一、动态规划中的最优性原理及方法的进一步研究（论文文献综述）
陈彦胜[1]（2021）在《基于自适应动态规划的一类非线性互联系统近似最优控制研究》文中研究表明
韩笑[2]（2021）在《含丢包的网络控制系统的估计以及优化控制》文中研究说明网络控制系统是控制理论研究的重要组成部分,它在通讯,经济,航天等领域具有广泛的应用前景。然而,在网络控制系统的信息传递中可能会发生数据包丢失的现象,这会导致系统的性能下降甚至不稳定。因此,本文基于概率论、最优滤波以及优化控制等基础知识和理论,主要针对两类具有数据包丢失的网络控制系统进行研究,分析了相应的估计和输出反馈控制问题,这有利于提高系统的性能。本文主要研究内容及成果如下:1.首先,介绍了网络控制系统的背景和研究现状。其次,总结了具有丢包的网络控制系统估计以及优化控制问题的现有成就和研究方向。最后,阐述了基本的理论知识以及已有的求解控制问题的思路和方法。2.针对具有Bernoulli丢包的网络控制系统,根据系统不同的量测方程进行讨论,研究了估计问题。一方面通过递推的方法严格推导出最优估计,另一方面,为了便于实际应用,开发了一个次优的近似估计器,并与线性最小均方误差估计进行比较,验证了本文提出的次优估计器性能更好。3.针对具有Markov丢包的网络控制系统,解决了基本的线性二次最优控制问题。首先,给出一些初步的结果,设计了最优的递归估计器以及误差协方差矩阵。其次,定义了价值函数,并且运用动态规划的方法推导了最优控制律以及相关的价值函数。最后,证明了最优控制器是采用修正的黎卡提方程给出的,该方程可以在基本假设下进行逆向计算,所获得的结果可以看作是具有Markov丢包网络控制系统的重要实现。
赵陆林[3]（2021）在《基于拒识深度微分动态规划算法的实时发电调度与控制研究》文中研究指明随着微电网中各种异构能源与电力用户的不断加入,对电网的稳定运行造成不同程度的冲击,并凸显出传统的控制策略在微电网的频率控制和经济调度方面的不足,因此,非常有必要研究多种分布式新能源接入微电网后的经济调度与频率控制问题。基于拒识操作,本文提出了微电网的实时发电调度与控制框架,取代了传统微电网“经济调度+自动发电控制+下垂控制”框架,建立了用于微电网实时经济调度与频率控制的拒识深度微分动态规划方法。主要工作包括:（1）从微电网的频率控制和经济调度出发,为了获取较好的控制性能和保持系统的稳定性,将经济调度与频率控制集成在微电网的实时发电调度与控制框架中,用以替代传统的调度与控制框架。（2）基于上述设计方法,提出一种基于深度神经网络的微分动态规划方法替代传统的操作方式,考虑到深度微分动态规划算法中的“深度微分评价网1”输出层概率值大小的问题,提出将拒识操作融入深度微分动态规划里面,形成拒识深度微分动态规划算法。拒识操作旨在对深度微分动态规划算法中的“深度微分评价网1”输出层概率值较低带来的不准确动作进行限制性操作,获取正确的发电指令提高系统的控制性能。（3）为了验证本文所提拒识深度微分动态规划算法的有效性性和可行性,以海南电网的微电网为基础,对比了所提算法与25种传统的优化算法和控制算法。数值仿真结果表明,所提出拒识深度微分动态规划算法对实时一体化发电调度控制框架拥有较高的控制性能,可以替代微电网常规的“经济调度+自动发电控制+下垂控制”组合框架。本文表明所提拒识深度微分动态规划算法具有如下特点:1)由于深度神经网络被应用到微分动态规划中,因此深度微分动态规划具有更强的预测性能力;2)在深度微分动态规划中加入拒识操作,当拒识深度微分动态规划中的“深度微分评价网1”的输出层概率值小于或等于系统所设置的概率阈值时,可以将传统控制器的输出设置为输出;3)由于拒识深度微分动态规划算法可以在智能体处于不确定环境中时提供“未知动作”,因此可以用拒识深度微分动态规划控制实时的互联发电调度和控制框架,取代传统的发电控制框架并获取较高的控制性能。因此,本文关于拒识深度微分动态规划算法的实时发电调度与控制研究,其性能主要体现在:由于深度神经网络可以预测系统的状态,并且由拒识操作对控制器的输出进行调节,是一种实现微电网实时发电调度与控制的切实可行的方法。
