發(fā)布時間：2018-03-23 15:40

  本文選題：最優(yōu)控制　切入點：控制變量參數(shù)化　出處：《浙江大學》2017年博士論文

【摘要】：最優(yōu)控制,作為現(xiàn)代控制理論的重要組成部分,已經(jīng)成為工業(yè)過程提高系統(tǒng)效率、提高經(jīng)濟效益、降低能耗的重要手段。而最優(yōu)控制問題的求解則是最優(yōu)控制從理論到應(yīng)用的瓶頸和關(guān)鍵,其求解精度和求解效率核心問題一直是國內(nèi)外研究的前沿和難點�？刂谱兞繀�(shù)化(Control Variable Parameterization,簡稱CVP)作為求解最優(yōu)控制問題主流計算方法備受青睞,其主要思想是:通過離散化控制時域,對控制變量進行參數(shù)化,進而將最優(yōu)控制問題近似化為一個數(shù)學規(guī)劃問題進行求解。CVP方法具有簡單易行,離散化后數(shù)學規(guī)劃問題規(guī)模較小的優(yōu)點。但是,CVP方法在處理約束上存在一定的不足,其中:等式路徑約束可能導致高階微分代數(shù)方程,而不等式路徑約束則會在求解過程中引入組合問題。同時,傳統(tǒng)CVP方法時間網(wǎng)格的離散通常由人為確定,并不隨優(yōu)化過程而改變,這給CVP方法的高精度求解帶來了挑戰(zhàn)。此外,由于動態(tài)系統(tǒng)在離散化過程中進行保留,CVP方法在每次迭代計算中都要求解動態(tài)系統(tǒng),這使得CVP方法的求解效率大打折扣�；诖�,本文針對CVP方法開展多約束處理、計算效率和計算精度提升三個方面的研究。本文的主要工作及創(chuàng)新如下:(1)考慮到控制變量參數(shù)化后得到的非線性優(yōu)化(Non-Linear Programming,簡稱NLP)問題對最優(yōu)控制問題的求解具有重要影響,針對該類復雜NLP問題的求解,在傳統(tǒng)序列二次規(guī)劃(SQP)算法的基礎(chǔ)上,提出了一種新穎的基于Karush-Kuhn-Tucker(KKT)修正的SQP算法。為便于算法的測試,整理了用于非線性優(yōu)化算法測試的專業(yè)標準測試集CathOPT。經(jīng)過CathOPT測試集測試后發(fā)現(xiàn),采用本文提出的KKT修正策略后,改進的SQP算法相較于MATLAB的FMINCON求解器和未使用KKT修正策略的SQP算法,求解成功率提升超過5%;同時,求解時間和迭代次數(shù)也都得到了明顯減少和降低。這為CVP方法底層NLP優(yōu)化問題的求解提供了良好的求解基礎(chǔ)。(2)針對最優(yōu)控制問題的多約束處理,提出了適用于不等式約束和等式約束的多約束處理懲罰函數(shù)法,并對誤差和收斂性進行了嚴格的理論分析和證明。研究表明,采用提出的方法后,最優(yōu)控制問題的約束項轉(zhuǎn)化到目標函數(shù)中,減少約束個數(shù)的同時也使問題求解難度得到降低。在此基礎(chǔ)上,對三個包含多個約束的工業(yè)過程最優(yōu)控制問題進行了實例測試和對比,結(jié)果表明了所提出方法均沒有違反約束,相較于國際知名DOTcvp優(yōu)化軟件的輕微違反,本文提出的方法在求解效果上更加有效。(3)為了進一步提高CVP方法的求解精度,并力求在求解精度和求解時間方面做到平衡,提出了兩種時間網(wǎng)格重構(gòu)的CVP方法。提出方法能夠?qū)χ匾臅r間節(jié)點進行細分,而不必要的時間節(jié)點則會被消除。通過時間網(wǎng)格重構(gòu),CVP方法可以在較少的優(yōu)化參數(shù)下得到相比于傳統(tǒng)CVP方法更高的優(yōu)化精度,從而在高精度求解的要求下,由于優(yōu)化參數(shù)的減少,求解時間得到降低。上述性能在經(jīng)典最優(yōu)控制問題實例測試性能分析中得到了證明。(4)針對包含多個控制變量的最優(yōu)控制問題求解,提出了變時間節(jié)點快速CVP方法并進行了連續(xù)攪拌罐反應(yīng)器和集裝箱快速裝卸最優(yōu)控制實例測試。通過變時間節(jié)點方法,每個控制變量可以得到獨立的時間網(wǎng)格進行離散,而采用快速求解方法,則能有效降低動態(tài)系統(tǒng)的求解時間。測試結(jié)果表明,采用動態(tài)系統(tǒng)的快速求解方法后,CVP方法不僅能獲得具有獨立時間網(wǎng)格的高精度控制曲線,其求解時間相比于傳統(tǒng)CVP方法也能夠大大降低。
[Abstract]:Optimal control, as an important part of the modern control theory, has become the industrial process to improve system efficiency, improve economic efficiency, an important way to reduce energy consumption. To solve the problem of optimal control is the optimal control from theory to bottleneck and key applications, the accuracy and efficiency of solving the core problem has been a new and difficult problem at home and abroad study on the control parameterization. (Control Variable Parameterization, referred to as CVP) as the main calculation method for solving optimal control problems favored, the main idea is: through the control domain discretization, the control variables are parameterized. Then with simple approximate solution of.CVP method is a mathematical programming problem of optimal control problems and the advantages of mathematical programming problems smaller after discretization. However, CVP method has some deficiencies, which in dealing with constraints: Equality The path constraint may lead to higher order differential algebraic equations and inequality path constraints are introduced in the process of solving the problem of combination. At the same time, the traditional CVP method of discrete time grid is usually not artificially determined, change with the optimization process, the CVP method with high precision for a challenge. In addition, due to the dynamics of the system are retained in the discretization process, to solve the dynamic system CVP calculation method in each