迭代动态规划在树脂牌号切换最优化模型中的应用

本文运用迭代动态规划求解牌号切换模型的最优化问题，有效地避免了运用一般方法求解系统最优化问题时的Hamilton-Jacobi-Bellman方程以及高维系统可能出现的计算量激增的问题，成功地解得树脂牌号切换过程产生的过渡料数量最少时聚合温度、氢气和共聚单体的浓度、催化剂流串和科位高度等5个操作变量的最优轨迹。

基于并行迭代动态规划的聚合物驱最优控制求解

针对迭代动态规划计算量大,耗费时间长的特点,基于实验室搭建的PC机群,以消息传递库MPICH为编程工具,搭建一个并行计算平台,给出一种主从式的并行迭代动态规划算法,利用该算法对聚合物驱最优控制问题进行求解,并与串行计算结果进行对比。结果表明:在大规模的优化问题中并行迭代动态规划算法与串行算法结果一致,但表现出较高的并行效率和加速比;并行算法求解的效率受到主节点分配任务时是否均衡的影响。

迭代动态规划在系统最优化中的应用

过程系统优化是化工过程设计、操作及控制的一个重要课题,很多情况下,其所涉及到的连续系统是以非常复杂的非线性微分方程组来表示的;而对于这种非线性的多维系统。

基于地面控制点的迭代动态规划立体匹配算法

提出一种基于地面控制点的迭代动态规划立体匹配算法。该算法首先利用左右图像对的颜色信息以及梯度信息计算视差空间图像,并得到左右视差图;然后运用左右一致性以及可信度约束得到地面控制点,并将地面控制点的约束信息填充到视差空间图像相应的列中;最后基于更新后的视差空间图像,利用迭代动态规划算法计算得到最终视差图。选用了一些标准图像对进行测试,实验结果表明该算法具有很好的性能。

基于迭代动态规划的动力电池组热管理优化策略

动力电池在电动汽车行驶过程中不断产热,持续高温会降低电池的使用寿命,危害汽车的运行安全。因此,采取高效、节能的冷却优化策略,提高动力电池工作效率十分必要。本文基于电池的生热特性和牛顿冷却定律建立电池组集中质量热模型,并与AMESim中建立的电池液冷系统模型进行对比,验证其准确性。针对电池热管理系统的高度非线性与时变性,提出一种在多维搜索空间迭代逼近最优值的迭代动态规划(IDP)策略。通过Mat⁃Lab-AMESim联合仿真对比,证明了此方法以最小的能耗对电池组温度进行快速冷却,且冷却液流速稳定,验证了IDP优化策略的高效性与节能性。

基于迭代动态规划的聚合物驱注入策略求解

聚合物驱最优注入策略问题是一类分布参数系统的最优控制问题,针对聚合物驱注入方案的特点,运用迭代动态规划方法求解获得了该问题的分段常量控制。迭代动态规划对分布参数系统的多段决策问题从时间和空间进行了离散,由有限差分方法得到离散动态规划模型的递推方程。利用该方法,对一聚合物驱实验模型的最优注入策略问题进行了仿真求解,结果表明该方法与基于梯度方法相比对初值的依赖性小,有效的获得了全局的优化策略。

一种自适应变步长迭代动态规划方法研究

针对传统迭代动态规划方法计算效率低的缺点,提出了一种改进的自适应变步长迭代动态规划方法,在求解中引入Runge-Kutta-Fehlberg自适应变步长方法来提高寻优精度和求解效率。以经典的间歇反应过程动态优化问题作为研究实例,研究结果表明:所提出的自适应变步长迭代动态规划方法,在保留传统的迭代动态规划方法有效寻找全局最优优点的同时,能够进一步提高寻优精度,而且优化效率也较高。

基于改进的迭代动态规划的化工过程动态优化

为了对化工动态系统进行快速的全局优化,结合并加强迭代动态规划算法和一阶梯度算法的优势,同时利用随机搜索和定向搜索,提出了基于一阶梯度算法的迭代动态规划算法,通过2个化工生产实际例子应用,证明了该算法具有高效、高精度、全局性好等特点。

自适应变步长迭代动态规划方法及其在间歇过程优化中的应用

迭代动态规划(IDP)作为一种求解非线性问题的离散算法,其寻优精度和收敛速度受到时间段划分的影响.通常,时间段划分依赖主观经验,缺乏科学有效的指导.针对终端时刻固定的动态优化问题,提出一种自适应变步长IDP算法,综合考虑控制变量与目标函数值的变化,对时间段数量、长度和切换点进行优化.将该方法应用于间歇过程优化,结果表明其能够智能分配时间段数量与长度,可有效提升寻优精度.

