一、基于遗传算法的有约束非线性预测控制（论文文献综述）
陆伊宁[1]（2021）在《混凝土桥梁施工复杂支撑体系安全评价及优化方法研究》文中提出为了适应桥梁向大跨、高空方向发展的趋势,由满堂支架、贝雷梁以及钢管柱组成的混凝土桥梁施工复杂支撑体系以其承载能力大,适应性强,搭设简便以及可重复利用等优点,在混凝土现浇桥梁施工中被广泛应用。但桥梁施工复杂支撑体系构件繁多、结构复杂,并且没有具体的设计标准和规范,在设计时如何实现安全性和经济性的双赢,是值得探索和研究的问题。本文采用理论研究、数值模拟和机器学习相结合的方法,对混凝土桥梁施工复杂支撑体系的安全综合评价以及结构优化方法进行研究,主要开展了以下研究工作:（1）针对桥梁施工复杂支撑体系的传力模式和受力特点进行分析,建立安全综合评价指标体系,提出综合安全度的概念作为结构安全储备定量评价结果,采用客观赋值法中的熵权法确定指标权重,并引入指标间冲突性对权重进行修正,建立了桥梁施工复杂支撑体系安全综合评价模型。（2）提出了基于支持向量机近似模型和遗传算法的结构优化方法,对遗传算法基本概念和步骤进行研究,采用罚函数法解决了遗传算法在有约束优化问题中的局限性,研究了支持向量机回归算法原理,以及训练样本选取、参数选择优化方法,提出了支持向量机构建结构近似模型的方法,以此代替遗传算法在结构优化中大量的有限元计算。（3）基于结构优化设计基本理论提出了桥梁施工复杂支撑体系优化方法,以结构总用钢量为目标函数,以各构件截面尺寸为设计变量,将结构综合安全度达到某一目标值以及各构件应力或位移满足安全要求为约束条件,建立了复杂支撑体系优化数学模型,研究了采用基于支持向量机近似模型和遗传算法的优化方法求解优化模型的步骤。（4）某斜拉桥主梁现浇施工采用由满堂支架、贝雷梁和钢管柱组合成的复杂支撑体系,对其进行安全评价和结构优化,得到原始设计参数下的综合安全度为2.51,安全储备较充足,存在一定优化空间,以综合安全度达到2.0时总用钢量最少为优化目标,优化后结构的综合安全度为2.09,相对于原始设计,总用钢量降低了20.99%,表明该桥梁施工复杂支撑体系优化方法可以使结构在保持一定的安全储备情况下达到最优经济用量。
马潇雨[2]（2020）在《基于子集模拟优化的密肋复合板结构优化设计和参数识别》文中进行了进一步梳理子集模拟优化算法是一种新型随机优化算法,对解决高维复杂优化问题具有收敛快、不易陷入局部最优解的优势,适用于连续变量无约束及有约束优化问题和离散变量优化问题。密肋复合板结构作为一种建筑结构新体系,主要由预制密肋复合墙板、隐形外框架以及楼板装配现浇而成。其主要受力构件密肋复合墙体由不同材料的构件多层嵌套组成,受力状态复杂,优化设计是其抗震设计理论的重要组成部分,对其进行优化设计时同时存在离散变量和连续变量,且未考虑动力效应的影响。因此,本文将子集模拟优化算法分别扩展用于同时包含连续和离散变量以及考虑结构动力效应的密肋复合板结构优化设计。此外,恢复力模型反映了密肋复合板结构的抗震性能,是进行响应预测的基础,对其参数的识别至关重要,本文将子集模拟优化算法与贝叶斯理论相结合,用于密肋复合板结构的层间恢复力模型参数识别。本文研究内容及所得结论如下:（1）将同时考虑离散变量和连续变量的子集模拟优化算法应用于构件承载力约束下的密肋复合板结构造价优化设计。基于分部优化思想,以密肋复合墙体承载力为约束,建立多层密肋复合板结构造价优化设计数学模型,并应用于某7层密肋复合板结构的优化设计;基于多级优化思想,首先以层间侧移为约束、以结构所受地震作用最小为优化目标,再以墙体承载力为约束、以墙体造价最小化为目标,建立中高层密肋复合板结构优化设计数学模型,并对某12层密肋复合板结构进行优化设计。优化后结构造价降低且均满足侧移及承载力要求,证明了子集模拟优化算法在同时考虑离散变量和连续变量的建筑结构优化设计应用中的可行性和有效性。（2）由于结构分部优化和多级优化并不能完全代替整体优化,同时为考虑结构在强动力荷载下的动力弹塑性效应,进一步对结构进行基于抗震性能的优化设计。以密肋复合板结构整体材料用量为约束,以地震作用下结构最大层间位移角为优化目标,提出基于有约束子集模拟优化算法的密肋复合板结构优化设计方法和流程,并分别对某4层和某12层密肋复合板结构优化设计,优化后结构层间位移角明显减小,结构地震易损性降低。（3）考虑结构恢复力模型参数识别过程中的不确定性,为有效避免局部最优解并提高计算效率,提出基于贝叶斯原理和子集模拟优化算法的恢复力参数识别方法。以密肋复合板结构实测层间位移响应作为观测数据,以贝叶斯理论推导得到的恢复力参数后验概率分布函数为目标函数,利用子集模拟优化算法识别结构层间恢复力模型参数最有可能值。使用所提方法对某4层密肋复合板结构的层间恢复力参数进行识别,采用退化双线型模型模拟结构的层间动力特性,采用子集模拟优化算法进行层间恢复力参数识别,并与TMCMC算法的识别结果进行对比,表明子集模拟优化算法的识别精度和计算效率较高。
邓兴波[3]（2020）在《CFG桩复合地基智能优化设计系统开发研究》文中认为CFG桩复合地基处理方案设计是一个非常复杂的过程,其影响因素众多,计算繁琐,相关理论研究也很滞后。在实际工程中,CFG桩复合地基方案设计通常采用试算法与经验法相结合的方法,先根据以往工程经验提出几个设计方案,再验算方案是否满足设计规范和工程要求,最终从满足要求的方案中选择较为经济的方案作为最终实施方案。这一设计过程耗费大量的时间与人力,且得不到最经济的方案。近年来随着计算机信息技术的发展,为CFG桩复合地基处理方案设计提供了新思路,促进了CFG桩复合地基处理方案的智能化发展。本文在深入研究CFG桩复合地基设计领域知识体系的基础上,利用优化算法、非参数回归法、模糊层次分析法、人工神经网络等理论,借助程序语言开发一个能够辅助工程设计人员进行快速实现CFG桩复合地基处理方案智能优化设计的系统,主要工作及结论如下:1.深入研究了CFG桩复合地基设计领域知识,进行了知识构成要素分析,提取出关键知识要素,由此绘制实体联系图并构建领域知识扩展框架,采用生产式法与一阶谓词逻辑表示法来表示CFG桩复合地基设计领域知识;2.建立了CFG桩复合地基优化设计数学模型,编制基于优化算法的计算机程序来实现优化设计模型推理,通过实例验证了优化设计模型可以快速、高效、可靠的推理出较为经济的地基处理方案,能够达到提高设计效率与经济效益的目的;3.采用光滑样条非参数回归法、模糊层次分析法将非均质地基土层的CFG桩复合地基优化设计映射成均质地基土的设计情况来解决非均质地基土层下的设计,并通过实例分析验证了该方法可以降低非均质地基下的设计复杂程度,提高设计效率;4.利用CFG桩复合地基优化设计模型推理出大量优化设计方案,根据人工神经网络原理编制含有两个隐含层的神经网络推理程序来实现根据工程资料更加快捷、智能的推理出优化设计方案,通过对网络训练结果分析可得该网络模型训练效果很好,网络误差小且收敛速度快,能够有效用于设计参数的预测;5.创建了CFG桩复合地基智能优化设计系统的GUI界面,实现智能优化系统中各个板块以及数据流的控制,使之成为一个更完整、简洁易用的智能优化设计系统。本文旨在丰富CFG桩复合地基设计理论研究,提高设计效率与经济效益,本文的研究成果有利于推动CFG桩复合地基设计领域的数字化与智能化发展,并为工程设计人员展开设计工作提供一定的帮助。
