基于序列二次规划算法的双有源桥变换器优化控制策略

针对双有源桥变换器在充电领域电路损耗大、传输效率低的问题,提出一种结合序列二次规划算法与双重移相控制实现回流功率优化的控制策略。首先,建立双有源桥变换器在双重移相控制时以回流功率最小值为目标函数的二次规划问题数学模型;然后,提出一种采用序列二次规划算法求解上述多约束、非线性的数学模型,在算法中输入目标、约束函数的雅可比矩阵和变换器的相关参数,通过迭代求解出满足双有源桥电路在双重移相控制下最优工况的目标参数;最后,通过仿真验证所提控制策略的有效性。

序列二次规划方法在斜拉桥索力调整中的应用研究

斜拉桥施工至成桥阶段时,由于各种因素影响,结构实际线形和内力与理论成桥状态相比,存在一定的误差,通常需要进行索力调整。该文针对斜拉桥在调索阶段的索力调整量计算问题,提出采用一种基于影响矩阵和序列二次规划求解索力调整量的方法。以某大跨度混合梁斜拉桥为背景,首先计算各索力单位变化下结构的线形和内力响应值,得到索力影响矩阵,然后选取合适的目标函数及约束条件,构建索力调整量计算模型,最后引入序列二次规划法求解索力调整量,得到索力调整后的结构内力与线形状态。计算结果表明:该方法计算简便,索力调整后的结构线形与内力均能满足施工控制要求。

基于二次规划的双感应测井反演方法

双感应电阻率反演由信号褶积测量原理,通过反褶积或正则化等线性方程组求解获得地层真实电阻率,对于准确求取储层含水饱和度具有重要意义。但传统的反褶积方法无法做到反褶积因子的准确计算,而Tikhonow正则化反演方法出现正则参数选择困难等问题。将反演问题转化为二次规划优化求解,并施加等式约束条件,可保证反演电阻率曲线的光滑性。目的针对等式约束的二次规划问题求解,方法本文基于神经计算原理和时间依赖的非线性动力系统,构造二次规划问题的递归人工神经网络模型,并采用改进Euler法同时模拟求解该模型的最优解和对偶问题解。结果现场实际应用表明,反演的地层电阻率有助于精准判断油、水层,相比原始测量电阻率,更加符合试油结果。结论基于二次规划的地层电阻率反演能够实现对地层原始电阻率的有效反演,具有较强的发现和识别油气储层的能力,可为油田的增储上产提供重要的技术支撑。

基于遗传算法-序列二次规划的磁共振被动匀场优化方法

为了解决磁共振成像(MRI)系统中固有的主磁场(B0)不均匀的问题,提出遗传算法-序列二次规划(GASQP)算法,以提高7 T磁共振的主磁场均匀性.从被动匀场数学模型的角度出发,该混合算法利用GA算法获得稳定的初始解,实现主磁场的第1次优化,再通过SQP算法的快速求解,在较少的时间内实现主磁场的第2次优化,同时提高磁共振主磁场的均匀性.采用正则化方法减少磁场均匀所需的铁片质量,并且获得稀疏的铁片分布.在仿真建模的案例研究中,7 T磁共振裸磁场均匀度可以从462×10-6优化到4.5×10-6,并且在匀场空间上仅消耗0.8 kg的铁片.相比于传统的GA优化方法,新方案的磁场均匀性提高了96.7%,总铁片消耗质量减少了85.7%.实验结果表明,GA-SQP算法比其他优化算法具有更强的鲁棒性和竞争力.

基于二次规划的智能网联汽车路径规划算法

针对结构化道路下自动驾驶车辆实时路径规划存在路径不稳定、曲率不连续、运算时间长等问题,提出一种基于二次的路径规划算法。从全局离散的导航路径中截取一段做平滑处理,构建Frenet坐标系;在离散的SL空间中用动态规划对车道内的障碍物做绕行决策,从而开辟可行驶区域;利用二次规划从可行驶区域中构建以安全性和舒适性评价指标为核心的代价函数,评价规划路径成本,选择能够最小化代价的最优路径。通过MATLAB/Simulink搭建算法框架,仿真实验结果表明,该算法在结构化道路的静态避障环境中规划出的路径平稳、曲率更小、运行时间快,相比较传统的Apollo算法更平稳可靠。

求解双层规划问题的松弛序列二次规划方法

考虑一类具有特殊结构的双层规划问题,其下层问题为凸问题.首先通过内点罚方法将下层的约束函数惩罚到目标函数,使得下层问题近似为一系列无约束优化问题.然后使用KKT条件替换无约束的下层问题的最优解集,那么双层规划问题被一系列松弛的单层问题近似.文中设计了一种光滑的序列二次规划算法求解该松弛问题,并证明了当罚因子趋近于0时,该算法生成的迭代点列收敛到双层规划问题的弱稳定点.数值实验验证了算法的可行性.