基于变阶长迭代动态规划的聚合物驱方案动态优化

聚合物驱是一种重要的提高原油采收率技术.针对聚合物驱的注入方案优化问题,建立了聚合物驱最优控制模型.该模型以利润最大为性能指标,以聚合物驱的渗流力学方程为支配方程,并以聚合物最大用量约束和聚合物注入浓度的上下限约束为不等式约束条件.各段塞间的注入浓度、段塞尺寸及驱油结束时间为该最优控制问题的优化变量.对于该分布参数最优控制问题,提出了一种变阶长迭代动态规划算法.首先引入标准化的时间变量,将原自由终端时间的聚合物驱最优控制问题转化为固定终端时间问题,然后采用经典的迭代动态规划算法求解,实现了注入浓度、段塞尺寸及驱油结束时间的同时优化,最后通过实例验证了所提出算法的有效性.

基于遗传算法与迭代动态规划混合策略的青霉素发酵过程优化控制

对于青霉素发酵过程优化控制问题,考虑到遗传算法难以处理模型的不确定性以及迭代动态规划搜寻效率过度依赖初始给定轨迹问题,论文提出了一种两者结合的混合策略,使用遗传算法对青霉素补料发酵过程最优补料速率进行初始求解,结果作为迭代动态规划算法给定参考值,进行二次优化。遗传算法优化得出的青霉素发酵产量是8.02 g/L,经过迭代动态规划算法的二次优化之后,青霉素的产量为8.27 g/L,优化效果均比常规等级补料优化控制策略给出的结果有所提高。给定初始参考控制轨迹之后,迭代动态规划算法的运行时间由243 s降为179 s,算法运行效率大大提高。可见混合优化控制策略既可以提高迭代动态规划寻优效率,同时也在一定程度上克服了遗传算法对于过程模型不确定性敏感的问题。混合优化控制策略的思想可以为类似微生物发酵过程的优化控制提供参考。

基于迭代动态规划的网联电动汽车经济性巡航车速优化

为提升网联电动汽车的能量效率,针对变坡度和变限速的交通场景,提出一种结合滚动优化与迭代动态规划(Iterative dynamic programming,IDP)的滚动距离域车速规划策略(Receding distance horizon velocity planning,RDHVP),实现了电动汽车(Electric vehicle,EV)能量优化与动态交通约束的时空解耦,快速优化求解经济性巡航车速。依据动态交通场景变限速特性,设计了基于道路限速分段的EV能量优化问题,在距离域上实现全程优化问题分段滚动优化,以避免限速变化引起的车辆控制力大幅度波动。基于动态规划原理,设计了包含状态量/控制量边界和网格大小缩放策略的IDP算法,以快速计算获取权衡计算速度和最优性的巡航车速。采集真实道路信息,建立仿真模型,验证所设计策略的有效性。结果表明,相较于传统恒定车速巡航策略和常规动态规划方法,提出的方法能够大幅度提高EV能量效率和巡航车速优化计算速度。

基于迭代神经动态规划的数据驱动非线性近似最优调节

利用数据驱动控制思想,建立一种设计离散时间非线性系统近似最优调节器的迭代神经动态规划方法.提出针对离散时间一般非线性系统的迭代自适应动态规划算法并且证明其收敛性与最优性.通过构建三种神经网络,给出全局二次启发式动态规划技术及其详细的实现过程,其中执行网络是在神经动态规划的框架下进行训练.这种新颖的结构可以近似代价函数及其导函数,同时在不依赖系统动态的情况下自适应地学习近似最优控制律.值得注意的是,这在降低对于控制矩阵或者其神经网络表示的要求方面,明显地改进了迭代自适应动态规划算法的现有结果,能够促进复杂非线性系统基于数据的优化与控制设计的发展.通过两个仿真实验,验证本文提出的数据驱动最优调节方法的有效性.

