电话:

0351-7021950


地址:

山西综改示范区太原学府园区晋阳街89号君威国际金融中心A座904室


  • 网站首页
  • 关于我们
  • 案例展示
  • 售后服务
  • 新闻中心
  • 给我留言
  • 联系我们
  • 新闻中心

    您的位置:网站首页 详细 a
  • 新闻动态
  • 点击联系我们


    地址:山西综改示范区太原学府园区晋阳街89号君威国际金融中心A座904室

    电话及传真:0351-7091906

    联系人:贾贵平13935140273/ 18535151000

    邮 箱:1345168527@qq.com

    邮编 :030006

    自动化所提出非线性吊车系统智能优化控制方法

    发布时间: 2018-08-08

    中国科学院自动化研究所复杂管理系统与控制******重点实验室针对一类非线性吊车系统,建立一种基于评判学习机制的智能优化控制方法,通过近似求解Hamilton–Jacobi–Bellman方程,实现含有折扣因子代价函数时的***优反馈******。利用神经网络的在线学习能力,提出不同于传统自适应评判算法的新颖权值更新策略,降低对于系统初始稳定控制律的要求,由此给自适应评判控制设计带来极大便利。

    研究团队从理论上证明了闭环系统的稳定性,针对所述非线性吊车系统开展仿真实验,考虑不同折扣因子情况下的控制效果,经过充分的对比分析验证了论文中方法的有效性。

    首先,针对一类实际吊车系统(图1)构建连续时间状态空间模型,定义含有折扣因子的代价函数,考虑这一复杂非线性系统在特定性能指标下的状态反馈优化******问题。对于一般非线性系统的***优控制设计,为了有效地求解其中的Hamilton–Jacobi–Bellman方程,研究人员引入智能评判控制方法,旨在通过有关参数的自适应更新与自主学习,得到近似的优化控制律。

    其次,提出改进的评判网络更新准则,构建论文中的自适应评判控制方案框架,如图2所示。改进的神经网络学习策略是在传统策略迭代算法的基础上,融入反映系统稳定性能的增强项,形成新颖的评判学习机制,直接作用于评判神经网络,引导更加******的训练和学习,这可以******对于被控系统初始稳定控制律的依赖,更方便于实现自适应评判控制算法。

    ***后,将上述智能优化策略应用于吊车系统,考虑不同折扣因子得到不同的响应曲线,达到近似***优反馈******的目的,实现过程简单,由此验证该方法的良好控制性能。实验结果表明:当增大折扣因子时,实现被控系统优化******的代价函数将逐渐变小,这反映了在代价函数中引入折扣因子的作用。图3和4刻画一种特定情形时的系统状态和控制输入曲线。

    相关研究成果发表在IEEE Transactions on Industrial Informatics上。

    论文链接 

    图1

    图2

    图3