基于自适应动态粒子群优化的RAK-SVD方法

K均值奇异值分解(K-SVD)算法是一种行之有效的地震资料去噪方法,但由于其稀疏分解存在不确定性,需要引入正则项对其改进。为此,在常规粒子群算法的基础上,提出了一种自适应动态粒子群算法优化正则化参数的正则化近似K-SVD(RAK-SVD)去噪方法。首先通过修改字典原子和相关参数,解决了由于常规粒子群算法的惯性参数固定不变,导致后期搜索效率下降的问题;其次将正则化系数引入近似K-SVD(AK-SVD)方法,明显提升了去噪效果;最后利用自适应动态粒子群算法自动优选AK-SVD方法中的正则化参数,提高了稀疏分解的确定性,在对强反射信号进行去噪的同时加强了对弱信号的保护。模型测试和实际应用均表明,该方法有利于弱信号的提取和识别,不仅能够显著改善弱地震信号的去噪效果,还提升了计算效率。该方法具有一定的实际应用价值。

基于自适应动态图卷积循环网络的交通流预测

针对实际交通状况中节点之间存在的动态变化关系,提出一种自适应动态图时空预测模型TAGGRU,基于编码器-解码器网络结构对交通数据动态时空特征融合建模.将节点嵌入与时间编码结合为时空编码,并以此构建动态邻接图,用以表示节点关系的时间演化.将交通流数据与动态邻接矩阵共同输入编码器,通过自适应门控循环单元进行特征提取.编码器和解码器之间添加交互注意力模块,将历史特征进行转换,以生成未来特征表示,通过特征维度变换得到最终输出.结果表明:该模型有较优的预测性能.

分布式交直流混联系统及自适应动态下垂技术研究

分布式交直流混联系统采用配电多区柔性组网技术及消纳提升策略,为分布式新能并网接入与潮流优化调度提供了高效可行手段。针对源荷功率消纳需求,首先提出分布式交直流系统架构及其能量管控运行模式,然后通过分析分布式交直流系统的等效数学模型及工频与高频环流的产生机理,提出考虑功率均衡控制和高频环流抑制的自适应动态下垂控制技术。最后,在PSCAD/EMTDC中搭建了分布式交直流系统的仿真模型并进行算例验证,仿真结果表明所提技术可在保持系统稳定性基础上实现源荷消纳提升和潮流优化调控。

自适应动态规划综述

自适应动态规划(Adaptive dynamic programming,ADP)是最优控制领域新兴起的一种近似最优方法,是当前国际最优化领域的研究热点.ADP方法利用函数近似结构来近似哈密顿–雅可比–贝尔曼(Hamilton-Jacobi-Bellman,HJB)方程的解,采用离线迭代或者在线更新的方法,来获得系统的近似最优控制策略,从而能够有效地解决非线性系统的优化控制问题.本文按照ADP的结构变化、算法的发展和应用三个方面介绍ADP方法.对目前ADP方法的研究成果加以总结,并对这一研究领域仍需解决的问题和未来的发展方向作了进一步的展望.

数字温度传感器自适应动态补偿方法

针对数字温度传感器具有较大温度滞后性的缺点,将自适应决策与基于数字滤波方法的动态补偿有机结合,提出了一种数字温度传感器自适应动态补偿方法:利用后向差分法设计的数字滤波器,实现了数字温度传感器工作频带扩展,完成了其动态补偿,并在动态补偿后面串联一个数字低通滤波器,以防高频噪声干扰;根据数字温度传感器的输出量、数字低通滤波的输出结果以及决策阈值,自适应地选择是否需要动态补偿,避免了补偿过度。以高精度数字温度传感器DS1624为补偿对象的实验表明,这种自适应动态补偿方法大大改善了数字温度传感器的动态性能,响应时间缩短至补偿前的30%～40%。