一种间歇反应过程迭代动态规划方法

随着工业过程对降低产品成本、改进产品质量、满足安全要求和环境规范,间歇反应过程的优化变得越来越重要。本文因此给出了一种有效的基于随机选点的间歇反应过程迭代动态规划算法,并给出了算法实现的详细步骤,能够有效实现间歇反应过程中温度、浓度等变量的动态优化问题。所述的迭代动态规划算法通过调节分段数P和离散点数(N和M)可以有效的避免计算量激增的问题,具有稳定可靠、易寻找到全局最优解的优点。以典型的间歇反应动态优化问题作为实例进行了研究,并与国际上公开报道结果进行了详细的比较研究,结果表明了所述方法的可靠有效性。

迭代并行动态规划算法在铸钢熔炼成本优化控制方面的应用

成本和质量是影响产品核心竞争力的关键环节,在满足质量要求的前提下实现对成本的有效控制,是提高产品竞争力的途径之一。以铸钢合金配料计算和成本优化控制系统的具体设计及实现为例,介绍迭代并行动态规划算法在铸件生产过程中的应用及为实际生产带来的效果。

基于IDP的重型商用车自适应距离域预见性巡航控制策略

为降低重型商用车燃油消耗、减少运输成本,本文协调“人-车-路”交互体系,将车辆与智能网联环境下的多维度信息进行融合,提出了一种基于迭代动态规划(iterative dynamic programming,IDP)的自适应距离域预见性巡航控制策略(adaptive range predictive cruise control strategy,ARPCC)。首先结合车辆状态与前方环境多维度信息,基于车辆纵向动力学建立自适应距离域模型对路网重构,简化网格数量并利用IDP求取全局最优速度序列。其次,在全局最优速度序列的基础上,求取自适应距离域内的分段最优速度序列,实现车辆控制状态的快速求解。最后,利用Matlab/Simulink进行验证。结果表明,通过多次迭代缩小网格,该算法有效提高了计算效率和车辆燃油经济性。

基于迭代ADP算法的污水处理过程最优控制

针对污水处理过程(wastewater treatment process,WWTP)中溶解氧质量浓度和硝态氮质量浓度的最优控制问题,提出了一种基于迭代自适应动态规划(adaptive dynamic programming,ADP)算法的最优控制策略.该策略无须知道污水处理过程的非线性动力学模型,只需污水处理系统的输入输出观测信息,设计基于ADP强化学习原理的控制体系结构,并利用神经网络辨识特性,通过在线迭代来逼近性能评价指标和最优控制策略.实验结果表明:该控制器相对于传统的PID控制策略,提高了污水处理过程的控制精度,系统鲁棒性也明显增强,控制性能更优.

补料分批发酵过程动态优化控制研究

针对非线性程度高、稳定性差的生化过程典型应用案例-酒精补料分批发酵过程的优化控制问题,从提高寻优效率和最大化产物浓度出发,提出了一种基于预测控制中的核心思想-滚动优化策略,利用罚函数法将原带有约束的优化问题转化为无约束的优化问题,从而通过蚁群算法与迭代动态规划相结合的混合优化算法来进行基质流加率控制轨迹动态优化。并将这种优化策略应用的结果与蚁群算法寻优效果比较,仿真结果显示,无论从寻优速度、优化性能等方面都有了较大的改善。

基于动态优化和反馈控制的聚合反应过程牌号切换策略

针对单反应器多牌号聚合物生产过程,提出一种结合动态优化和反馈控制的牌号切换策略。以实验室规模的连续搅拌釜式反应器中苯乙烯聚合牌号切换为对象,以原料消耗最少为优化目标,利用迭代动态规划求得切换过程中反应条件和产品性能指标的优化轨迹。引入针对反应温度的路径约束,使优化后的切换轨迹更易跟踪实现,防止过渡过程中变量的剧烈波动。仿真结果表明,这一切换策略可以显著减少牌号切换过渡时间及过渡过程中原料的消耗量,并能够有效克服进料温度变化的干扰。

基于迭代式动态规划的影像密集匹配

针对动态规划影像密集匹配中因匹配的整体相关性导致的误匹配点连带扩散效应问题,提出了一种基于迭代式动态规划的影像密集匹配算法。该算法在影像密集匹配过程中引入了视差方向一致性、视差突变性作为迭代判定准则,通过对动态规划匹配结果中不满足迭代条件的候选匹配点子集进行分析,在候选匹配点子集中识别出误匹配点并去除之,反复迭代直至满足迭代准则,从而解决了误匹配点的连带扩散效应问题。该算法已成功应用于嫦娥三号遥操作项目,经在轨应用的检验表明,提出的基于迭代式动态规划的影像密集匹配算法能够极大地降低立体影像匹配中密集同名点的误匹配率。