iteration, which greatly reduced the solving efficiency of CVP method. Based on this, according to the CVP method to carry out multi constraint processing, enhance the three aspects of research in computational efficiency and accuracy. The main work and innovation are as follows: (1) consider to get the nonlinear optimal control parameterization after (Non-Linear Programming, referred to as NLP) has an important influence on the problem of solving the optimal control problem, for this kind of complex NLP problem In the traditional method, the sequence of two quadratic programming (SQP) algorithm based on Karush-Kuhn-Tucker, proposes a novel based on modified SQP algorithm (KKT) algorithm. In order to facilitate testing for professional standard nonlinear optimization algorithm is tested on a test set of CathOPT. test CathOPT test set was found after finishing, using the proposed KKT correction strategy, FMINCON solver with improved SQP algorithm compared with MATLAB algorithm and SQP KKT without the use of correction strategy, is to improve the success rate of more than 5%; at the same time, the solution time and number of iterations have been significantly reduced and reduced. Provides a good basis for solving the CVP optimization problem solving method of bottom NLP. (2) for processing multi constrained optimal control problems, put forward the penalty function method is applicable to multi constraint inequality constraints and equality constraints, and the error and convergence of strict science Theory analysis and proof. The results show that using the proposed method, the optimal control problem of the constraints into the objective function, reduce the number of constraints is also the difficulty of problem solving can be reduced. On this basis, the test and comparison of the three contains multiple constraints of industrial process optimal control problem. The results show that the proposed method did not violate the constraint, compared to the minor violations of international well-known DOTcvp optimization software, the proposed method is more effective in solving effect. (3) in order to further improve the accuracy of the CVP method, and strive to maintain a balance between accuracy and computation time, we propose a CVP method of two kinds of time the proposed method can reconstruct the grid. To subdivide the important time node, and time node unnecessary will be eliminated. By the time grid reconstruction, CVP method can be less. Under the optimized parameters of accuracy compared to the traditional CVP method is higher, resulting in the high precision solution requirements, due to the reduction of optimization parameters, computing time is reduced. The performance has been demonstrated in the problem instance test performance analysis of classical optimal control. (4) comprises a plurality of control variables to solve the optimal control problem to solve the variable time node fast CVP method and the continuous stirred tank reactor and container handling fast optimal control example test. By changing the time node method, each of the control variables can be obtained independently of the discrete time grid, and the fast calculation method, it can effectively reduce the computation time. The test results show that the dynamic system the fast calculation method, dynamic system, CVP method can not only obtain high precision control curves with time independent of the grid, the solution time compared to the pass The CVP method can also be greatly reduced.

