基于克隆选择的免疫预测控制方法

将克隆免疫算法与预测控制结合,提出了一种免疫预测控制方法.该算法利用克隆选择算法实现预测控制的滚动优化,避免了求Diophantine方程及逆矩阵的复杂推导.仿真结果表明,该方法对时滞系统、非最小相位系统、不稳定对象、非线性系统、MIMO系统都能达到理想的控制效果,对外部干扰及建模误差具有很好的适应性.     

增强系统阻尼并保持电压精度的静止无功补偿器非线性最优预测控制

以增加系统阻尼和维持电压水平为目的，基于非线性最优预测控制理论，设计出具有闭合形式解析控制律的SVC控制器．该控制器避免了非线性预测控制在线优化计算带来的大量计算负担，从而可满足实时控制的要求，且设计参数只有滚动预测时间及控制阶，因而便于工程实现及调试．仿真的结果表明，该控制器可有效地阻尼系统的振荡并能维持SVC接入点的电压水平．     

基于小波神经元网络模型的网损预测方法研究

提出了一种电力系统网损预测的新算法-小波神经元网络预测模型，它以非线性小波基为神经元函数，通过优化伸缩因子和平移因子确定对应务神经元的小波基函数，从而合成小波神经元网络，达到全局最优的拟合效果，克服了普通人工神经元网络学习速度慢、难以确定网络结构、存在局部极小点等方面的缺点，仿真结果表明，该方法准确，并可使学习速度大大提高。     

非线性系统的神经网络预测控制研究

针对工业过程控制中的强非线性系统的复杂控制问题,给出了一种基于神经网络预测的控制方法,用改进的BP神经网络实现预测控制中的模型预测,有效的解决了神经网络收敛速度慢的问题,同时用RBF神经网络实现预测控制中的控制器的优化,解决动态规划方法求解慢的问题。将该算法用于强非线性系统中,仿真结果表明该算法,具有响应速度快、跟踪性能好、鲁棒性和抗干扰性强的优点。     

基于结构优化递归神经网络的网络流量预测

针对传统方法预测网络流量精度较低的问题,提出了一种基于改进双线性递归神经网络模型(BLRNN)的非线性网络流量预测方法.首先,给出了双线性递归神经网络的定义及网络结构描述;然后从网络结构和修剪过程两方面对双线性递归神经网络进行优化改进,采用遗传算法全局搜索进行修剪;最后,通过真实工况下的网络流量数据用仿真试验对模型性能进行分析.试验结果表明,优化后双线性递归神经网络模型大幅降低了算法复杂度,提高了计算效率,与传统的多层神经网络预测方法相比,该方法预测精度更高.同时,该方法也为其他具有相似特征的非线性预测问题提供了一种新的研究思路.     

地区电网无功优化研究

建立了动态无功优化数学模型，提出用遗传算法对负荷曲线进行优化分段的方法。提出的地区电网无功优化控制基于现有地调自动化系统，利用遗传算法求解整个电网的无功优化问题，并根据优化结果给出控制方案，指导各个变电站VQC建立合理的限值。该方法克服了各变电站无功、电压就地最优控制的弊端，节电效益显著。在确定VQC上下限时，将每一时段的预测负荷定义为模糊数，在一定的置信水平下精确化，可计算出对应的无功调节范围。设计了无功优化控制系统的软件体系结构，编写了无功优化程序，并在某地区电网的应用中验证了方法的有效性。经过优化计算，系统各母线电压满足约束条件，在满足控制设备投切次数限制的条件下，降低了电能损耗。有功损耗比优化前下降4．96％。     

褐飞虱长期预测因子的选择与模型的组建

提出了非线性逐步回归、主分量非线性逐步回归和旋转主分量非线性逐步回归3种因子选择方案，为提高褐飞虱长期预测的准确性提供依据。试验结果表明，主分量非线性逐渐回归方法所选择的因子对褐飞虱的预测具有最好的效果，对独立样本的预测达到80％的正确率。     

