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。

基于执行依赖启发式动态规划的紧急电压控制

针对长期电压稳定场景,应用执行依赖启发式动态规划方法设计紧急电压控制器,协调各种不同类型的控制手段来维持系统的长期电压稳定.利用每个控制周期节点的电压偏差二次型构建效用函数,对未来控制时间的效用函数累加建立代价函数,建立长期电压稳定控制的动态规划模型,采用BP神经网络建立评价网络和执行网络,根据Bellman最优化原理来训练评价网络,用于近似出代价函数,并由执行网络产生最优控制量,进而求解问题.最后,以新英格兰10机39节点系统为例,建立基于PSAT的仿真算例,结果表明所提的控制方案可行且有效.

基于执行依赖启发式动态规划的预分解窑优化控制

水泥预分解窑系统(PCK)参数较多,且难以建立精确的数学模型。为了提高水泥生产稳定性及水泥熟料质量,本文介绍了一种基于自适应动态规划的执行依赖启发式动态规划(ADHDP)的优化控制算法,建立了水泥预分解窑系统的人工神经网络模型,研究了执行依赖启发式动态规划在水泥预分解窑系统中的优化控制。仿真结果表明:执行依赖启发式动态规划算法提高了水泥生产的稳定性,达到了优化控制的效果。

执行依赖启发式动态规划在同步发电机励磁系统中的应用

介绍了一种控制同步发电机励磁系统的新方法,即执行依赖启发式动态规划(ADHDP)对同步发电机励磁电压的自适应控制。执行依赖启发式动态规划是近似动态规划(ADP)的一种算法,ADP利用非线性函数拟合方法逼近动态规划的性能指标函数,以获得最优解或次优解。仿真结果表明,基于执行依赖启发式动态规划算法的励磁控制效果优于传统励磁控制的控制效果。

基于执行依赖启发式动态规划的风电场电压协调控制

提出了一种变速恒频双馈电机风电场与静止同步补偿器的电压协调控制方法。介绍了执行依赖启发式动态规划(ADHDP)方法的原理,设计了基于ADHDP的电压协调控制器,控制器以风电场送端母线电压偏差为输入,采用神经网络模型构造执行网络和评价网络,通过最小化评价网络输出的代价函数来决定执行网络产生双馈风电场与静止同步补偿器的附加电压指令值。对不同风速、故障程度的各种故障情形进行仿真,仿真结果表明,ADHDP控制器可起到附加阻尼控制作用,能够协调双馈风电场与静止同步补偿器支撑电网电压,并对故障后的电压振荡有良好的抑制能力,验证了所提方法的有效性。

执行依赖启发式动态规划PMSM控制策略研究

永磁同步电机算法中的PID参数固定不变,自适应能力较差;近似动态规划具有自学习能力,能动态调整参数,增强系统的自适应能力;文章将近似动态规划中的代表性算法——执行依赖启发式动态规划与类PI网络相结合,根据环境反馈对各个策略进行评价,选取评价最优的策略在线调整动作网络参数,对永磁同步电机进行自适应最优控制;仿真结果表明,执行依赖启发式动态规划加PI控制算法在系统速度变化和负载变化过程中,动态效果和稳态精度优于传统PID控制。

基于执行依赖启发式动态规划的船舶减摇鳍在线最优控制

针对船舶线性横摇系统,设计了一种基于执行依赖启发式动态规划(ADHDP)方法的在线学习最优减摇鳍控制器.在设计过程中直接使用输入输出数据获取系统状态值.利用评价网络来逼近针对船舶减摇鳍控制系统设计的性能指标函数,并通过执行网络获得最优控制律,这两个网络都是多层前馈神经网络,即反向传播(BP)神经网络.在训练过程中,这两个神经网络不仅可以使用实时测量数据,也可以减少船舶横摇模型的内部误差和不确定性干扰的影响,从而提高系统的鲁棒性.最后,仿真结果表明所提出的ADHDP控制器对于降低船舶横摇有很好的控制效果.