某信息系统二次规划同态加密梯度下降算法研究

同态加密方法能够实现在不泄露内容情况下分析或操作加密数据的功能,但该方法计算开销大,一直以来难以在控制领域的实践中实现。为解决这一问题,首先计算分析梯度下降算法在同态加密方法中解决二次规划的适用性,降低了同态加密电路乘法深度对梯度下降算法迭代的限制,并量化了原型示例,为后续的研究打下基础。其次,对梯度下降及加速梯度下降方法的选择进行了权衡和评估,为同态加密技术的工程应用开辟了道路。所采用的CKKS方案,通过选择合适的步长使程序实现收敛,直接展示了同态加密梯度下降算法的可行性。

基于二次优化的救援机器人路径规划

针对当前应急救援过程中救援机器人路径规划效率低的问题,采用改进的遗传算法和二次优化方法实现救援路径的优化。对传统遗传算法进行改进,在初始化过程中采用一种启发式可行点插入方法建立初始种群,在适应度函数中加入路径平滑评价函数,在保留策略中采取“抓大放小”的方法,使算法的全局收敛能力和收敛速度都有了较大的提高。在初始路线的基础上,由起点到终点采用逐段寻优的方法进行路径二次优化,进一步缩短规划路径的长度并减少拐点数量。仿真结果表明,该方法较次优方法,路径长度分别缩短2.61%、2.21%、3.52%、1.22‰,平均收敛次数、搜索时间均有效优化,可有效地弥补传统遗传算法的缺陷,提高救援机器人的救援能力。

求解时变二次规划的自适应参数归零神经网络

【目的】针对时变二次规划(time-varying quadratic programming,TVQP)中的时变参数求解问题,提出了一种自适应参数归零神经网络(adaptive parameter zeroing neural network,APZNN)模型。【方法】首先,在归零神经网络(zeroing neural network,ZNN)模型的基础上引入一种基于误差的自适应参数及增强型双幂(enhanced sign-bi-power,ESBP)激活函数,从而提出了APZNN模型;然后,利用李雅普诺夫定理分析了APZNN模型的稳定性,预设时间收敛性和鲁棒性;最后,通过仿真试验以验证APZNN模型的有效性。【结果】在求解时变二次规划问题时,APZNN模型相比ZNN模型和时变参数归零神经网络(time-varying parameters zeroing neural network,TVPZNN)模型,具有更快的收敛速度和更强的鲁棒性,其误差函数能在0.2 s内收敛到0;得益于自适应参数的引入,APZNN模型在仿真试验中的计算时间较TVPZNN模型减少了16.6 s,节省了计算资源。此外,将APZNN模型应用于UR5机械臂轨迹跟踪试验中,机械臂的末端执行器可以很好地跟踪期望的路径,末端执行器的位置误差被限制在-1.5×10^(-4) m和1.5×10^(-4) m之间,这进一步说明模型的可行性。【结论】本研究提出的APZNN模型能够有效地求解时变二次规划问题,可为神经网络模型设计提供参考。

一类非凸约束二次规划问题的分支定界算法

针对一类非凸约束二次规划问题,提出一种新的参数化线性松弛分支定界算法,主要利用线性松弛技术求得原问题的全局最优值下界,以及区域删除规则缩减不可行区域,证明了算法的收敛性,最后通过数值实验表明算法的收敛速度加快,且该算法有效可行。

基于Matlab线性规划二次优化在钢筋下料中的应用

以西渝高铁某钢筋加工厂钢筋下料为背景,提出一种通过两次优化过程建立方案组合筛选和方案组合优化的一维线性规划模型,使复杂的优化数学理论问题变得直观易懂。该方法通过算例,利用计算机辅助计算软件Matlab,将上述数学模型应用于施工现场,提高钢筋下料计算效率和自动化程度,提升了材料的利用率,从而达到节约成本的目的,具有很强的实用性。

基于二次规划的无线电波精细成像研究

目前无线电波透视常用的反演算法是ART,SIRT等层析成像方法,由于无线电波透视控制方程是线性方程组,反演依赖初始值的选择,迭代过程缺少对衰减常数β的约束,反演结果会陷入局部最优解,影响探测的精度。采取二次规划模型描述无线电波透视的反演问题,提出利用凸性不等式作为约束条件,利用迭代反演法求全局最优解。设置低阻陷落柱模型进行正演计算,用得到正演数据验证二次规划模型的准确性。使用二次规划模型处理实测资料,对采煤工作面内部构造有良好的识别效果。

地铁周边规划地块环境振动及室内二次结构噪声影响分析

本文研究了某城市地铁对其周边规划地块产生的环境振动及室内二次结构噪声影响。该规划地块与地铁3号、5号线换乘站相邻,地块内规划住宅楼栋分别受3号、5号线两条地铁线的影响。监测地铁经过时典型住宅楼栋处的地面振动并根据相关标准计算得到室内二次结构噪声。结果表明,地铁3号、5号线单独影响及两条地铁叠加影响均可满足相关标准要求。列车制动产生的振动影响大于30km/h低速段列车产生的振动影响。相同列车运行状态下,环境振动和二次结构噪声影响呈现随距离增加而减小的趋势。