吴蜀鑫[4]（2020）在《双电机结构插电式混合动力汽车能量管理策略研究》文中认为能源问题与全球气候变暖问题日益严重,汽车产业作为支柱型产业需要起到解决问题的示范作用。纯电动汽车无疑有着广阔的前景,但因受限于电池技术等因素而难以收到市场青睐,因此对于汽车厂商而言插电式混合动力汽车（PHEV）成为现阶段解决能源和环境问题的最优解。PHEV能通过电网补充电能,电能耗尽时能使用燃油继续行驶,因此PHEV具备低排放和长续航两大优点。能量管理策略根据路况决定能量的使用,因此能量管理策略的优劣直接影响整车燃油经济性。本文针对双电机结构的PHEV,对车辆系统建模到能量管理策略的应用进行了研究,详细内容如下:通过分析PHEV整车结构类型,制定符合设计要求PHEV的构型,同时对发动机、动力电池电池以及电机等进行参数匹配,并在MATLAB/Simulink平台以实验数据为基础搭建了车辆的动力学模型。对整车并联驱动模式、串联驱动模式、纯电驱动模式以及驻车充电模式等工作模式的特点和原理进行了分析,并制定了车辆各工作模式间的切换方案。在动态规划能量管理策略模型的基础上,以适应双电机构型PHEV应用为原则,进一步完善该模型,通过分析等效燃油消耗最小（ECMS）控制策略的原理及求解过程,建立和完善ECMS能量管理策略模型,并实现对两种能量管理策略仿真验证。在WLTC工况下,将燃油消耗作为目标,分别对瞬时优化能量管理策略（ECMS）与全局优化能量管理策略进行仿真,仿真结果显示动态规划控制策略相比于ECMS控制策略燃油经济性高。围绕整车控制器主控芯片MPC5634M设计了最小系统电路、电流驱动电路以及数字信号电路等。分析各类通讯结构特点,确定通讯结构并根据CAN总线的通信协议标准制定了本车通讯协议。
林嘉奖[5]（2020）在《混杂参数系统的动态优化 ——以催化裂化装置为例》文中进行了进一步梳理为了应对日益剧烈的市场竞争,化工企业必须同时优化各个决策层的所有决策变量来寻找潜在的经济效益,比如设备调度和动态优化等。集成优化已经成为提高经济效益的重要手段。混杂参数系统是带有批次操作的连续过程的数学模型,混杂参数动态优化问题则是连续操作和批次操作集成优化问题的数学模型。本文系统地解决了混杂参数动态优化问题的四个子问题,即动态建模、最优性条件、数值解法和闭环实现框架。连续过程的优化一般指的是稳态模型操作点的优化,即在满足操作约束的前提下优化操作点使经济收益最大化。但是由于批次操作的重复执行,使得连续过程变得很像批次过程,而且连续操作和批次操作是独立优化的。本文通过机理分析,考虑定量添加CO助燃剂对CO燃烧的影响,建立了催化裂化装置的完整动态数学模型,通过灵敏性分析说明了连续操作和批次操作集成优化的必要性。接下来将连续操作和批次操作的集成优化问题抽象为混杂参数系统的动态优化问题。混杂参数系统是一类特殊的混杂系统,它的子系统由状态模型的参数表示。这个参数是批次操作的数学表示。然后给出并证明了该集成优化问题的最优性条件,混杂参数极小值原理。与混杂极小值原理不同的是,由于参数空间的连续性使得混杂参数极小值原理只需要给定切换次数,而不需要给定切换序列。另外,因为混杂参数动态优化问题需要提供全局信息,所以最优性原理对该问题不成立。虽然得到了混杂参数动态优化问题的最优性条件,但是由于实际问题太过复杂,实际上只能用数值方法求解。本文给出了两种求解混杂参数动态优化问题的数值解法。因为批次操作可以由本身参数化,所以第一种方法是自适应控制向量参数化方法,即同时参数化连续操作和批次操作的方法。虽然该方法较为简单,但是由混杂参数极小值原理可知参数化的过程改变了问题的形式,也改变了问题的最优性条件,因此通常只能得到次优解。