孙雨凝[4]（2020）在《基于预测控制的分布式电源并网研究》文中进行了进一步梳理新能源发电技术的不断发展,以风能、太阳能为代表的新能源发电量占总发电量的比例不断攀升。因此,对分布式电源并网的需求也越来越多,尤其部分地区还存在多种类型分布式电源并网的情况,对配电网运行的安全性、可靠性、稳定性提出挑战。所以需要对分布式电源的并网进行合理规划,以保证配电网并网后安全稳定。同时扩大分布式电源并网对经济效益产生的积极影响,充分贯彻节能降耗的政策方针。本文以风力发电和光伏发电两种分布式电源并网为研究对象,对其接入位置和并网容量进行优化。分布式电源并网需要建立DG的数学模型,分析其并网时对潮流的影响。同时,在实际运行的约束条件为前提,针对电压稳定性、网损最小化等待优化指标建立目标函数。然而,目标函数的建立普遍采用简单加权的形式将不同的目标函数结合起来,这种方法较适合于目标函数较少的优化情况。本文采用双层规划的方式,可以更好地针对不同优化侧重点设定多个优化目标,并实现不同层之间约束条件的解耦,可根据实际需求选择约束条件。底层规划的重点是DG并网后配电网的稳定性,因此选取配电网网损最小以及节点电压偏移最小作为最终的优化目标;首层规划针对经济性进行规划,优化指标包括DG投资及运行成本、可再生能源政策补贴和配电网上级购买电量费用。其中,配电网上级购买电量费用指标需要用到底层规划中的配电网网损最小的信息。因此,两层之间具有信息传递的联系性。在预测控制算法的研究方面,对预测控制的基本原理进行了了阐述,并对广义预测控制的缺点,诸如计算速度相对较差,易陷入局部最优解等弊端进行简要说明。在此基础上,将遗传算法与GPC算法相结合,充分利用GA算法全局收敛性好的特性弥补GPC算法的不足。为进一步提高GA-GPC的收敛速度,通过引入基于误差分类的两性种群交配遗传策对GA算法进行改进。这一策略将将染色体定义为阳性和阴性两种类型,进行交叉操作时选取异性染色体作为交叉操作的对象,相比于传统的随机选择两个染色体进行交叉而言,基于该策略的GA算法具有更好的搜索能力,使算法更加高效。通过测试函数验证改进GA算法性能的优越性后将其用于完善GPC算法的滚动优化,以解决GPC滚动优化采用梯度法而产生对初值敏感且容易陷入局部最优解的问题。仿真结果表明改进的GA-GPC具有更好的控制精度,且计算速度得到明显改善。基于以IEEE33节点配电网系统仿真算例对DG并网的规划问题进行求解。仿真结果表明改进的GA-GPC算法求得了更好的规划方案,无论从最小网损、节点电压偏移还是经济成本均好于传统GA-GPC算法,说明改进的GA-GPC算法能够得到整体最优解,可以证明该方法效果更优越、有效。
戴晓燕[5]（2020）在《基于T-S模糊模型的重型燃气轮机系统优化控制研究》文中研究指明重型燃气轮机系统升降负荷速度快,能够有效承担调峰调频任务。然而,大范围变工况运行的重型燃气轮机系统具有强非线性和耦合性,传统控制策略无法满足机组控制要求。因此,本文以某联合循环机组F级重型燃气轮机系统为例,设计了基于T-S模糊模型的重型燃气轮机系统多目标优化控制策略。首先,本文选用T-S模糊模型描述系统动态特性,基于改进的粒子群算法实现自适应聚类,通过自适应聚类辨识模糊模型前件,基于改进的教学优化算法辨识模型后件。将这一数据驱动的T-S模糊模型辨识策略应用在重型燃气轮机系统辨识中,建立面向控制器设计的重型燃气轮机系统T-S模糊模型。其次,为提高机组负荷跟踪能力,本文设计了重型燃气轮机系统优化控制策略。该策略由输出预测模块和控制律计算模块组成。为保证输出预测结果的准确性和预测过程的快速性,输出预测模块以T-S模糊模型为基础,实时更新预测模型参数。控制律计算模块以控制量增量为决策变量、以最优化系统负荷跟踪能力为目标,引入收敛速度快、鲁棒性强的同步传热搜索算法对控制量增量序列寻优,实现重燃系统优化控制。最后,为提高机组经济效益和负荷跟踪能力,将表征机组负荷跟踪能力、经济效益的指标引入优化控制框架,构成多目标函数向量。为求解该多目标优化问题,本文设计了基于同步传热搜索的多目标优化算法,并将该算法应用在多目标优化控制律求解中,实现重型燃气轮机系统多目标优化控制。仿真结果表明,基于该算法的多目标优化控制策略能够有效提高重型燃气轮机系统负荷跟踪能力和经济效益。
孔俊东[6]（2020）在《一类滚动时域估计方法的性能指标研究》文中认为状态估计是根据测量数据估算系统状态的方法,被广泛地应用于自动控制、故障诊断、软测量等众多工业应用领域。滚动时域估计是一类利用滚动窗口数据进行状态估计的滤波算法,能够显式处理带约束系统的状态估计问题。在应用过程中,窗口尺寸的择取和到达代价的计算是影响算法估计性能的两个重要方面。本文致力于研究窗口尺寸的合理选择和到达代价的近似计算问题,提升求解效率和估计精度,并通过典型的数值算例和实际案例进行分析验证。在阅读大量文献的基础上,本文在滚动时域估计算法方面开展了一些研究工作,具体如下:1.针对线性系统中滚动时域估计算法的优化问题,通过将全信息估计问题和近似估计问题转化为以矩阵形式表述的二次规划问题,给出了相应的求解方法。基于最小二乘原理,给出了一种递推形式的滚动时域状态估计方法。该方法通过成批输出数据的向前滚动,分别对含系统参数的矩阵和含输出信息的矩阵进行分块,获得的状态估计值和卡尔曼滤波算法一样以递推形式给出。最后,将该方法分别应用于白噪声和有色噪声的线性模型中,验证了该方法的有效性和普适性。2.针对窗口尺寸会影响到滚动时域估计算法的估计精度及计算效率问题,为了平衡这两个指标,提出了一种窗口尺寸的选取方法。该方法在结合遗传算法和模拟退火机制的优良特性上,对不同量纲的精度指标和效率指标采用归一化原理设计了相应的适应度函数,寻找出当前权重比下的最佳窗口尺寸。通过线性无约束离散模型和带约束的连续搅拌反应釜模型为例验证表明:该参数优化方法在预设的权重比下,能有效的计算出最佳的窗口尺寸用于滚动时域估计算法的应用。3.针对滚动时域估计算法在非线性系统中的应用问题,给出了一种通过无迹卡尔曼滤波得到先验协方差矩阵用以计算到达代价的方法。首先应用单形采样原则取代了无迹变换中的对称采样原则,减少原有方法中sigma点的数目;其次对无迹变换中的比例因子提出自适应的计算策略,用以提高到达代价的计算精度。采用两个非线性的案例进行仿真验证,结果表明该方法具有更精确的估计效果,相对于扩展卡尔曼滤波更适合应用于高阶的非线性系统。