基于自适应动态规划的半被动双足机器人控制

针对半被动双足机器人系统中存在的强耦合和非线性导致控制困难的问题,采用基于自适应动态规划方法对机器人步态进行最优控制。首先建立机器人系统模型,依据控制目标,确定系统的效用函数,然后,在极限环存在的前提下,通过执行依赖启发式动态规划方法计算得到最优控制力矩。在半被动双足机器人支撑腿脚跟与地面发生碰撞之前,把脉冲力矩沿着支撑脚的方向施加给机器人。仿真结果表明:执行依赖启发式动态规划方法可以控制半被动双足机器人精确地跟踪双足机器人行走的期望步长,并且在系统的稳态误差、超调、响应速度和鲁棒性方面与迭代学习及模糊PID相比有更好的控制效果。

自适应评价设计的执行依赖方法

自适应评价设计(ACD)是一种适用于非线性系统的近似最优控制方法。介绍了自适应评价设计的执行依赖启发式动态规划(ADHDP)和执行依赖双启发式动态规划(ADDHP)方法,该方法可以解决由对象非线性或者系统建模不良所造成的不确定性问题,适于处理时变的复杂系统和动态变化的复杂任务。阐述了两种方法的结构、计算和评价网络输出上的不同,并通过仿真分析了两种方法各自的学习能力、控制效果。

三轴航天器姿态控制的自适应动态规划方法

应用执行依赖双启发式动态规划方法(ADDHP)研究三轴航天器姿态机动的最优控制问题。首先根据系统模型,选取状态变量和控制变量,利用评价网络近似性能指标函数,执行网络逼近控制变量;然后,根据控制目标确定系统的效用函数,保证航天器姿态达到期望位置;最后,分别在单轴和三轴机动2种条件下进行仿真实验,并与执行依赖启发式动态规划方法(ADHDP)进行比较。仿真结果表明针对三轴航天器姿态最优控制问题,应用执行依赖双启发式动态规划方法,能够满足约束条件,并且响应速度快,比执行依赖启发式动态规划方法有更好的控制效果。

静止无功补偿器新型自适应动态规划电压控制

以静止无功补偿器电压控制非线性系统为研究对象,提出了一种采用新型自适应动态规划Gr HDP实现静止无功补偿器电压控制的方法。选取当前及历史时刻电压误差作为系统状态反馈向量,根据外部增强信号及内部强化信号,Gr HDP利用误差反向传播算法对3个神经网络权值进行反馈调节并获取最优权值,实现了静止无功补偿器的电压优化控制。在Matlab/Simulink仿真平台对执行依赖启发式动态规划ADHDP、PI控制和Gr HDP进行了仿真对比。结果表明,采用Gr HDP的静止无功补偿器能快速补偿系统无功功率,具有更好的电压控制效果,控制系统响应速度快、自适应能力强。

基于ADHDP的插电式混合动力汽车能量管理策略

为降低插电式混合动力汽车(plug-in hybrid electric vehicle,PHEV)燃油消耗量与尾气排放量,提出了一种基于执行依赖启发式动态规划(action dependent heuristic dynamic programming,ADHDP)的能量管理控制策略。针对整车驱动系统具有复杂非线性、不确定性的问题,采用3层BP神经网络分别设计了ADHDP能量管理控制器的执行网络和评价网络,通过ADHDP神经网络的学习和训练过程,可最终获取最优控制量。利用MATLAB/Simulink和ADVISOR平台,在CYC_UDDS、CYC_NEDC及CYC_WVUSUB 3种循环工况下对ADHDP能量管理控制策略进行联合仿真验证,并与经典电辅助能量管理控制策略进行了对比和分析。结果表明:在保证汽车良好驾驶性能的情况下,ADHDP控制策略在3种循环工况下的整车百公里油耗分别下降了19.2%、15.0%和19.5%;尾气HC、CO和NOx的排放量均大幅度降低;CYC_NEDC工况下的CO下降了47.5%。效果较为显著,所设计的能量管理控制策略可有效提升整车的燃油经济性和环保性。

静止同步补偿器与双馈风电场的无功电压协调控制

基于变速恒频双馈电机的风电场通常按单位功率因数方式运行,而引入无功补偿单元补偿风电场无功需求,这将限制电网波动及故障期间双馈风电场的无功调节能力。针对该问题,提出一种双馈风电场与静止同步补偿器(STATCOM)间的无功电压协调控制器。依据执行依赖启发式动态规划(ADHDP)原理,设计包含执行网络和评价网络的ADHDP控制器。该控制器能够充分发挥STATCOM的无功发生能力,并在故障期间协调双馈风电场产生无功参与并网点电压调节,而在无故障期间保证风电场的单位功率因数运行;而且ADHDP控制器起到附加阻尼作用,有效抑制了故障恢复过程中的电压振荡。算例仿真结果验证了所提控制器的有效性。