配电网无功优化控制研究

设计了无功优化控制系统的软件体系结构，建立了动态无功优化数学模型。提出的高压配电网无功优化控制基于现有地调自动化系统，在母线负荷预测的基础上，利用遗传算法求解整个电网的无功优化问题，得到的优化结果为各个变电站VQC的合理限值。该方法将全局优化与VQC分散控制的优点结合起来，克服了各变电站无功、电压就地最优控制的弊端，节电效益显著。在某地区电网的应用中验证了该系统和方法的有效性，经过优化计算，在满足电压约束和控制设备动作次数限制的条件下，降低了电能损耗，有功损耗比优化前下降约3％。     

秦京管道混输冀东原油优化运行分村

对秦京管道因混输冀东原油后秦皇岛——迁安管段输量下降16％，造成输油设备与运行工况不相匹配，出现节流损失大、能源浪费大的问题进行了分析。通过采取相应的技术改造措施，制定了秦京管道混输后的近期和长期优化运行方案。该方案实施效果表明，优化运行方案科学合理，目的性明确，管道运行安全经济。     

一类矩形切割的优化模型

研究了工业中常遇到的先将原料板切割成加工拼板后，再将拼板切割成单元板的一类矩形板材切割问题，此类问题归结为二维排布的双层优化，针对单元板在拼板上和拼板在原料板上的4种不同排布情形，建立了统一的非线性整数规划模型，根据问题的特点，给出了该模型的一个化双层优化为单层优化的求解算法，实际应用中，该算法能在数秒钟内按工艺要求给出最优切割方案，与传统方法相比，料板利用率常可提高5％～10％．     

基于神经网络模型的空燃比非线性模型预测控制

采用基于径向基神经网络（RBFNN）模型的非线性模型预测控制方法,被控对象选择火花塞点火（SI）发动机的空燃比（AFR）高度非线性复杂系统,利用渐消记忆最小二乘法实现基于RBFNN的SI发动机AFR系统建模以及参数在线自适应更新。针对非线性模型预测控制中寻优问题,运用序列二次规划滤子算法对最优控制序列进行求解,并加入滤子技术避免了罚函数的使用。在相同的实验环境下,与PI控制算法和Volterra模型预测控制方法进行仿真对比实验,结果表明,所提算法的控制效果明显优于其他两种方法。     

仿射非线性系统的在线自适应模糊神经网络辨识与控制

针对单输入单输出非线性系统的自适应控制问题,提出了一种在线自适应模糊神经网络辨识与鲁棒控制的方法.该方法首先利用广义模糊神经网络学习算法,实时建立对象模型未知系统的逆动态模型,实现网络结构和参数的同时在线自适应.考虑到网络建模误差和外部干扰的存在,还设计了基于控制理论的鲁棒补偿器.仿真结果表明,该方法能对模型未知仿射非线性系统实现鲁棒输出跟踪.     

未知非线性动态系统神经网络模型在线识别

神经网络为未知非线性动态系统的建模提供了一条新途径。本文探讨了只用单个隐含层的前向神经网络对未知非线性动态系统的识别。只要动态系统输入输出可测量，未知非线性动态系统就能在线识别。在线识别算法依据性能函数在输出空间最优原则导出，有别于常规的BP算法。求解速度快，适合于在线识别。仿真实例进一步表明，采用神经网络建立未知非线性动态系统的在线模型具有可行性。     

非线性控制技术在三相有源滤波器中的应用

针对三相并联型有源电力滤波器的仿射非线性模型,通过分析得出该模型满足状态反馈的条件,基于微分几何提出了一种基于状态反馈精确线性化的非线性控制策略,设计了非线性控制器,实现了对有源电力滤波器的输出控制。仿真结果表明,该非线性控制器的各项性能指标均良好,验证了所提出的控制方案性能优越。     

温室温度控制系统神经网络PID控制算法研究

在以优质、高效、高产为目的的现代化农业发展新阶段,温室自动化技术的研究受到广泛重视.对于温室自动控制系统,由于其非线性、强耦合、纯滞后、大惯性的自身特性,传统PID控制已难以满足高品质温室控制系统的需求.由于BP神经网络具有强大的学习能力及非线性映射性,将BP神经网络控制引入常规PID控制中,采用BP神经网络PID控制方案,设计温室温度的自动控制系统并进行仿真验证.仿真结果表明,相比于传统的PID控制系统,所设计的基于BP神经网络PID控制系统具有更强的自适应能力与稳健性,控制品质具有明显优势.     