杨先锋[7]（2020）在《面向新型建筑智能化平台的二次供水泵组优化运行策略研究》文中进行了进一步梳理建筑二次供水系统泵组节能控制是建筑节能的重点研究方向之一。优化泵组的运行调度方案是实现建筑二次供水系统节能的基本方法。现有集散型泵组优化调度方案中,中央监控站通过收集各水泵设备的运行数据并进行集中优化运算,从而实现整个二次供水系统的集中监控和优化运行。中央监控站集中处理全局信息,信息处理负荷大,同时系统扩展性较差。基于扁平化、无中心网络结构的新型建筑智能化平台将建筑内的机电设备或建筑空间抽象为一个智能单元,每个单元对应一个计算节点（Computing Process Node,CPN）,各个CPN按照物理空间关系连接成CPN网络。在CPN网络中每个CPN只与邻居CPN交互数据,通过相互协同,以自组织的方式完成全局计算和控制任务。新型建筑智能化平台无需中央监控站进行信息集中处理,其CPN网络具有很好的扩展性,是智能建筑楼宇控制技术研究的新兴方向。本文面向新型建筑智能化平台,结合建筑二次供水系统的泵组优化调度问题,开展了以下研究工作:（1）利用EPANET构建了某小区建筑二次供水管网仿真运行系统,以需水量和变化乘子作为输入,对二次供水系统进行仿真运行分析,获取了泵组出水口主管段需水量数据以及各水泵出水流量和能耗数据,为后续泵组优化运行算法的研究提供了数据来源。（2）以仿真运行获得的主管段需水量数据为目标流量,通过优化各台水泵运行流量,最终建立了以系统总电功率最小为目标的泵组优化模型。基于一种无中心遗传算法实现了泵组的优化调度。优化过程中,每个CPN节点都设立了读、写和交互存储区,通过读取邻居水泵的流量值和当前电功率,写入新流量参数、当前电功率和遗传代数,实现邻居间具有约束关系的流量数据及当前电功率值的交互。通过迭代寻优,最终得到了以总需水量为约束条件,以总电功率最小为目标的优化调度策略。通过分布式算法仿真平台验证了无中心遗传算法的可行性和有效性。（3）面向新型建筑智能化平台设计了实验系统系统硬件架构、水泵设备控制方案,搭建了建筑二次供水系统实验平台,进行了泵组优化运行实验。系统结果显示基于无中心遗传算法实现的调度方案具有一定的节能效果。同时新型建筑智能化平台基于邻居交互的机制,可以灵活地实现建筑设备的协同优化运行。图[42]表[4]参[53]
蒋帆[8]（2020）在《时变环境下动力定位船舶状态估计与模型辨识方法研究》文中提出在现代海洋资源开发和特种作业中,动力定位系统占据着举足轻重的作用。状态估计和模型辨识是动力定位系统的重要组成部分。状态估计的精度和模型辨识的准确性直接影响到动力定位系统的整体性能。本文面向复杂时变的海洋环境,提出相对应的状态估计方法和模型辨识方法,进而提高动力定位船舶状态估计精度和动力定位系统整体稳定性。本文的主要工作有:（1）针对时变环境下动力定位船舶系统过程噪声统计特性未知而导致基于扩展卡尔曼滤波的状态估计方法估计精度下降的问题,提出了一种模型预测扩展卡尔曼滤波算法,该算法通过比较一段时间内传感器观测值和预测值,估计系统过程噪声参数,从而实时修正系统过程噪声方差,提高了状态估计精度。此外,还研究了一种基于遗忘因子递推最小二乘的参数估计方法用以实时估计动力定位船舶高频运动数学模型中的波浪谱峰值频率。仿真结果表明,当系统过程噪声未知时,模型预测扩展卡尔曼滤波可以较为准确地估计出噪声参数,滤波结果也更为准确。（2）针对时变环境下动力定位船舶传感器数据发生异常以及未知环境干扰等情况而导致基于无迹卡尔曼滤波的状态估计算法估计发生偏差的问题,提出了一种鲁棒无迹卡尔曼滤波算法,该算法通过对观测噪声协方差矩阵的自适应更新以及对过程不确定性的识别,处理传感器数据异常问题并估计未知环境力。仿真结果表明,当传感器数据发生异常时,鲁棒无迹卡尔曼滤波可以准确识别异常发生的时间,其估计精度和鲁棒性也较常规无迹卡尔曼滤波更高。（3）针对动力定位船舶数学模型非线性、多变量、强耦合等特点以及常规遗传算法在辨识动力定位船舶模型时难以把控收敛速度与辨识精度的平衡点的问题,提出了一种自适应重组遗传算法,该算法通过引入多阶段的正弦自适应遗传算子计算方法及自适应重组替代策略,在保证辨识收敛速度的前提下,可以有效地提高辨识的质量。辨识仿真对比实验验证了算法的有效性和优越性。
张小青[9]（2020）在《计算智能GWO算法优化及其在运动控制中的应用》文中指出工业生产和科学技术的发展与运动控制技术日益密不可分。永磁同步电动机性能优越,以其为被控对象的运动系统在各行各业中已占有举足轻重的地位。机器人功能强大,是人工劳动的优秀替代,已服务于众多行业中。无论是以单一的永磁同步电动机还是以复杂的机器人为被控对象的运动控制系统,都是一类非线性、强耦合多变量控制系统,传统优化方法已很难满足现代运动控制的高要求,而计算智能技术具备自适应能力及鲁棒性强的特点,为求解复杂的非线性运动控制系统的优化问题提供了新的途径。本文主要研究计算智能算法优化及其在运动控制系统中的应用,从算法改进与算法应用两方面展开研究。对苍狼优化算法及其改进进行研究。介绍与分析苍狼优化算法,证明算法具备全局收敛性。为增加搜索样本多样性及减小算法陷入局部最优的概率,提出了基于淘汰重组机制与变异算子的改进苍狼优化算法。引入衍生算法,得出淘汰重组机制与优秀搜索狼变异算子在功能上互相补充的结论。标准苍狼优化算法被称为静态苍狼优化算法,以减少搜索狼更新等待为目的,提出了两种动态苍狼优化算法。在动态苍狼优化算法中搜索狼的位置更新不需等待,及时更新,加快了算法的迭代收敛速度,使得算法具备了更强的竞争力。以动态苍狼优化算法的结构为基础,探讨其它改进苍狼优化算法的性能,通过实验进一步验证了动态苍狼优化算法改进的有效性。将苍狼优化算法等应用于永磁同步电动机的混沌控制与混沌同步控制中。针对不利的永磁同步电动机混沌,提出了一种以哈密顿理论与苍狼优化算法为基础的非线性扰动补偿与跟踪控制相结合的混沌控制器。通过分析永磁同步电动机严格耗散的广义约化模型中的扰动非线性项,提出了一种带可调增益的非线性扰动补偿器,证明了此补偿器能使系统在平衡点附近渐近稳定。以修正互联与阻尼控制为参考,依期望平衡点的不同而改变相应的哈密顿能量函数,提出了一种参数待定的跟踪控制器。然后以苍狼优化算法为手段对所设计的控制器中可调增益及待定参数进行有目的的优化,最后通过实验测试,系统的混沌得到了较好的抑制,系统具备了良好的跟随性能及抗负载扰动的能力。针对永磁同步电动机混沌的存在对系统有利的场合,鉴于混沌同步控制具有普遍意义,以径向基神经网络为基础,结合苍狼优化算法及其多种变体算法,提出了RBF-GWO混沌同步控制器。用苍狼优化算法以同步误差平方平均值最小为优化目标来优化径向基神经网络的中心矩阵、输出权重及宽度矢量,使得所设计的RBF-GWO网络在应用时性能最佳。从永磁同步电动机混沌同构同步与混沌异构同步两方面验证了所提出的混沌同步控制器的有效性,使系统能更合理的利用永磁同步电动机的混沌现象。