而且不能保证自适应方法得到的最优批次操作解序列逼近实际最优批次操作解。另一方面,混杂参数动态优化问题作为一种集成优化问题也具有明显的可分解结构,因此可以用分解算法求解。广义Benders分解算法要求优化问题的凸性成立才能保证收敛到最优解,但是该条件通常不成立,而本文提出并证明的非凸灵敏性广义Benders分解算法则只要求问题的可分拟凸性成立。该算法的主要技巧是引入附加变量和附加等式约束,然后得到一致线性的Benders割。此时非凸性就可以由Benders割的直接操作和最优性条件的检验完成,而不用构造代理模型;对于不可行点,需要求解两个不可行子问题以生成新可行点和复杂变量可行域的支撑超平面。另外,该算法的主问题总是线性规划问题且该算法的解中还包含了关于复杂变量的灵敏性信息。此时混杂参数动态优化问题的分解算法可以描述为:首先用控制向量参数化方法参数化连续操作,然后将批次操作指定为复杂变量,再使用非凸灵敏性广义Benders分解算法求解。数值最优解是开环且次优的,为了在不确定的实际过程中使用,还必须将其闭环化,因此本文给出了针对两种数值解法的两种实现框架。这两种框架均使用跟踪最优性条件法借助于PID控制器实现最优连续操作解。第一种框架的最优批次操作解直接使用,而第二种框架则根据提供的灵敏性信息做一维线搜索,得到了精度更高的最优批次操作解。相比于框架一,框架二能以较粗糙的网格划分得到与自适应向量参数化方法精度相当甚至更好的解。本文基于这两种框架讨论了催化裂化装置5种操作模式下的经济性能。由此说明了连续操作和批次操作的集成优化能在保证系统安全运行的前提下,显着地提高系统的经济性能,且该经济效益主要来自于优化后的连续操作。最后对本文主要研究内容进行了总结,并展望了未来可能的工作。
崔航科[6]（2020）在《水泥联合粉磨球磨机系统数据驱动优化控制》文中提出水泥粉磨过程是对水泥熟料、混合材料等物料进行粉碎,以使其颗粒大小、物理性质发生改变,是水泥生产中的一个重要工序。水泥粉磨过程普遍采用由辊压机系统与球磨机系统组成的联合粉磨生产工艺,球磨机系统在其中承担着大部分的粉磨任务。球磨机系统的运行指标水泥粒度与球磨机负荷直接制约着水泥产品质量和生产效率。球磨机系统具有多变量、强耦合、非线性、工况变化等综合复杂特性,具有相当的控制难度,实现球磨机系统的优化控制对于稳定水泥质量、提高水泥厂的经济效益具有重要意义。本文在山东省科技重大专项“智能化工厂关键技术研究与应用示范项目”资助下开展水泥联合粉磨球磨机系统数据驱动优化控制研究,主要研究工作如下:（1）针对球磨机负荷受球磨机工作特性限制难以直接仪表检测问题,在影响因素和运行数据分析的基础上,使用软测量方法实现球磨机负荷在线检测。通过工艺机理分析和相关系数分析确定以球磨机电流、回粉量和出磨提升机电流作为辅助变量,采用自编码-随机权神经网络建立了球磨机负荷的非线性自回归（NARX）模型。仿真验证显现了该模型与球磨机负荷的动态变化具有良好的一致性,为后续球磨机系统建模与控制研究提供了数据支持。（2）针对球磨机系统难以建立准确机理模型的问题,研究了基于数据驱动的球磨机系统建模方法。在分析球磨机系统运行指标（水泥粒度、球磨机负荷）和控制参数（选粉机转速、循环风机转速及主排风机转速）之间的动态关系的基础上,采用递归神经网络建立其数据驱动模型,并通过数据仿真验证了所建立模型的有效性。（3）设计了一种数据驱动下的球磨机系统的运行优化控制方法,包括回路设定值优化跟踪控制、多模型自适应控制以及待入磨物料量控制。