静止无功补偿器自适应动态规划电压控制方法

为解决传统比例?积分?微分(proportional integral differential,PID)控制应用于静止无功补偿器(static var compensator,SVC)非线性控制系统存在的不足,提出了一种基于自适应动态规划(adaptive dynamic programming,ADP)的SVC自适应优化控制策略。采用小波神经网络和BP神经网络分别设计执行依赖启发式动态规划(action dependent heuristic dynamic programming,ADHDP)的执行网络和评价网络,以增强ADHDP对性能指标函数的逼近能力和控制律优化能力,然后用其设计了SVC控制系统的电压调节器。在Matlab/Simulink仿真平台对所提出的ADHDP控制方法进行了仿真,并与执行网络、评价网络均采用BP神经网络设计的经典ADHDP控制方法的控制效果进行了对比,验证了基于ADHDP的SVC电压优化控制方法的可行性和有效性。相比之下,所提出的ADHDP控制方法具有更好的电压稳定和控制效果,控制系统具有较快的响应速度、较好的动态和静态稳定性和较强的自适应能力。

基于自适应动态规划的储能系统优化控制方法

为解决基于斜率控制的储能系统控制方法的不足,提出一种基于自适应动态规划(adaptive dynamic programming,ADP)方法的储能系统自适应优化控制策略。一方面通过储能系统对风电输出的不稳定功率进行调节,使其满足风电并网要求;另一方面控制电池荷电状态(state of charge,SOC)保持在适宜的范围内,实现电池储能系统合理充放电的功能。以典型风电场功率为例,在风电波动率和荷电状态等约束条件下,对比基于斜率控制的储能系统控制方法和所提出的基于ADP的储能系统优化控制方法二者的控制效果,验证了基于ADP的储能系统优化控制方法的有效性和可行性。该方法能够实时在线调节平滑过程,实现对储能系统充放电功率的二次优化。

非线性市场需求下机组优化出力的自适应动态古诺模型

该文运用博奕论及动态经济学方法首先给出了非线性反需求函数下电厂机组出力的静态古诺模型及古诺均衡的求解方法;然后引入机组自适应期望出力的概念,建立了求取下一生产周期电厂机组最佳出力的非线性自适应动态古诺模型。两种方法都反应了电厂追求利润最大化的博弈行为,因此能够作为电厂机组出力的优化决策工具。仿真结果表明自适应动态古诺模型是有效、可行的,而且其稳定值趋于古诺均衡。

基于自适应动态规划的多设定值跟踪控制方法

针对一类典型的带有控制约束的非线性离散时间系统,提出了一种基于自适应动态规划(adaptive dynamicprogramming,ADP)算法的多设定值跟踪控制方法,并对其收敛性和稳定性做了严格分析.在ADP迭代跟踪控制的基础上,根据多模型控制的思想,设置阶梯状的参考轨迹,使得系统状态逐渐地跟踪到最终设定值,保证了系统的稳定性,极大地减小超调量,加快了响应时问,改善控制品质;同时由于控制器约束的存在,引入非二次型的性能指标函数,使得控制量始终在有界的范围内变化.最后对仿真结果进行了分析,结果表明了此方法的可行性和有效性.

微电网的电流均衡/电压恢复自适应动态规划策略研究

含多类型分布式电源的微电网已经成为了未来电力系统的重要发展方向,其中风能和光能在降低化石能源消耗和二氧化碳排放等方面有着极大优势,考虑二者之间强互补性的协同调度已被广泛研究.但风/光协同调度的微电网多关注分钟级的调度或优化问题而非风/光波动下秒级的实时电流按容量比例精准分担,简称电流均衡,而精准电流均衡有助于可再生能源的高比例消纳.因此,本文提出了基于自适应动态规划的微电网电流均衡和电压恢复控制策略.首先,构建包含风电整流型电能变换器和光电升压型电能变换器的广义风光拓扑同胚升压变换器模型,其提供了后续控制器设计的模型基础.其次,本文将电流均衡和电压恢复问题转化为最优控制问题,基于此,每个能源主体的目标函数转化为获取最优控制变量和最小电压/电流控制偏差,进而转化为求解哈密顿−雅克比−贝尔曼(Hamilton-Jacobi-Bellman,HJB)方程问题.基于此,提出了基于贝尔曼准则的分布式自适应动态规划控制策略以求取HJB方程的数值解,最终实现电流均衡和电压恢复.最后仿真结果验证了所提分布式自适应动态规划控制策略的有效性.