对Par4并联机器人高速拾取路径进行了轨迹规划与跟踪控制。针对Par4并联机器人的高速拾取路径,提出了一种基于苍狼优化算法以Lamé曲线为圆滑过渡曲线、以五次及六次不对称多项式为运动规律的机械能耗最小的轨迹规划方法。在该方法中,采取苍狼优化算法,以机器人机械能耗最小为目的,对轨迹进行了优化研究,最终找出了基于Lamé曲线机械能耗最低的轨迹,验证了方法的有效性。通过实验还得知最优轨迹中的Lamé曲线的参数e最佳值可选为拾取跨度一半,而参数f的最佳值需依拾取坐标及拾取高度等具体情况进行寻优选择。以Par4并联机器人优化规划的电机角度为期望控制输入,设计了基于Type-2模糊预估补偿的PID控制器,把系统输入变量的变化率与跟踪误差的变化率之和作为Type-2模糊预估补偿的一个输入,提高了系统对输入的动态跟随性能,减少了驱动电机的角度跟踪误差。利用动态苍狼优化算法对Type-2模糊控制器进行了离线优化,使得系统性能更佳。最后通过实验验证了所提出的控制器的有效性,Par4并联机器人的四个驱动电机都能较好地跟踪期望的输入角度。
李穆伟[10]（2019）在《基于广义预测控制的网络控制系统时延补偿及控制》文中进行了进一步梳理近年来,得益于通信技术的快速发展,控制系统发生了较大的变化,其不仅实现了最大意义的分散闭环控制,而且数据传输效率得到了提高,关于网络控制系统的研究也得以迅速开展。由于将原有控制系统置于网络环境下,必定会产生网络时延和丢包的问题,极大地影响系统的性能,传统控制方法已经不适用于当前网络控制系统。为了实现对网络控制系统更好地控制,本文使用改良过的BP神经网络对时延进行预测并结合改进的广义预测控制补偿网络中出现的时延;针对非线性时滞控制系统,利用神经网络拟合该系统,建立多步预测模型;针对控制系统存在约束的情况,提出了一种带约束的PI型隐式广义预测控制算法。本文研究内容主要如下:（1）针对网络控制系统中随机通信时延问题,本文利用改良过的BP神经网络对随机通信时延进行预测,解决了参数不易选取、泛化困难等问题,并且提高了预测精度。在此基础上结合改进的广义预测算法主动对随机时延进行补偿,解决了原先算法只能补偿固定时延的局限性。最后经过MATLAB仿真实验,证实了该算法的正确性。（2）针对工业生产过程中的一类非线性时滞系统,本文提出了一种基于极限学习机的广义预测控制算法。该算法首先利用改进差分进化算法优化极限学习机神经网络,然后采用优化过的极限学习机建立非线性时滞被控对象的预测模型,最后将此预测模型带入隐式广义预测控制器中,此算法较好地解决了非线性系统难以建模的问题并且提高了预测的精度。MATLAB仿真证实了该算法的正确性。（3）针对实际控制系统普遍存在约束的情况,本文设计了一种带约束的PI型隐式广义预测控制算法,并分析了其稳定性。该算法在原隐式广义预测控制基础上加入了PI反馈结构并改进了广义预测控制中控制量的选取规则,不但能够很好的解决约束问题而且融合PI型隐式广义预测控制诸多优点,具备良好的控制性能。MATLAB仿真结果表明了算法的正确性。
二、基于遗传算法的有约束非线性预测控制（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于遗传算法的有约束非线性预测控制（论文提纲范文）
（1）混凝土桥梁施工复杂支撑体系安全评价及优化方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 支撑体系的发展现状 |
| 1.3 复杂支撑体系安全综合评价研究现状 |
| 1.3.1 综合评价方法 |
| 1.3.2 复杂支撑体系安全综合评价研究 |
| 1.4 复杂支撑体系优化设计研究现状 |
| 1.4.1 结构优化设计方法研究现状 |
| 1.4.2 优化中结构近似模型研究现状 |
| 1.4.3 复杂支撑体系优化研究现状 |
| 1.5 研究内容与技术路线 |
| 1.5.1 研究内容 |
| 1.5.2 研究技术路线 |
| 第2章 混凝土桥梁施工复杂支撑体系安全综合评价 |
| 2.1 引言 |
| 2.2 桥梁施工复杂支撑体系安全综合评价指标体系 |
| 2.3 评价指标权重确定方法 |
| 2.4 桥梁施工复杂支撑体系安全综合评价模型 |
| 2.5 本章小结 |
| 第3章 基于支持向量机近似模型-遗传算法的优化方法 |
| 3.1 引言 |
| 3.2 遗传算法理论 |
| 3.2.1 遗传算法基本概念 |
| 3.2.2 遗传算法基本步骤 |
| 3.2.3 罚函数法 |
| 3.3 支持向量机近似模型 |
| 3.3.1 支持向量机回归算法 |
| 3.3.2 样本点的选取 |
| 3.3.3 支持向量机核函数 |
| 3.3.4 支持向量机参数寻优 |
| 3.3.5 建立支持向量机近似模型的基本步骤 |
| 3.4 基于支持向量机近似模型-遗传算法的结构优化步骤 |
| 3.5 算例验证 |
| 3.6 本章小结 |
| 第4章 混凝土桥梁施工复杂支撑体系结构优化模型 |
| 4.1 引言 |
| 4.2 结构优化设计基本理论 |
| 4.2.1 结构优化设计一般数学模型 |
| 4.2.2 结构优化设计的层次 |
| 4.3 桥梁施工复杂支撑体系优化数学模型 |
| 4.4 优化模型求解步骤 |
| 4.5 本章小结 |
| 第5章 工程实例 |
| 5.1 工程概况 |
| 5.2 支撑体系受力分析 |
| 5.2.1 荷载计算 |
| 5.2.2 荷载组合 |
| 5.2.3 有限元模型 |
| 5.2.4 有限元计算结果分析 |
| 5.3 支撑体系安全评价 |
| 5.3.1 确定指标权重 |
| 5.3.2 安全评价 |
| 5.4 支撑体系结构优化 |
| 5.4.1 支撑体系优化数学模型 |
| 5.4.2 支撑体系支持向量机近似模型 |
| 5.4.3 支撑体系优化 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表论文情况 |
（2）基于子集模拟优化的密肋复合板结构优化设计和参数识别（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 本文研究背景及意义 |
| 1.2 优化设计原理及应用研究现状 |
| 1.2.1 结构优化设计原理 |
| 1.2.2 密肋复合板结构优化设计研究现状 |
| 1.2.3 传统结构优化设计研究现状 |
| 1.3 结构优化算法研究现状 |
| 1.3.1 优化算法研究现状 |
| 1.3.2 子集模拟优化算法研究现状 |
| 1.4 结构恢复力模型参数识别研究现状 |
| 1.4.1 传统结构恢复力模型识别研究现状 |
| 1.4.2 密肋复合板结构恢复力参数识别研究现状 |
| 1.5 当前研究存在的问题 |
| 1.6 本文主要研究内容 |