【學位授予單位】：浙江大學
【學位級別】：博士
【學位授予年份】：2017
【分類號】：O232

【相似文獻】

相關(guān)期刊論文 前10條

1 邢進生,劉人境,李晉玲;一個有效兩階段最優(yōu)控制問題的算法[J];北京電子科技學院學報;2004年04期

2 佟欣;張洪光;;一類生態(tài)系統(tǒng)的最優(yōu)控制問題[J];生物數(shù)學學報;2013年03期

3 俞玉森;評《最優(yōu)控制問題的計算方法》[J];數(shù)學研究與評論;1981年S1期

4 吳鐵軍,呂勇哉;一種求解帶約束最優(yōu)控制問題的算法[J];控制理論與應(yīng)用;1986年04期

5 卪亮壯;醫(yī)學中的一個最優(yōu)控制問題[J];北京航空學院學報;1988年03期

6 趙寶元;氣-固反應(yīng)中的一個最優(yōu)控制問題[J];高校應(yīng)用數(shù)學學報A輯(中文版);1990年02期

7 王玲,李建國,斯洛齊克;解決最優(yōu)控制問題的準梯度方法(英文)[J];控制理論與應(yīng)用;1999年03期

8 楊然,周鋼,許曉鳴;求解最優(yōu)控制問題的改進辛幾何算法[J];上海交通大學學報;2000年04期

9 楊然,周鋼,許曉鳴;求解最優(yōu)控制問題的改進辛幾何算法[J];上海交通大學學報;2000年05期

10 曾進,任慶生;受約束時間最優(yōu)控制問題罰函數(shù)法收斂性分析[J];上海交通大學學報;2001年07期

相關(guān)會議論文 前10條

1 潘立平;周淵;;線性非二次最優(yōu)控制問題的一種解法[A];第二十七屆中國控制會議論文集[C];2008年

2 張寶琳;樊銘渠;;一類奇異時滯系統(tǒng)奇異二次指標最優(yōu)控制問題的近似方法[A];第二十七屆中國控制會議論文集[C];2008年

3 李春發(fā);陳華;;古地溫度場系統(tǒng)的參數(shù)識別及最優(yōu)控制問題[A];中國運籌學會第六屆學術(shù)交流會論文集（上卷）[C];2000年

4 高彩霞;馮恩民;;一類以脈沖系統(tǒng)為約束最優(yōu)控制問題的優(yōu)化算法[A];中國運籌學會第八屆學術(shù)交流會論文集[C];2006年

5 唐萬生;李光泉;;時變廣義系統(tǒng)最優(yōu)控制問題[A];全國青年管理科學與系統(tǒng)科學論文集（第1卷）[C];1991年

6 雍炯敏;;具有狀態(tài)約束的二階半線性橢圓型方程的最優(yōu)控制問題[A];1991年控制理論及其應(yīng)用年會論文集（下）[C];1991年

7 肖華;吳臻;;一類線性二次正倒向隨機控制系統(tǒng)的最優(yōu)控制問題[A];第二十三屆中國控制會議論文集（上冊）[C];2004年

8 陶世明;朱經(jīng)浩;;Canonical對偶方法與一類最優(yōu)控制問題[A];中國運籌學會第九屆學術(shù)交流會論文集[C];2008年

9 楊富文;;求一類H~∞最優(yōu)控制問題的非迭代算法[A];1992年中國控制與決策學術(shù)年會論文集[C];1992年

10 王水;朱經(jīng)浩;;線性規(guī)劃在半定二次最優(yōu)控制問題中的應(yīng)用[A];中國運籌學會第八屆學術(shù)交流會論文集[C];2006年

相關(guān)博士學位論文 前10條

1 邵殿國;若干正倒向隨機比例系統(tǒng)的最優(yōu)控制問題[D];吉林大學;2015年

2 鞏本學;具有隨機場系數(shù)偏微分方程的最優(yōu)控制問題數(shù)值方法[D];山東大學;2016年

3 王海洋;時間不相容的隨機控制問題和弱形式的正倒向隨機微分方程[D];山東大學;2016年

4 張倩;幾類PDE約束最優(yōu)控制問題的數(shù)值方法研究[D];南京師范大學;2016年

5 劉平;控制變量參數(shù)化最優(yōu)控制問題計算方法研究[D];浙江大學;2017年

6 張穩(wěn);若干微分方程最優(yōu)控制問題的譜方法[D];上海大學;2009年

7 郭磊;混合動態(tài)系統(tǒng)建模、穩(wěn)定性及最優(yōu)控制問題研究[D];山東大學;2006年

8 李彬;含狀態(tài)和控制約束的最優(yōu)控制問題和應(yīng)用[D];哈爾濱工業(yè)大學;2011年

9 唐躍龍;兩類最優(yōu)控制問題變分離散方法的研究[D];湘潭大學;2012年

10 武利猛;奇異攝動最優(yōu)控制問題的空間對照結(jié)構(gòu)研究[D];華東師范大學;2013年

相關(guān)碩士學位論文 前10條

1 張培勇;時標上一類最優(yōu)控制問題研究[D];貴州大學;2009年

2 管文君;發(fā)展方程的能控性和最優(yōu)控制問題[D];東北師范大學;2015年

3 黃啟燦;數(shù)值天氣預(yù)報模式誤差項的最優(yōu)控制問題研究[D];蘭州大學;2015年

4 方研;帶有終端角度和攻擊時間約束的協(xié)同制導律設(shè)計[D];哈爾濱工業(yè)大學;2015年

5 夏云飛;一類滿足Lotka-Volterra互惠關(guān)系的生物種群最優(yōu)控制問題[D];哈爾濱師范大學;2015年

6 邵志政;帶有非線性干擾補償?shù)腁DP控制方法及在風機變槳控制的應(yīng)用[D];東北大學;2014年

7 李越;基于空間分數(shù)階擴散方程及點態(tài)受限約束的三維最優(yōu)控制問題的快速算法[D];山東大學;2016年

8 孫肖斌;帶擴散的對偶模型的最優(yōu)分紅與注資[D];曲阜師范大學;2016年

9 劉志博;Navier-Stokes方程約束最優(yōu)控制問題的分裂預(yù)處理迭代方法[D];南京師范大學;2016年

10 蔡超;三類發(fā)展型方程的系數(shù)反演問題[D];蘭州交通大學;2016年

，

本文編號：1654092