基于二次规划的铁路轨道精调算法研究

为了保证铁路运行的高平顺性,需要定期对轨道进行检测,并依据测量数据出具精调方案进行维修。其中,如何根据轨道偏差自动计算出满足施工条件(如调整限制、桥梁偏心、隧道净空等)的精调方案是轨道维修中的一个难点问题。为了解决该问题,通过将精调方案优化问题转为二次规划模型,并根据实际工况设置相应的优化参数,以实现精调方案的自动优化。根据轨道不平顺的定义,优化后的轨道偏差在里程方向上将是一个足够平滑的曲线,可将优化后的偏差量及其一阶、二阶、三阶变化率作为优化目标并给予不同的权重,并将施工限制条件转换为优化后偏差量的上下限,可实现顾及约束限制条件的轨道精调算法。与传统基于三次样条曲线拟合的方法相比,该方法避免样条节点的选择,且能够顾及施工限制条件,提高了优化的效率。在某铁路线路大机捣固作业中,利用所提方法进行自动优化作业,实际应用后轨道动态TQI平均下降28%,验证了该方法的正确性和可行性。

应用二次规划算法平滑参考线的研究

研究了三次多项式拟合的道路中心参考线受纵向减速线影响抖动的问题。先构造二次规划算法以验证对曲线的平滑效果,再在Simulink里利用二次规划算法对纵向减速线导致车辆在定速巡航过程中参考线抖动的问题数据进行平滑验证。结果表明,相较于未添加算法平滑的动力学MPC控制,利用二次规划算法平滑后车辆横向偏差的峰值只有之前的50%,前轮转角的峰值仅为之前的30%,因此添加平滑算法后车辆动力学MPC控制的车辆横向偏差和前轮转角的转动范围更小,能有效地平滑掉减速标线的突变影响,减小车辆横向偏差和前轮转角,使车辆更加平稳地运行。

用于线性噪声时变凸二次规划的归零神经网络

针对线性噪声可能会对现有的归零神经网络(ZNN)模型求解时变二次规划(TVQP)问题产生负面影响,从而导致模型收敛缓慢、准确率降低的问题,提出了一种双重积分增强ZNN(DIEZNN)模型。为了解决线性噪声的干扰,在ZNN原有公式基础上引入双重积分,设计了一个激活函数去除线性噪声的影响。理论分析证实了DIEZNN模型具有收敛性和良好的噪声抑制能力。实验结果表明,与传统的梯度神经网络和其他变量ZNN模型相比,DIEZNN模型收敛更快、精度更高,并且能够有效地解决线性噪声的影响。

基于递归型神经网络动力学求解时变凸二次规划

为了在线求解时变凸二次规划问题,实现误差精度更高、求解时间更短和收敛速度更快的目标。本文采用了求解问题更快的时变网络设计参数,选择了有限时间可以收敛的Sign-bi-power激活函数,构造了一种改进的归零神经网络动力学模型。其后,分析了模型的稳定性和收敛性,得到其解能够在有限时间内收敛。最后,在仿真算例中,与传统的梯度神经网络和归零神经网络模型相比,所提模型具有更高的误差精度、更短的求解时间和更快的收敛速度,优于前两种网络模型。

基于SQP-GPMP2算法的移动机器人路径规划

针对高斯过程路径规划算法(GPMP2)处理非线性不等式约束能力有限、在复杂障碍物地图中易陷入局部极小值,进而产生碰撞的问题,结合序列二次规划(SQP)算法,提出了改进的SQP-GPMP2算法。首先,该算法从概率的角度将运动规划视为轨迹优化,得到初始轨迹状态;其次,引入碰撞代价函数,用来表示机器人和障碍物的碰撞代价关系;最后,使用SQP算法对轨迹进行迭代修正,保证轨迹的无碰撞和运动学合理性。仿真实验结果显示,相比GPMP2等算法,所提算法在不同尺寸迷宫上的规划成功率至少提高20个百分点,证明该算法在处理复杂约束能力和保证路径规划效率上具有优越性。

序列二次规划(SQP)算法在三维下限分析中的应用

采用有限元法和非线性规划的序列二次规划(SQP)算法,解决了三维可静应力场的构造问题.基于刚塑性假设,采用极限分析下限原理,求解了矩形表面基础的承载力问题.算例分析表明,SQP算法在三维下限法中的应用是可行的.

动态随机ACO移动机器人路径规划及二次优化

针对移动机器人路径规划问题,提出了一种包含改进蚁群算法和非必要转折点去除算法两部分的新方法。利用改进蚁群算法得到初始路径,随后去除路径中非必要转折点以达到二次优化的效果。在基本蚁群算法的基础上,为了提高算法的全局搜索能力,提出了加入动态随机机制的转移概率更新策略,旨在向每只蚂蚁选择下一点的过程中增加一定随机性,以便于算法跳出局部最优点。另一方面,提出了一种非必要转折点优化算法,该算法可以去除路径中的非必要转折点以减少路径长度。仿真结果显示,改进蚁群算法在解平均值、最大值、标准差和收敛速度四个方面均优于基本蚁群算法。同时,非必要转折点去除算法可以进一步减少路径长度。