| 2 基于子集模拟优化算法的密肋复合板结构造价优化 |
| 2.1 同时考虑离散变量和连续变量的有约束子集模拟优化算法 |
| 2.1.1 有约束子集模拟优化算法 |
| 2.1.2 同时考虑离散变量和连续变量的子集模拟优化算法 |
| 2.2 密肋复合墙体优化设计 |
| 2.2.1 密肋复合墙体优化设计数学模型 |
| 2.2.2 密肋复合墙体优化设计实例分析 |
| 2.2.3 基于遗传算法的密肋复合墙体优化设计及结果对比 |
| 2.3 多层密肋复合板结构的优化设计 |
| 2.3.1 多层密肋复合板结构的抗震设计计算方法 |
| 2.3.2 多层密肋复合板结构优化设计原理 |
| 2.3.3 多层密肋复合板结构优化设计实例分析 |
| 2.4 中高层密肋复合板结构的优化设计 |
| 2.4.1 中高层密肋复合板结构抗震设计计算方法 |
| 2.4.2 中高层密肋复合板结构优化设计原理 |
| 2.4.3 中高层密肋复合板结构优化设计实例分析 |
| 2.5 本章小结 |
| 3 基于子集模拟优化算法的密肋复合板结构抗震性能优化 |
| 3.1 基于抗震性能的密肋复合板结构优化设计原理 |
| 3.1.1 基于IDA方法的结构易损性分析 |
| 3.1.2 密肋复合板结构抗震性能优化设计思路及流程 |
| 3.2 密肋复合板结构等效斜撑模型的Open Sees有限元建模 |
| 3.2.1 密肋复合墙板等效斜撑模型 |
| 3.2.2 等效斜撑模型Open Sees有限元模型 |
| 3.3 密肋复合板结构优化设计数学模型 |
| 3.4 密肋复合板结构抗震性能优化设计实例分析 |
| 3.4.1 密肋复合板结构基本设计信息 |
| 3.4.2 密肋复合板结构有限元模型 |
| 3.4.3 密肋复合板结构易损性分析 |
| 3.4.4 密肋复合板结构优化设计结果分析 |
| 3.5 本章小结 |
| 4 基于贝叶斯理论和子集模拟优化的密肋复合板结构恢复力参数识别 |
| 4.1 基于贝叶斯理论的结构层间恢复力模型参数识别方法 |
| 4.1.1 恢复力模型参数识别的贝叶斯方法 |
| 4.1.2 基于子集模拟优化算法的目标函数优化 |
| 4.2 所提方法在多层密肋复合板结构中的应用 |
| 4.2.1 四层密肋复合板结构模型 |
| 4.2.2 结构层间恢复力模型 |
| 4.2.3 四层密肋复合板结构层间恢复力参数识别 |
| 4.3 基于贝叶斯理论和TMCMC算法的恢复力参数识别及对比 |
| 4.3.1 基于贝叶斯理论和TMCMC算法的恢复力模型参数识别 |
| 4.3.2 四层密肋复合板结构层间恢复力识别及结果分析 |
| 4.4 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）CFG桩复合地基智能优化设计系统开发研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 CFG桩复合地基研究现状 |
| 1.2.2 地基处理智能决策研究现状 |
| 1.2.3 研究中存在的不足 |
| 1.3 本文研究思路、内容及技术路线 |
| 1.3.1 主要研究思路 |
| 1.3.2 主要研究内容 |
| 1.3.3 研究技术路线 |
| 2 CFG桩复合地基智能优化设计系统 |
| 2.1 智能优化设计系统结构 |
| 2.2 系统知识库的建立 |
| 2.2.1 知识来源 |
| 2.2.2 知识分类 |
| 2.2.3 知识体系 |
| 2.2.4 知识表示方法 |
| 2.3 系统推理模块的建立 |
| 2.3.1 优化模型推理 |
| 2.3.2 神经网络推理 |
| 2.4 小结 |
| 3 CFG桩复合地基智能优化设计 |
| 3.1 不考虑基础的CFG桩复合地基智能优化设计数学模型 |
| 3.1.1 优化变量 |
| 3.1.2 约束条件 |
| 3.1.3 目标函数 |
| 3.1.4 智能优化设计数学模型 |
| 3.2 考虑基础的CFG桩复合地基智能优化设计数学模型 |
| 3.2.1 基础尺寸确定 |
| 3.2.2 优化变量 |
| 3.2.3 约束条件 |
| 3.2.4 目标函数 |
| 3.2.5 智能优化设计数学模型 |
| 3.3 优化设计方法 |
| 3.3.1 优化算法的选择 |
| 3.3.2 遗传算法 |
| 3.3.3 经典算法 |
| 3.4 不考虑基础的智能优化设计模型实现 |
| 3.4.1 模型实现 |
| 3.4.2 实例分析 |
| 3.5 考虑基础的智能优化设计模型实现 |
| 3.5.1 不同算法试用效果分析 |
| 3.5.2 模型实现 |
| 3.5.3 实例分析 |
| 3.6 小结 |
| 4 非均质地基土的CFG桩复合地基优化设计 |
| 4.1 非参数回归法 |
| 4.1.1 非参数回归法概述 |
| 4.1.2 光滑样条非参数回归方法 |
| 4.2 基于光滑样条非参数回归法的优化设计模型 |
| 4.2.1 数据来源 |
| 4.2.2 数据拟合 |
| 4.2.3 效果分析 |
| 4.3 模糊层次分析法 |
| 4.3.1 层次分析法的不足 |
| 4.3.2 模糊层次分析法 |
| 4.4 基于模糊层次分析法的优化设计模型 |
| 4.4.1 优化设计体系构建 |
| 4.4.2 实例分析 |
| 4.5 小结 |
| 5 基于人工神经网络的辅助优化设计模型 |
| 5.1 BP神经网络 |
| 5.2 辅助优化设计模型构建 |
| 5.2.1 网络层数的确定 |
| 5.2.2 网络输入层的设计 |
| 5.2.3 网络输出层的设计 |
| 5.2.4 辅助优化设计模型 |
| 5.3 辅助优化设计模型的实现 |
| 5.3.1 数据来源 |
| 5.3.2 数据处理 |
| 5.3.3 模型实现 |
| 5.3.4 模型效果分析 |
| 5.4 小结 |
| 6 智能优化设计系统 |
| 6.1 系统开发环境及工具 |
| 6.1.1 系统开发环境 |
| 6.1.2 系统开发工具 |
| 6.2 系统框架及功能特点 |
| 6.2.1 系统总体框架 |
| 6.2.2 系统的特点与功能 |
| 6.3 系统功能模块 |
| 6.3.1 登录界面 |
| 6.3.2 主控制模块 |
| 6.3.3 文件模块 |
| 6.3.4 优化设计模块 |
| 6.3.5 神经网络推理模块 |
| 6.3.6 帮助模块 |
| 6.4 工程应用 |
| 6.5 小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间主要成果 |
（4）基于预测控制的分布式电源并网研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 创新点摘要 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 针对合理规划DG并网技术国内外研究现状 |