总线型粒子群神经网络谷物干燥机控制系统设计

针对谷物干燥过程存在本构非线性、多参数、大滞后等特点,采用Elman神经网络对干燥过程进行建模,并融合自适应粒子群优化算法设计了谷物干燥机智能控制系统,同时给出了系统测试结果。系统硬件设计采用上位工控机实现建模和优化算法,热风温度、谷物含水率等采用C8051F020单片机通过总线方式进行采集,系统控制参数由工控机计算优化获得并通过串口传送给单片机,并由其控制相应变频器和电动风阀等执行机构。     

基于神经网络的烟叶复烤回潮过程预测控制模型

针对烟叶复烤回潮过程系统复杂、参数耦合干扰、延迟滞后等问题,以两段式烟叶复烤回潮工艺为研究对象,依据生产中工艺参数实时数据,构建了基于SVM神经网络的烟叶复烤回潮过程预测控制模型。该模型通过训练学习,可以准确描述出口含水率与其它工艺参数之间的内在关系,有效预测二次润叶出口含水率,最大绝对误差不超过0.45%,为烟叶复烤回潮工艺提供了可行的预测控制方案,形成了出口含水率的有效调控,对烟丝生产加工过程具有重要的指导意义。     

多机协同多目标攻击系统研究

研究了多机协同多目标攻击系统,定义了自主优先权,提出了分组决策的方案,设计了目标分配和火力分配的原则,采用神经网络实现了决策算法,并对整个决策系统进行了仿真;阐述了导弹攻击区的计算方法,用比例导引法实现了空空导弹攻击。最后设计了多目标攻击系统,将空战决策,导弹攻击区判断,导弹攻击融为一体,并进行了仿真。结果验证了空战决策的正确性。它对第四代歼击的火力控制系统的研究有一定的参考价值。     

农村辐射状配电网的优化方法

【目的】针对城镇配电网的特点,研究辐射状配电网多目标经济性优化模型与算法,为农村中压配电网优化决策系统的建设提供技术支持。【方法】利用经济电流密度概念和多目标规划理论,提出计入导线截面策略因子的最小投资费用和年网损费用的多目标函数优化模型,研究并利用实数编码并行优化处理方法、引入退火动态罚因子设计动态罚函数处理约束条件、基于遗传算法的电网路径与潮流的自识别解码方法、遗传算子的自适应调整方法等,并提高遗传算法在辐射状配电网拓扑约束中的自动识别能力,确保可行解的搜索方向和遗传寻优的顺利进行。【结果】通过陕西杨凌示范区新桥变电站10 kV配电网待建区域实例验证表明,随着选取种群数目的增多,综合费用逐渐趋向于1 230万元。与单目标优化方案的投资费用相比,多目标优化方案的建设投资费用约增加72万元,而年网损费用约减少323万元,综合费用约降低250万元,获得了该配电网的最优建设方案。【结论】提出了配电网络多目标经济性优化模型及其算法,实现了规划线路长度和导线截面策略因子并行优化,提高了解的搜索精度。     

基于遗传-禁忌算法的木材物流网络优化

为了完善木材物流网络,保障木材物流顺畅运行,降低区域木材物流系统成本,从木材物流的生产现状出发,建立木材物流网络优化的数学模型,采用遗传-禁忌算法求解模型的策略和流程。以永林集团在福建三明永安境内的木材物流活动为例,将模型算法与计算机技术相结合,进行木材物流网络优化的实证分析,用C#编写相应的求解程序结合地理信息系统软件(Arc GIS)实现方案可视化。结果表明,该模型与算法具有可行性和有效性,可提高木材物流网络优化决策的精度和效率,降低物流总成本。