基于ADHDP的分布式交通信号实时优化控制

交通信号实时优化控制的目的是最大程度上减小城市道路拥堵的现象,提高城市交通运输的效率,传统的控制方法不能够最大化地利用相位的绿灯时间。为了实现城市区域化各个路口信号的协同控制,设计了新型多智能体的分布式控制方法来解决复杂的交通信号控制的问题,以车辆的最小等待时间为目标函数建立数学模型,提出一种基于执行依赖启发式动态规划的交通信号协同优化的控制算法。通过编写Matlab程序,对系统进行仿真,实验结果表明,通过动态规划的控制算法比传统的控制算法减少了车辆的等待时间,能够达到交通信号的实时优化控制,提高了人们的交通出行能力。

基于机器学习的热源总供热量优化控制

集中供热系统结构复杂,存在严重的滞后性、强耦合性、非线性,针对其难以通过机理建模进行辨识和控制的问题,提出一种基于机器学习的热源总热量生产优化控制方法。分别利用BP(Back Propagation)和长短时记忆神经网络建立集中供热系统的热源模型,在满足供热质量的前提下,以供热总能耗为优化目标,通过执行依赖双启发式动态规划(Action-Dependent Dual Heuristic Programming,ADDHP)算法,得到热源处供水温度和供水流量的优化控制序列。仿真分析表明,建立的热源模型能有效辨识热源生产过程,ADDHP控制方法能够实现热源总热量生产的最优控制。

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。

动态搜索算法求解时间依赖型旅行商问题研究

时间依赖型旅行商问题(TDTSP)是旅行商问题(TSP)的延伸.在该问题中,任意两节点间的旅行时间(成本)不仅取决于节点间的距离,还依赖于一天中具体时段或节点在哈密顿圈中所处的具体位置.对基于节点所处哈密顿圈中具体位置的TDTSP问题建立相应的数学模型,并提出求解该问题的动态搜索算法.通过实验仿真,验证了动态搜索算法优于目前在邻域搜索领域求解该问题最有效的动态规划启发式算法.

基于ADHDP方法的HVDC整流控制器设计

针对传统PI控制器在HVDC系统受到大干扰时难于产生有效控制作用的问题,设计了一种基于执行依赖启发式动态规划(ADHDP)方法的整流控制器,控制器的执行网络和评价网络均采用BP神经网络进行设计,并利用直流线路电流偏差信号在线训练两个网络以优化控制器性能。仿真结果表明,与传统PI控制器相比,所设计的的控制器具有更好的控制效果。

基于ADHDP的PEMFC温度控制

以质子交换膜燃料电池(PEMFC)非线性控制系统为研究对象,采用执行依赖启发式动态规划(ADHDP)实现对PEMFC温度的控制。首先建立PEMFC的电堆温度动态模型;然后利用ADHDP算法设计PEMFC发电系统温度控制器;最后用Matlab/Simulink仿真平台对启发式动态规划(HDP)、比例积分微分(PID)和ADHDP设计的温度控制器进行对比。ADHDP控制器控制的电堆温度的超调量仅为0.59%,小于HDP的0.94%和PID的4.47%,该ADHDP控制器可提高PEMFC温度控制的稳定性,能更好地改善系统的动态性能,具有更好的温度控制效果。

刮膜蒸发过程中软测量模型的ADHDP学习控制

针对刮膜式分子蒸馏系统强耦合、非线性和大滞后的特点,当前建模和控制方法难以达到理想的效果,通过分析研究过程工艺参数并构建其数据驱动下的OS-ELM软测量模型,采用了自适应动态规划(ADP)中的一种执行依赖启发式动态规划算法(ADHDP),并设计了相关控制器对分子蒸馏系统进行优化控制,解决了复杂化工对象的最优控制问题,并在仿真实验中与标准执行依赖启发式动态规划(BP-ADHDP)进行对比,结果表明,采用OS-ELM软测量模型的ADHDP学习控制效果更好,实现了刮膜蒸发过程的优化控制,并对其他复杂化工过程具有一定理论指导意义。