| 1.3 DG并网优化算法 |
| 1.3.1 经典求解法 |
| 1.3.2 启发式算法 |
| 1.3.3 智能优化求解法 |
| 1.4 现代预测控制及研究动向 |
| 1.4.1 预测控制特点 |
| 1.4.2 预测控制研究动向 |
| 1.5 本文主要研究内容 |
| 第二章 分布式电源并网模型及其并网影响分析 |
| 2.1 DG并网基本介绍 |
| 2.1.1 DG的定义 |
| 2.1.2 DG的分类 |
| 2.1.3 DG并网的效益说明 |
| 2.2 分布式电源的并网模型 |
| 2.2.1 风力发电机的建模 |
| 2.2.2 太阳能光伏电池 |
| 2.2.3 DG并网节点的处理 |
| 2.3 DG并网对配电网的影响 |
| 2.3.1 对电能质量的影响 |
| 2.3.2 对配电网络损耗的影响 |
| 2.3.3 对配电网络可靠性的影响 |
| 2.4 本章小结 |
| 第三章 含DG并网的配电网潮流计算及多目标优化模型建立 |
| 3.1 DG并网的潮流计算分析 |
| 3.1.1 潮流计算原理介绍 |
| 3.1.2 潮流计算的前推原理 |
| 3.1.3 潮流计算的回代过程 |
| 3.2 DG并网的约束分析 |
| 3.2.1 线路过载约束 |
| 3.2.2 电压约束 |
| 3.2.3 潮流功率平衡约束 |
| 3.2.4 容量约束 |
| 3.3 基于双层规划的DG并网配置优化 |
| 3.3.1 双层规划思想 |
| 3.3.2 DG并网首层规划 |
| 3.3.3 DG并网底层规划 |
| 3.4 本章小结 |
| 第四章 基于GA优化的有约束GPC算法 |
| 4.1 预测控制数学基础 |
| 4.1.1 预测控制基本原理 |
| 4.1.2 CARIMA模型及Diophantine方程 |
| 4.2 广义预测控制原理 |
| 4.2.1 GPC的多步输出预测 |
| 4.2.2 GPC的滚动优化 |
| 4.2.3 GPC的在线辨识与反馈校正 |
| 4.3 基于GA优化的有约束GPC算法 |
| 4.3.1 GA算法原理 |
| 4.3.2 GA算法的改进 |
| 4.3.3 改进的GA-GPC算法及实现 |
| 4.4 GA-GPC算法验证 |
| 4.4.1 改进的GA性能测试 |
| 4.4.2 GA-GPC阶跃响应测试 |
| 4.5 本章小结 |
| 第五章 基于GA-GPC算法的DG并网配置优化 |
| 5.1 GA-GPC求解优化模型流程 |
| 5.2 仿真及结果分析 |
| 5.2.1 仿真算例概况 |
| 5.2.2 改进GA-GPC有效性对比分析 |
| 5.2.3 多类型DG并网仿真 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间科研成果 |
| 致谢 |
（5）基于T-S模糊模型的重型燃气轮机系统优化控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状及发展动态分析 |
| 1.2.1 T-S模糊模型辨识及其在重型燃气轮机系统中的应用研究 |
| 1.2.2 优化控制及其在重型燃气轮机系统中的应用研究 |
| 1.3 论文主要研究内容 |
| 第2章 基于T-S模糊模型的重型燃气轮机系统辨识研究 |
| 2.1 引言 |
| 2.2 重型燃气轮机系统结构 |
| 2.3 基于自适应聚类和智能优化算法的T-S模糊模型辨识策略 |
| 2.3.1 T-S模糊模型概述 |
| 2.3.2 基于自适应聚类的T-S模糊模型前件辨识 |
| 2.3.3 基于S-SLTLBO算法的T-S模糊模型后件辨识 |
| 2.4 基于历史数据的重型燃气轮机系统T-S模糊模型辨识 |
| 2.4.1 数据预处理 |
| 2.4.2 特征向量构建 |
| 2.4.3 基于历史数据的重型燃气轮机系统模糊辨识 |
| 2.4.4 模型测试 |
| 2.5 本章小结 |
| 第3章 基于同步传热搜索算法的重型燃气轮机系统优化控制研究 |
| 3.1 引言 |
| 3.2 基于同步传热搜索算法的重型燃气轮机系统优化控制策略 |
| 3.2.1 基于T-S模糊模型的系统输出预测 |
| 3.2.2 基于同步传热搜索算法的控制律求解 |
| 3.3 仿真实验 |
| 3.3.1 跟踪测试 |
| 3.3.2 抗干扰能力测试 |
| 3.3.3 鲁棒性测试 |
| 3.4 本章小结 |
| 第4章 基于NSSHTS的重型燃气轮机系统多目标优化控制研究 |
| 4.1 引言 |
| 4.2 基于NSSHTS的重型燃气轮机系统多目标优化控制 |
| 4.2.1 多目标优化算法NSSHTS设计 |
| 4.2.2 基于NSSHTS的重燃多目标优化控制策略 |
| 4.3 仿真实验 |
| 4.3.1 跟踪测试 |
| 4.3.2 鲁棒性测试 |
| 4.3.3 抗干扰能力测试 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 研究总结 |
| 5.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（6）一类滚动时域估计方法的性能指标研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 状态估计方法概述 |
| 1.3 滚动时域估计方法的研究现状 |
| 1.3.1 理论研究 |
| 1.3.2 应用研究 |
| 1.4 研究工作和论文结构 |
| 第2章 滚动时域估计方法 |
| 2.1 引言 |
| 2.2 预备理论 |
| 2.2.1 最小二乘 |
| 2.2.2 卡尔曼滤波 |
| 2.2.3 扩展卡尔曼滤波 |
| 2.2.4 无迹卡尔曼滤波 |
| 2.3 MHE的概率统计意义 |
| 2.4 两类滚动时域估计方法 |
| 2.4.1 全信息MHE方法 |
| 2.4.2 近似MHE方法 |
| 2.5 到达代价的求解 |
| 2.5.1 到达代价定义 |
| 2.5.2 线性系统估计问题 |
| 2.5.3 非线性系统估计问题 |
| 2.6 MHE算法步骤 |
| 2.7 本章小结 |
| 第3章 基于窗口数据递推的状态估计方法 |
| 3.1 引言 |
| 3.2 线性MHE的优化求解 |
| 3.2.1 全信息MHE求解 |
| 3.2.2 近似MHE求解 |
| 3.3 基于窗口数据的状态估计递推式 |
| 3.4 案例验证 |
| 3.4.1数值算例1 |
| 3.4.2数值算例2 |
| 3.5 本章小结 |
| 第4章 MHE窗口尺寸的优化方法 |