基于广义模糊双曲模型的自适应动态规划最优控制设计

为连续非线性系统提出了一种有效的最优控制设计方法.广义模糊双曲模型(Generalized fuzzy hyperbolic model,GFHM)首次作为逼近器用来估计HJB(Hamilton-Jacobi-Bellman)方程的解(值函数,即它是状态与代价函数之间的映射),然后,利用该近似解获得最优控制.本文方法只需要一个GFHM估计值函数.首先,阐述了对于连线非线性系统最优控制的设计过程;然后,证明了逼近误差是一致最终有界的(Uniformly ultimately bounded,UUB);最后,一个数值例子验证了本文方法的有效性.另一个例子通过与神经网络自适应动态规划的方法作比较,演示了本文方法的优点.

带有储能设备的智能电网电能迭代自适应动态规划最优控制

智能电网是新一代电网建设的目标,也是国际电力工业界的共同选择.本文研究在储能设备接入电网情况下,建立一套基于自适应动态规划(Adaptive dynamic programming,ADP)的智能电网电能自适应优化控制的理论与方法,实现电网发电端以及用户端的智能交互,开辟对智能电网供需优化匹配与调控方法的新途径.论文首先给出动态规划的最优性原理以及带有储能设备智能电网的运行方式并提出优化目标;然后,设计新型迭代自适应动态规划方法实现对储能设备的最优控制,并证明自适应动态规划方法的收敛性,在理论上保证了对智能电网电能的优化;最后,给出仿真例子显示出所提出控制方法的有效性.

基于自适应动态搜索粒子群的SVM参数优化研究

针对小麦加工HACCP(Hazard Analysis and Critical Control Point)关键控制点的选择问题,采用一种基于支持向量机模型来实现关键控制点智能发现的方法。为了提高小麦加工关键控制点发现试验的识别稳定性和精确性,提出一种自适应动态搜索粒子群算法优化SVM模型的核函数参数方法,该算法引入进化因子和进化阈值估计进化状态,动态调整搜索策略。当进化因子大于进化阈值时,采用基本粒子群搜索策略;反之,采用反向搜索策略,以扩大种群的多样性。算法基于进化因子为速度定义了速度惯性参数。仿真结果表明,基于ADS-PSO的SVM模型能够很好的实现关键控制点的智能发现,并取得了较高的识别率和稳定性。

基于自适应动态规划的导弹制导律研究综述

自适应动态规划(Adaptive dynamic programming,ADP)作为最优控制领域的近似优化方法,是求解复杂非线性系统最优控制问题的有力工具.近年来,已成为控制理论与计算智能领域的研究热点.本文着重介绍ADP算法的理论研究进展及其在航空航天领域的应用.分析了几种典型的制导律优化设计方法,以及ADP方法在导弹制导律设计中的应用现状和前景.

无人直升机的自适应动态面轨迹跟踪控制

针对无人直升机模型阶数较高、负载变化大等问题,提出了一种基于自适应动态面的控制方法.该方法用一阶线性滤波器来估计虚拟控制信号的导数,显著简化了控制器的设计过程.此外,通过对无人机重量的自适应在线估计,保证了闭环系统在有负载变化下的稳定性,并基于李雅普诺夫稳定性理论,证明了轨迹跟踪误差半全局一致最终有界.最后,通过仿真实验进一步证实了该方法的有效性和可行性.

