自适应直接取样岩心三维重建算法

由于直接取样算法在重建过程中引入了多个需要手动调节的参数,使其在实际运用中具有一定的难度.针对这一问题,提出了一种自适应直接取样岩心三维重建算法.首先,使用三级网格对图像进行逐级重建;其次,使用高斯加权来提高模式匹配的准确性;然后,根据待匹配数据事件的条件数据点自适应的选择模式搜索范围,将距离最小模式的中心点赋给待模拟点;最后,使用算法与传统直接取样算法分别对多张储集层岩心图像进行三维重建.通过比较重建结果与真实结构在统计分布、孔隙结构上的差异,证明了算法的有效性.

基于近似Hessian矩阵的修正网格自适应直接搜索算法

针对网格自适应直接搜索算法寻优效率低和收敛速度慢的问题,提出了一种基于近似Hessian矩阵的修正网格自适应直接搜索算法。基于正交三角分解,提出一种产生探测方向集的算法,用于构建搜索步目标函数的二次模型函数和约束函数的线性模型函数。运用泰勒展开式、秩一校正及线性回归的思想,并改变部分参数解决子问题,得到局部最优解。在探测步中,以试验点为中心按照新的探测方向集进行局部搜索,在理论上证明了新算法的收敛性。通过对不同维数的测试函数分析可知,与原始的网格自适应直接搜索算法相比,该算法的迭代次数明显减少。

基于改进直接模糊自适应反馈控制的多移动机器人编队算法

针对多移动机器人控制系统适应性差、控制精度低的问题,提出一种改进直接模糊自适应反馈控制方法。利用模糊数学理论分别对机器人的理想输入状态量进行逼近,通过模糊逻辑推理得到输出反馈量并实时调整状态量,应用Lyapunov理论保证系统误差的收敛性和系统的稳定性,最后在Matla b中对所设计的WMR动力学和运动学相结合的控制系统进行仿真实验验证。结果表明在所设计的模糊控制器的作用下,实现了多个机器人的编队,并提高了运动系统的控制精度和响应速度。

考虑碳交易机制的海港综合能源系统电-热混合储能优化配置

随着港口电气化进程逐渐加速,单一的港口供能方式正在向多种能源深度融合演变.为响应我国“碳达峰、碳中和”战略目标,进一步提升海港综合能源系统的经济与环境双重效益,提出一种考虑碳交易机制的电-热混合式储能优化配置方案.首先,建立海港综合能源系统模型,并给出计及碳交易市场的交易方案;其次,构建双层优化配置框架,上层优化配置混合式储能容量,下层引入碳交易机制,满足港口综合能源系统低碳经济运行需求;最后,结合网格自适应直接搜索法与自适应混沌粒子群算法优势,利用混合式优化算法对双层优化模型进行求解.以天津港的实际运行数据为例,验证该方法的有效性.算例结果表明,所提方法不仅可以降低系统的投入成本,还能显著减少港区碳排放,从而进一步提升港口经济和环境效益.

对称NARMA-U模型及其神经网络自校正控制器

带预测误差补偿的改进NARMA-L2模型是由NARMA模型在自适应滤波动态工作点处一阶泰勒展开逼近得出的,在自适应滤波动态工作点处二阶泰勒展开逼近可得到对称NARMA-U模型,采用BP神经网络辨识对称NARMA-U模型参数,提出一广义目标函数,基于对称NARMA-U模型的非线性系统的神经网络自校正控制器,应用直接极小化指标函数自适应优化算法对BP神经网络连接权重值进行在线学习。仿真研究表明算法的响应优良。

在线优化参数的无模型PID预测函数控制

针对复杂非线性系统难以建模的控制问题,采用具有辅助变量紧格式动态线性化泛模型的无模型自适应控制方案,结合PID预测函数控制,并对目标函数进行改进,提出广义目标函数,给出无模型PID预测函数控制,采用直接极小化指标函数自适应优化算法对PID控制参数寻优,给出PID控制参数的在线优化算法。仿真研究表明算法的控制响应优良。

在线优化参数的无模型预测神经网络自抗扰控制

关于难以建模的非线性系统的控制问题,提出具有辅助变量的全格式动态线性化方法逼近非线性系统模型,基于其构建系统的预测模型,给出采用直接极小化指标函数自适应优化算法的参数估计算法,在扩张状态观测器中引入控制输入的微分项,并将控制输入和其微分的系数改进为关于观测状态的函数,因其未知,使用RBF神经网络逼近,利用非线性递推最小二乘法同时优化RBF神经网络参数和自抗扰控制器参数,综上研究提出在线优化参数的无模型预测神经网络自抗扰控制算法。仿真研究验证了上述研究的合理性和有效性,系统响应精度高。

频率捷变雷达跟踪海面低空目标的频点自适应优化技术

针对雷达跟踪海面低仰角目标产生多径效应引起的仰角测量误差问题,本文建立了海面多径反射和频率捷变下低角误差测量模型,提出了一种基于频率捷变自适应优化的改善低角测量误差方法。该方法通过宽带频率捷变去除目标信号与多径反射信号的相关性,利用网格自适应直接搜索算法(Mesh Adaptive Direct Search Algorithms,MADS)优化频点技术,根据不同距离、不同高度和不同海情产生多径效应的大小自动选择频点改善误差,形成了雷达自适应频率捷变对抗海面低空目标多径的方法。仿真结果表明,该方法能根据不同情况自动选择低误差频点,控制每一个距离的低角测量误差在±2 mrad内,基于网格自适应直接搜索的频点优化算法也大大提高了频点选择速度,减少了迭代次数,表明了该优化算法的有效性。

