多变量系统中多参数多目标满意优化研究

本文提出了多变量系统的多参数多目标满意优化方法 ,将系统性能指标要求的满意设计与控制器参数优化融为一体统一考虑 ,通过设计性能指标满意度函数和系统综合满意度函数 ,构造出多变量系统满意优化模型 ,并用改进遗传算法实现其满意优化 .仿真结果显示该方法可获得比传统优化方法更满意的综合性能指标 。

多目标满意优化在模糊控制器设计中的应用

提出了一种应用多目标满意优化模型进行模糊控制器优化设计的方法。给出了计算模型和算法。该方法以满意度函数反映设计者对性能指标的评价 ,更符合实际要求。应用该方法对模糊控制器的隶属函数参数以及控制规则库进行优化设计。仿真结果表明了该方法的有效性和实用性。

基于多目标满意优化的计算机通信网流量和容量分配

将满意优化理论应用到计算机通信网中,提出了基于多目标满意优化的计算机通信网优化设计方法,通过设计满意度函数,构造出计算机通信网的满意优化数学模型,并用改进遗传算法实现计算机通信网的容量和流量分配的满意优化设计。仿真结果显示,所设计的网络具有更满意的综合性能指标,证实了该方法的有效性和实用性。

基于时间序列模型的UOE焊管生产过程多目标优化

为有效实现UOE焊管生产过程的优化计算,提出了一种综合考虑产品质量、成本、库存等多个指标的优化模型及满意求解算法。首先,考虑原料库存对焊管过程的影响,将库存成本作为目标函数,库存量作为约束引入优化模型。然后,针对模型具有多个质量边界约束的特点,利用焊管生产过程中质量约束边界的可调性,引入满意优化理论中的"软约束"调整约束边界,以改善该优化问题求解的可行性。最后,引入时间序列模型中的加权移动平均法和一次指数平滑法进行寻优,并将提出的模型和算法应用于指导焊管生产。研究结果表明:所提出的优化模型及求解算法有效地提高了UOE生产过程的作业效率,优化结果既能满足焊管工艺技术要求,也能有效降低生产过程异常和生产成本。

基于模糊预测控制的列车自动驾驶控制算法研究

随着轨道交通的高速发展,列车高效率、高密度的运营需求不断增长,研究列车自动驾驶(ATO)系统中更有效的控制算法是必要的。列车运行过程是一个复杂的非线性系统,而模糊预测控制算法具有控制效果好、鲁棒性强、对模型精确度要求不高,可以克服各种不确定性和复杂变化的影响等优点。文章采用基于模糊预测控制的方法进行ATO研究,根据列车运行过程中几个优化控制目标确定其相应的评价函数,并建立多步预测控制模型,用多目标满意优化模型进行滚动优化。仿真实验结果验证了该算法和模型的有效性。