| 4.1 引言 |
| 4.2 遗传算法基本原理 |
| 4.3 模拟退火机制基本原理 |
| 4.4 参数优化方法 |
| 4.4.1 适应度函数计算 |
| 4.4.2 MHE参数优化方法 |
| 4.5 案例验证 |
| 4.5.1 数值算例 |
| 4.5.2 CSTR系统实例 |
| 4.6 本章小结 |
| 第5章 基于非对称无迹变换的MHE |
| 5.1 引言 |
| 5.2 基于UKF的 MHE |
| 5.2.1 UT变换 |
| 5.2.2 基于UKF的到达代价的计算 |
| 5.3 单形无迹变换 |
| 5.3.1 Sigma点偏度计算 |
| 5.3.2 采样点的比例修正 |
| 5.4 比例因子的自适应择取方法 |
| 5.5 基于非对称UT变换的MHE算法 |
| 5.6 案例验证 |
| 5.6.1 数值算例 |
| 5.6.2 雷达跟踪实例 |
| 5.7 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 作者在读期间成果汇总 |
（7）面向新型建筑智能化平台的二次供水泵组优化运行策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外现状 |
| 1.3 研究内容及技术路线 |
| 第二章 相关理论和技术 |
| 2.1 新型建筑智能化平台 |
| 2.2 建筑二次供水控制系统 |
| 2.2.1 建筑二次供水方式 |
| 2.2.2 变频恒压供水控制系统 |
| 2.3 EPANET水力仿真软件 |
| 2.3.1 水力仿真软件 |
| 2.3.2 EPANET二次开发工具箱 |
| 2.4 遗传算法 |
| 第三章 建筑二次供水系统运行过程分析 |
| 3.1 搭建运行仿真系统 |
| 3.1.1 构建某小区供水管网模型 |
| 3.1.2 仿真参数计算 |
| 3.2 系统运行仿真实验及结果分析 |
| 3.2.1 实验过程 |
| 3.2.2 结果分析 |
| 3.3 本章小结 |
| 第四章 面向新型建筑智能化平台的建筑二次供水泵组优化运行算法研究 |
| 4.1 建立二次供水泵组优化运行模型 |
| 4.2 面向新型建筑智能化平台的无中心遗传算法实现 |
| 4.3 实验及结果分析 |
| 4.3.1 实验过程 |
| 4.3.2 结果分析 |
| 4.4 本章小结 |
| 第五章 面向新型建筑智能化平台的建筑二次供水实验系统实现 |
| 5.1 实验系统硬件平台 |
| 5.2 实验系统软件功能 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介及读研期间主要科研成果 |
（8）时变环境下动力定位船舶状态估计与模型辨识方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究目的与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 状态估计方法研究现状 |
| 1.2.2 模型辨识方法研究现状 |
| 1.3 论文研究内容及章节 |
| 第2章 动力定位船舶数学模型 |
| 2.1 引言 |
| 2.2 坐标系及运动参数定义 |
| 2.3 船舶运动数学模型 |
| 2.3.1 六自由度运动学模型 |
| 2.3.2 六自由度动力学模型 |
| 2.4 动力定位中的数学模型 |
| 2.4.1 相关假设 |
| 2.4.2 三自由度数学模型 |
| 2.4.3 低频运动数学模型 |
| 2.4.4 高频运动数学模型 |
| 2.4.5 环境力数学模型 |
| 2.4.6 传感器测量数学模型 |
| 2.4.7 非线性运动数学模型及状态空间形式 |
| 2.5 本章小结 |
| 第3章 过程噪声参数未知下的状态估计方法 |
| 3.1 引言 |
| 3.2 卡尔曼滤波原理 |
| 3.2.1 贝叶斯滤波 |
| 3.2.2 卡尔曼滤波 |
| 3.2.3 扩展卡尔曼滤波 |
| 3.3 模型预测扩展卡尔曼滤波 |
| 3.3.1 预测模型 |
| 3.3.2 在线优化 |
| 3.4 波浪谱峰值频率估计 |
| 3.5 仿真实验 |
| 3.5.1 仿真条件设定 |
| 3.5.2 仿真结果与分析 |
| 3.6 本章小结 |
| 第4章 传感器数据异常下的鲁棒状态估计方法 |
| 4.1 引言 |
| 4.2 鲁棒状态估计方法 |
| 4.2.1 无迹卡尔曼滤波 |
| 4.2.2 观测噪声协方差矩阵R自适应更新 |
| 4.2.3 过程不确定性识别 |
| 4.2.4 基于鲁棒无迹卡尔曼滤波的动力定位船舶状态估计 |
| 4.3 仿真实验 |
| 4.3.1 仿真条件设定 |
| 4.3.2 仿真结果与分析 |
| 4.4 本章小结 |
| 第5章 动力定位船舶模型辨识方法研究 |
| 5.1 引言 |
| 5.2 辨识模型建立 |
| 5.3 基于遗传算法的模型辨识 |
| 5.3.1 系统辨识基本概念 |
| 5.3.2 遗传算法基本原理 |
| 5.3.3 自适应遗传算子 |
| 5.3.4 自适应重组替代策略 |
| 5.3.5 基于自适应重组遗传算法的动力定位船舶水动力导数辨识 |
| 5.4 仿真实验 |
| 5.4.1 仿真条件设定 |
| 5.4.2 仿真结果与分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文总结 |
| 6.2 不足与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及参与的科研项目 |
（9）计算智能GWO算法优化及其在运动控制中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 课题研究的内容 |
| 1.2 计算智能概述 |
| 1.2.1 计算智能的发展 |
| 1.2.2 苍狼优化算法发展现状 |
| 1.3 永磁同步电机混沌控制与混沌同步控制的研究现状 |
| 1.4 机器人轨迹规划与优化控制的研究现状 |
| 1.5 论文章节内容安排 |
| 第二章 标准苍狼优化算法 |
| 2.1 引言 |
| 2.2 标准的苍狼优化算法 |
| 2.2.1 算法的思路来源 |
| 2.2.2 标准苍狼优化算法各环节模拟与分析 |
| 2.2.3 标准苍狼优化算法 |
| 2.3 苍狼优化算法收敛性能分析 |
| 2.4 实验验证苍狼优化算法 |
| 2.5 小结 |
| 第三章 基于淘汰重组机制与变异算子的改进GWO算法 |
| 3.1 引言 |
| 3.2 MR-GWO算法 |
| 3.2.1 淘汰与重组机制 |
| 3.2.2 优秀搜索狼的变异算子 |