实用NARMAX-L2模型的神经网络自校正控制器

针对实用随机非线性NARMAX模型,参照改进的NARMA-L2模型,提出实用随机NARMAX-L2模型,采用BP神经网络逼近该模型,依据直接极小化指标函数自适应优化算法估计随机干扰模型的参数,并对BP神经网络的连接权进行学习,根据广义控制目标函数提出神经网络显式自校正控制器,仿真研究验证了上述研究的有效性,系统具有理想的控制效果。

一类非最小相位系统的多变量多模型解耦控制器

为解决系统暂态响应变差问题 ,提出一种基于多模型切换的多变量直接自适应控制器。通过加权多项式矩阵的选择 ,可消除稳态误差 ,实现静态解耦控制。该控制器由多个参数已知固定模型和两个自适应模型构成 ,多个固定参数控制器模型可由系统参数模型通过映射直接得到 ,并与邻域一起完全覆盖控制器参数模型集。仿真结果表明 ,对于非最小相位系统 ,暂态响应可得到明显改善。

多变量无模型预测神经网络线性自抗扰控制

对难以建模的多变量非线性系统的控制难题,提出改进的具有辅助向量的多变量全格式动态线性化方法,采用其逼近非线性系统,用其构成预测模型,将其转化为具有耦合的若干个子系统,利用直接极小化指标函数自适应优化算法辨识其参数,将多变量线性扩张观测器的线性控制输入项改进为关于观测状态和控制输入向量及其微分的向量函数,并由该向量函数的逆向量函数构建当前控制输入向量,因其未知,使用对角回归神经网络逼近控制输入向量函数,采用多变量非线性递推最小二乘法优化对角回归神经网络连接权及多变量线性自抗扰控制参数,综上研究提出在线优化参数的多变量无模型预测神经网络线性自抗扰控制算法。仿真研究表明系统响应精度高,性能好,优于传统的线性自抗扰控制算法。

在线优化基函数的对称双线性系统的预测函数控制

针对对称双线性系统的控制问题,研究其确定性定常情形,对预测时域长度进行分段处理,提出对称双线性系统的预测函数控制迭代算法,避免了求解控制输入的非线性最优化问题,利用直接极小化指标函数自适应优化算法,对基函数进行优化,因此基函数是在线优化时变的,算法具有可变基函数的功能,仿真研究表明算法的控制响应具有优良的性能。

提升系统阻尼的多STATCOM阻尼控制器协调控制研究

柔性交流输电装置(flexible AC transmission system,FACTS)在提升电网安全稳定和运行效率方面发挥了重要的作用,研究多FACTS控制器间的交互影响及协调控制方法具有重要的现实意义。研究多静态同步补偿器(staticsynchronous compensator,STATCOM)在提升系统阻尼方面的协调控制问题,并针对多个STATCOM阻尼控制器之间存在的负交互影响,提出一种基于模式自适应直接搜索(mesh adaptive direct search,MADS)算法的多STATCOM阻尼控制器协调控制方法,该方法使用频域设计思想保证了控制器多运行方式下的鲁棒性,同时使用MADS算法保证多控制器的协调运行能力,最终实现多台STATCOM阻尼控制器的协调运行与控制。仿真结果验证了该方法的正确性以及在实际电网中应用的可行性。

市场环境下计及参与需求侧响应的电动汽车换电站优化规划

相比于电动汽车充电模式,换电模式可以实现集中有序充电,从而实现以一个整体即电动汽车换电站(battery swapping station,BSS)的形式参与电网需求侧响应。在此背景下,建立了计及参与需求侧响应的BSS双层优化配置模型,以极大化BSS的净收益为上层优化目标,极小化配电网公司全寿命经济成本为下层目标,对BSS的位置、额定充电功率、初始购买电池的数量以及BSS参与需求侧响应的合同价格和每小时的调用功率等进行优化。采用内嵌改进粒子群算法的网格自适应直接搜索算法对该双层规划模型进行求解。最后对IEEE-33节点配电系统进行仿真计算,结果表明,计及BSS参与需求侧响应过程,可以同时提高BSS和配电网公司的经济效益,并且可以促进分布式电源的消纳,验证了所提模型的可行性及有效性。

RBF神经网络整定参数的预测滤波PID控制

针对非线性系统采用常规PID控制效果不佳的问题,通过径向基函数(RBF)神经网络构建系统的辨识器,推导了辨识器输出关于RBF神经网络参数的梯度及二阶导数矩阵。采用直接极小化指标函数自适应算法,实现RBF神经网络的输出权和节点中心及节点基宽参数的在线学习算法。基于增量式预测滤波PID控制,应用最速下降法对增量式预测滤波PID控制参数进行在线优化,提出基于RBF神经网络在线整定参数的预测滤波PID控制算法。仿真研究表明,因算法具有在线整定参数和预测控制性能,故具有良好的动、静态性能。