论文部分内容阅读
动态优化,又称最优控制,是解决工业瓶颈,实现系统节能、降耗、挖潜、增效的重要手段。目前已广泛应用于石油化工、航空航天、生物工程等诸多领域。由于其极大的实际应用价值,引起了国内外众多著名学者的广泛关注。控制向量参数化(CVP)方法是求解动态优化问题的一种常用的数值方法。它通过离散化控制时域,将控制向量近似地表示为一组参数化的函数,使得原始的无限维的动态优化问题被转化为有限维的静态优化问题来求解。CVP方法具有求解精度高、易于实现等优点。该方法中,离散化的时间网格通常是事先确定的,并且在优化过程中不会改变。网格划分的疏密会影响到求解结果逼近最优控制轨迹的程度。若要较好地逼近最优控制轨迹,就需要将时间网格划分得很细,但这样会大大增加NLP问题的维数和计算时间。为了解决CVP方法逼近精度和计算时间之间的矛盾,本文着重研究了CVP框架下的改进动态优化方法。论文的主要工作及创新如下：(1)针对CVP方法时间网格固定的缺陷,提出了一种可对时间节点进行优化的变时间节点CVP方法。该方法与国际上著名的Time-scaling方法相比,网格划分更加灵活,同等分段情况下能够更好地逼近最优控制轨迹,具有更佳的数值表现。通过三个经典的动态优化实例测试,结果表明了所提出的方法的优越性。(2)针对CVP方法中时间节点对逼近精度的贡献程度不同,提出了一种基于斜率的自适应CVP方法。通过催化剂混合问题的测试表明,该方法有效地提高了对最优控制轨迹的逼近效率,能够在比CVP方法更少的时间内获得更加精确的优化结果。(3)在此基础上,提出了一种对重要时间节点进行判别的启发式规则,改进了基于斜率的自适应CVP方法,使其融合了时间节点优化和网格精细化策略的优点。通过实例测试表明,改进后的方法进一步降低了计算时间,提升了逼近精度,获得了更高的优化效率。(4)从数值计算的角度,提出了一种快速近似策略,并分别应用于两种采用不同参数化策略的CVP方法中。通过经典动态优化问题的测试表明,所提出的两种快速近似CVP方法均将计算耗时降低了97%以上,证明了快速近似策略的有效性。