| 3.2.3 改进的苍狼优化算法(MR-GWO) |
| 3.2.4 MR-GWO算法讨论与分析 |
| 3.3 苍狼优化算法的其它变体 |
| 3.4 无约束连续函数寻优实验 |
| 3.4.1 实验结果分析 |
| 3.4.2 算法误差分析 |
| 3.4.3 参数影响分析 |
| 3.5 有约束函数寻优实验 |
| 3.6 小结 |
| 第四章 动态GWO算法 |
| 4.1 引言 |
| 4.2 动态GWO算法 |
| 4.2.1 第一种动态GWO算法 |
| 4.2.2 第二种动态GWO算法 |
| 4.3 实验测试 |
| 4.3.1 测试函数介绍 |
| 4.3.2 实验结果 |
| 4.3.3 分析与讨论 |
| 4.4 动态GWO算法与其它改进策略的结合 |
| 4.5 小结 |
| 第五章 GWO在PMSM混沌控制与混沌同步控制中的应用 |
| 5.1 引言 |
| 5.2 PMSM的数学模型 |
| 5.2.1 PMSM的混沌分析 |
| 5.2.2 PMSM的哈密顿模型 |
| 5.3 基于GWO的PMSM哈密顿模型的混沌控制 |
| 5.3.1 扰动补偿器的设计 |
| 5.3.2 跟踪控制器的设计 |
| 5.3.3 基于GWO的PMSM混沌优化控制器的设计 |
| 5.4 基于GWO的PMSM混沌优化控制仿真验证 |
| 5.5 基于RBF-GWO网络PMSM混沌同步控制 |
| 5.5.1 RBF神经网络 |
| 5.5.2 基于苍狼优化算法的RBF-GWO神经网络 |
| 5.6 实验验证 |
| 5.6.1 PMSM混沌同构同步实验 |
| 5.6.2 PMSM混沌异构同步实验 |
| 5.6.3 讨论与分析 |
| 5.7 小结 |
| 第六章 GWO能量优化的Par4并联机器人轨迹规划与跟踪控制 |
| 6.1 引言 |
| 6.2 Par4并联机器人运动学反解与动力学方程 |
| 6.3 Par4并联机器人轨迹规划 |
| 6.3.1 基于Lamé曲线的轨迹形状规划 |
| 6.3.2 空间路径坐标变换 |
| 6.3.3 运动规律规划 |
| 6.4 基于GWO算法的能量最小轨迹优化 |
| 6.4.1 Par4并联机器人机械能耗 |
| 6.4.2 基于GWO算法的轨迹优化 |
| 6.5 基于GWO优化的轨迹规划实验验证 |
| 6.5.1 基础实验 |
| 6.5.2 相同的拾取点,不同的拾取高度的实验 |
| 6.5.3 不同拾取点,相同的拾取高度与跨度的实验 |
| 6.5.4 不同的跨度与拾取点,相同的拾取高度实验 |
| 6.6 轨迹规划的比较与分析 |
| 6.6.1 与其它计算智能算法的比较 |
| 6.6.2 与其它曲线的比较 |
| 6.6.3 轨迹规划的总结 |
| 6.7 基于DMR-GWO2并联机器人Type-2 模糊轨迹跟踪控制 |
| 6.7.1 Type-2 模糊逻辑系统 |
| 6.7.2 Par4并联机器人轨迹跟踪控制系统结构 |
| 6.7.3 Type-2 模糊预估补偿PID控制器的设计 |
| 6.7.4 基于DMR-GWO2的Type-2 模糊逻辑控制器与优化 |
| 6.8 Par4并联机器人轨迹跟踪实验 |
| 6.9 小结 |
| 第七章 结论 |
| 附录 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（10）基于广义预测控制的网络控制系统时延补偿及控制（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 网络控制系统概述 |
| 1.3 网络控制系统的研究现状 |
| 1.3.1 网络控制系统存在的问题 |
| 1.3.2 网络控制系统的控制方法 |
| 1.4 本文的主要研究内容 |
| 第二章 基于GA-BP神经网络的NCS时延预测 |
| 2.1 引言 |
| 2.2 时延组成及分析 |
| 2.3 网络时延的BP神经网络预测 |
| 2.4 网络时延的GA-BP神经网络预测 |
| 2.5 仿真 |
| 2.6 本章小结 |
| 第三章 基于改进广义预测控制的NCS时延补偿 |
| 3.1 引言 |
| 3.2 预测控制基本原理 |
| 3.3 广义预测控制 |
| 3.3.1 传统广义预测控制 |
| 3.3.2 改进的广义预测控制 |
| 3.4 具有时延补偿的控制方案 |
| 3.4.1 时延补偿方案 |
| 3.4.2 广义预测控制器设计 |
| 3.5 仿真 |
| 3.6 本章小结 |
| 第四章 非线性时滞系统广义预测控制 |
| 4.1 引言 |
| 4.2 改进的极限学习机预测模型 |
| 4.2.1 极限学习机原理 |
| 4.2.2 改进的极限学习机预测模型 |
| 4.3 隐式广义预测控制 |
| 4.3.1 基于改进型ELM的广义预测控制 |
| 4.3.2 隐式广义预测控制 |
| 4.4 仿真 |
| 4.5 本章小结 |
| 第五章 带约束的PI型隐式广义预测控制 |
| 5.1 引言 |
| 5.2 传统广义预测控制 |
| 5.3 PI型隐式广义预测控制及其稳定性分析 |
| 5.3.1 PI型隐式广义预测控制 |
| 5.3.2 稳定性分析 |
| 5.4 带约束的PI型隐式广义预测控制 |
| 5.5 仿真 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录2 攻读硕士学位期间申请的专利 |
| 致谢 |
四、基于遗传算法的有约束非线性预测控制（论文参考文献）
- [1]混凝土桥梁施工复杂支撑体系安全评价及优化方法研究[D]. 陆伊宁. 广西大学, 2021(12)
- [2]基于子集模拟优化的密肋复合板结构优化设计和参数识别[D]. 马潇雨. 北京交通大学, 2020(03)
- [3]CFG桩复合地基智能优化设计系统开发研究[D]. 邓兴波. 西安理工大学, 2020(01)
- [4]基于预测控制的分布式电源并网研究[D]. 孙雨凝. 东北石油大学, 2020(03)
- [5]基于T-S模糊模型的重型燃气轮机系统优化控制研究[D]. 戴晓燕. 华北电力大学(北京), 2020(06)
- [6]一类滚动时域估计方法的性能指标研究[D]. 孔俊东. 杭州电子科技大学, 2020(02)
- [7]面向新型建筑智能化平台的二次供水泵组优化运行策略研究[D]. 杨先锋. 安徽建筑大学, 2020(01)
- [8]时变环境下动力定位船舶状态估计与模型辨识方法研究[D]. 蒋帆. 武汉理工大学, 2020(08)
- [9]计算智能GWO算法优化及其在运动控制中的应用[D]. 张小青. 西安电子科技大学, 2020(05)
- [10]基于广义预测控制的网络控制系统时延补偿及控制[D]. 李穆伟. 南京邮电大学, 2019(02)