针对持续扰动下的分布式状态耦合非线性系统,提出一种新的多耦合分布式经济模型预测控制(Economic model predictive control,EMPC)策略.由于耦合非线性系统的经济性能函数的非凸性和非正定性,首先引入关于经济最优平衡点的正定辅助函...
详细信息
针对持续扰动下的分布式状态耦合非线性系统,提出一种新的多耦合分布式经济模型预测控制(Economic model predictive control,EMPC)策略.由于耦合非线性系统的经济性能函数的非凸性和非正定性,首先引入关于经济最优平衡点的正定辅助函数和相应的辅助优化问题.接着,利用辅助函数的最优值函数构造原始分布式EMPC的一类隐式收缩约束.然后,建立状态耦合分布式EMPC的递推可行性和闭环系统关于最优经济平衡点的输入到状态稳定性(Input-to-state stability,ISS).最后,以耦合的四个连续搅拌釜反应器(Continuous stirred tank reactors,CSTRs)为例,验证本文所提策略的有效性.
针对离散时间非线性系统,提出一种基于多李雅普诺夫(Lyapunov)函数的控制器设计方法.该方法不仅能够保证闭环系统稳定性,还能够扩大闭环吸引域(Domain of attraction,DOA).首先,给出基于多Lyapunov函数下系统渐近稳定的充分条件.结果表...
详细信息
针对离散时间非线性系统,提出一种基于多李雅普诺夫(Lyapunov)函数的控制器设计方法.该方法不仅能够保证闭环系统稳定性,还能够扩大闭环吸引域(Domain of attraction,DOA).首先,给出基于多Lyapunov函数下系统渐近稳定的充分条件.结果表明,由多个Lyapunov函数的负定不变集构成的并集是一个稳定的控制集合,其从控制空间到状态空间的投影是闭环DOA的估计.随后,使用区间分析算法求解集合的内近似估计,基于此算法可以求解多Lyapunov函数的负定不变集的近似值和闭环DOA的估计值,并给出相应控制器的设计方法.最后,通过仿真算例验证了本文方法的有效性.
针对大规模、不规则的多色服装裁剪分床计划(Multi-color Cut Order Planning,MCOP)问题,提出了基于深度强化学习和多目标粒子群的复合优化算法.首先,以生产误差和生产成本为优化目标,结合设备数量、铺布层数等约束条件,建立了MCOP多目...
详细信息
针对大规模、不规则的多色服装裁剪分床计划(Multi-color Cut Order Planning,MCOP)问题,提出了基于深度强化学习和多目标粒子群的复合优化算法.首先,以生产误差和生产成本为优化目标,结合设备数量、铺布层数等约束条件,建立了MCOP多目标优化模型.其次,设计了基于双延迟深度确定性策略梯度(Twin Delayed Deep Deterministic Policy Gradient,TD3)的裁剪分床全局优化求解策略,构建了TD3算法的马尔可夫决策过程,并设计了基于误差和成本的奖励函数求解得到全局解.再者,提出了基于线性解耦的多目标粒子群裁剪分床局部优化算法,设计线性规划解耦策略实现尺码组合矩阵与铺布层数矩阵的快速解耦计算,有效提高求解精度和速度;同时,通过精英档案策略得到MCOP问题的Pareto最优解.最后,通过实际案例和算法对比实验验证了所提方法的可行性和优越性,可为服装企业提供良好的参考价值.
暂无评论