总量。建议将GA算法作为开发其他城市的行驶周期的算法工具。

基于数值模拟的油藏生产动态优化算法

对于大规模油藏开发优化,常规优化算法存在收敛速度慢、寻优效率低、难以与现场结合等问题。针对这些问题,建立了油水井动态调控优化模型,并结合模拟退火遗传算法和拉丁超立方采样算法寻找模型全局最优解,同时,利用同步扰动随机逼近算法提高了模型局部求解收敛速度,研发编制了油水井动态调控优化软件,并应用于大庆油田H区块。对比油田常规油水井生产制度,油水井动态调控优化模型的最优方案使H区块累计产油量在5年内增加了5.68×10^(4)m^(3),较好地解决了油水井生产动态控制优化问题,也为大规模油田高效开发提供了一种新的方法。