面向零件轻量化设计的自适应动态Kriging模型及应用

机械零件轻量化对提高装备运行性能、降低成本具有重要作用。针对传统基于Kriging模型的全局优化方法在处理零件轻量化问题时,收敛速度慢、优化效率低、精度差等问题,提出一种自适应动态Kriging模型。采用复相关系数R2检验实现Kriging模型的全局动态更新,以Pareto解中各目标函数最小值为特征点,通过特征点加权计算理想特征点位置,在理想点附近选取可行解完成样本局部更新,实现Kriging模型的动态自适应性。以数值算例和FT(N)-2800注塑机模板为例,验证了所提方法的有效性。

基于自适应动态规划的矿渣微粉生产过程跟踪控制

矿渣微粉是一种新型绿色环保型建材,可以大大提高水泥混凝土的力学性能.本文以矿渣微粉生产过程为研究对象,针对该过程难以通过机理建模进行辨识和控制的特点,利用数据驱动的思想,建立矿渣微粉生产过程的递归神经网络模型.在此基础上,利用自适应动态规划,设计具有控制约束的跟踪控制器,并将其应用到矿渣微粉生产过程中.仿真分析表明,建立的数据驱动模型能够有效地辨识矿渣微粉生产过程,同时,本文提出的控制方法能够实现输入受限的微粉比表面积及磨内压差的最优跟踪控制.

具有磁滞输入的可调金属切削系统鲁棒自适应动态面控制

针对既有时滞环节又存在磁滞输入的可调金属切削系统,提出了一种改进的自适应动态面控制方法,其特点为:1)设计了带有跟踪误差性能指标函数的鲁棒自适应动态面控制算法,并结合神经网络,使其能够保证系统的跟踪误差及其过渡过程在预先任意给定的范围内;2)克服了反推控制方案中的"微分爆炸"问题,简化控制器结构;3)估计神经网络权值向量的范数而不是估计权值向量,极大地减少系统的计算负担,便于实时控制.仿真结果验证了该控制方法的有效性.

基于深度自适应动态规划的孤岛主动配电网发电控制与优化一体化算法

随着多种分布式新能源的并网,如风电与光伏发电、生物质能发电、储能与电动汽车等,传统情况下孤岛配电网的发电控制方法已很难达到高品质频率稳定控制的要求.为解决此问题,本文提出了一种新颖的深度自适应动态规划算法.该算法将自适应动态规划算法中的神经网络替换为机器学习领域中的深度神经网络,并在其中添加深度模型预测网络.所提算法能一次性完成传统模式下"发电控制算法+指令优化分配算法"共同完成的工作.最后,为验证深度自适应动态规划算法的鲁棒性,设计了多种配电网的仿真实验,即正常情况、"即插即用"启停机情况、通讯故障情况、全天扰动仿真情况、变拓扑结构的孤岛配网情况和变参数模型的仿真,设置的总仿真时长达25年.仿真结果验证了所设计的深度自适应动态规划算法有效性、可行性与强鲁棒性.

基于自适应动态规划的移动装弹机械臂轨迹控制

针对移动装弹机械臂系统非线性、强耦合、受多种不确定因素影响的问题,本文基于自适应动态规划方法,提出了仅包含评价网络结构的轨迹跟踪控制方法,有效减小了系统跟踪误差.首先,考虑到系统非线性特性、变量间强耦合作用及重力因素的影响,通过拉格朗日方程建立了移动装弹机械臂的动力学模型.其次,针对系统存在不确定性上界未知的问题,建立单网络评价结构,通过策略迭代算法,求解哈密顿–雅可比–贝尔曼方程,基于李雅普诺夫稳定性理论,设计了自适应动态规划轨迹跟踪控制方法.最后,通过仿真实验将该控制方法与自适应滑模控制方法进行了对比,进一步检验了所设计控制方法的有效性.