【摘 要】
：
基于非线性约束的序列界无约束极小化方法,对大规模过程系统稳态优化的序列界约束极小化方法（SBCMM）进行了研究.对工程模型引进松弛变量处理后,SBCMM的罚函数仅包含等式约束的
【机 构】
：
中南大学信息科学与工程学院,湖南科技学院电子研究所,湖南工业大学理学院
【基金项目】
：
国家自然科学基金资助项目（60874070 30971698）, 高等学校博士学科点专项科研基金资助项目（20070533131）, 湖南科技学院科学研究基金重点资助项目（09XKYTA010）
论文部分内容阅读
基于非线性约束的序列界无约束极小化方法,对大规模过程系统稳态优化的序列界约束极小化方法（SBCMM）进行了研究.对工程模型引进松弛变量处理后,SBCMM的罚函数仅包含等式约束的惩罚项,不包含界约束及不等式约束的惩罚项.原问题的解由求解一系列界约束极小化子问题而非无约束极小化子问题来获得.最后,用一类规模可变的非线性规划问题和一类最优控制问题对SBCMM进行了测试.数值结果表明,SBCMM可用于大规模过程系统优化求解,并且是稳定和有效的.
其他文献
针对复杂非线性动态系统辨识问题，提出了一种基于过程神经元网络（PNN）的辨识模型和方法．根据系统待辨识的模型结构和反映系统模态变化特征的动态样本数据，利用PNN对时变输入／输出信
为克服低速情况下舵效低的问题,研究了自治水下航行器（AUV）的变质心控制方法.通过控制布置在AUV三个惯性主轴上的三个可移动质量块的运动,改变系统的质心,进一步改变了AUV受到
应用自适应滤波算法改进了基于一致滤波器的估计融合算法以加快节点估计的一致收敛速度，提出了一种基于状态预测的自适应一致滤波器．在此算法中，节点采用状态预测值作为自适应滤
为了解决机器人路径规划中的＂局部最小＂问题,提出了一种基于量子染色体变异的人工势场法和栅格法相融合的移动机器人路径规划算法.首先,对人工势场的斥力场进行改进,然后利用融
提出了一种移动自组织闷网络中基于移动Agent的多约束QoS多播路由算法．算法采用移动Agent采集网络信息，每个源节点构造一棵具有带宽和能量约束的多播树，选择节点剩余能量多的作
为了克服传统的相对幅度法在固井质量评价中识别率低下的缺点,提出了一种基于改进粒子群一小波神经网络的固井质量智能评价方法.首先在应用李亚普诺夫理论分析得到单个粒子收
根据傅里叶级数逼近理论,将正交三角函数系作为隐层神经元激励函数,合理选取这些激励函数的周期参数,构造单输入多输出（SIMO）傅里叶三角基神经网络模型.根据该网络的特点,推导
提出了一种新的基于组合特征和PSO-BP(particle swarm optimization-backpropagation)算法的数字识别方法,将网格特征、投影特征和欧拉数表示的结构特征按照不同的特征权重系数构成数字图像的组合特征向量,利用PSO-BP神经网络进行识别,充分发挥了粒子群算法的全局寻优能力和BP算法的局部搜索优势.实验表明,该方法识别率高、网络收敛速度快、精度高.
提出了一种新的综合考虑系统的输入时延和参数不确定性的广义H2/H∞混合控制器设计方法,并将其用于车辆主动悬架设计.假定作动器时延是一个已知其边界但不确定的恒定的量,且
受人工势场控制方法的启发,提出了车辆弯道机动行驶控制机制,采用了贝塞尔（Bezier）曲线车辆轨迹拟合的方法,针对车辆非完整控制系统的特征,将车辆运动学模型转换为链式系统模型