回路设定值优化跟踪控制以将水泥粒度与球磨机负荷控制在期望范围内并尽量逼近期望值为目标,基于自适应动态规划算法以（2）中建立的数据驱动模型作为模型网络,利用水泥粒度、球磨机负荷期望值己知的条件,在线给出球磨机系统控制回路的设定值,以算法中的评价网络和执行网络求解最优控制律,使回路输出值快速跟踪至设定值;为了应对球磨机系统的工况切换问题,基于多模型控制思想设计了加权自适应动态规划（ADP）控制器,建立多个子模型以覆盖系统工况,采用物元可拓模型和评价函数监视球磨机系统工况,设计加权函数决定子控制器权重;待入磨物料量控制作为前两种方法的补充,以稳定进入球磨机的物料量为目标,设计基于即时学习的自适应PID控制器对稳流仓仓位进行控制,间接实现控制目标。（4）依托Visual Studio平台,使用C#语言开发了球磨机系统优化控制软件,基于SQL Server建立软件配套数据库,使用OPC技术实现软件与现场DCS系统、在线粒度检测系统之间的数据交互。将优化控制软件应用于某水泥厂水泥粉磨生产,验证了其有效性和可用性。
王佩蓉[7]（2020）在《基于自适应动态规划的切换系统优化控制研究》文中研究指明作为混合动态系统中十分重要的一类,切换系统以其广泛的应用性而受到研究者的极大关注。近些年来,很多研究人员对切换系统进行多个方面的研究,并取得了大量与切换系统的能控性,稳定性,优化等相关的重要成果。关于切换系统优化控制本文主要针对执行饱和约束下的切换系统和状态时滞切换系统,应用分段迭代算法和智能优化方法设计优化控制律。首先,在执行饱和约束下研究了状态时滞切换系统的优化控制问题,针对切换时刻未定,切换序列未知的系统,给出了基于最小二乘法的自适应动态规划优化控制算法,并对算法中执行网络权值的收敛条件进行分析和证明,最后给出算例验证算法的有效性。其次,利用粒子群算法对带有执行饱和约束的切换系统进行优化控制,首先是对基本粒子群算法的研究,探讨基本粒子群算法在权值优化方面的优越性。之后为改善寻优性能,使用自适应惯性参数因子和交叉遗传两种方式对寻优过程进行改进,结果与基于最小二乘法的自适应动态规划算法相比,此算法具有更好的优化控制效果,最后通过实际的算例验证算法的有效性。最后,对全文的主要工作进行了总结,指出本文对切换系统优化控制研究过程中存在的不足,对后续的研究工作进行展望。
刘尧[8]（2020）在《输配耦合系统恢复资源配置与决策优化》文中研究表明近年来极端天气事件频发,给电力系统的安全稳定运行带来了挑战。且随着大容量新能源发电技术的发展以及交直流混联电网的逐步形成,现代电力系统的网络形态和动态特性愈加复杂。如果电网发生局部故障,可能出现连锁反应,最终导致大面积停电事故的发生。作为一种高风险-小概率事件,大停电事故一旦发生,将严重影响到社会的稳定和经济的发展。因此,需要针对可能发生的大面积停电事故,制定完备的应急处理方案和科学的恢复计划。当前电网新形势下,分布式电源的大量接入和需求侧管理的广泛应用,使得传统的被动配电网逐步向具备更多灵活资源的主动配电网转变。因此为了提高大面积停电后电力系统的恢复效率,有必要展开对输电网和配电网之间的协调恢复问题的研究。本文基于现代电力系统的发展方向,在广泛参考和学习现有科学成果的基础上,针对输配电网的恢复资源配置问题以及大停电后的负荷恢复阶段,对计及主动配电网的输配协同恢复资源优化、输配协同恢复的分散优化以及多时步恢复动态决策进行了较为深入的研究。本文的研究包括恢复资源配置优化、多主体动态博弈方法、耦合输配电网解耦机制、分散优化框架及方法、多时步动态决策算法等多个方面的内容。论文的主要研究工作如下:（1）提出了一种输配协同恢复资源配置策略,通过将自然灾害视作理性的虚拟博弈者,与电网规划方以及黑启动电源规划方一起,建立了一种基于多主体Defender-Attacker-Defender（D-A-D）动态博弈的输配协同自然灾害防御框架,实现了电力系统对自然灾害的有效防御。算例给出了具体的多主体D-A-D动态博弈过程以及该方法的优势。将提出的方法应用于实际算例中,证明了多主体D-A-D动态博弈比传统资源配置方法效果更好。（2）提出了一种输配电网协同恢复优化方法,通过采用目标级联分析法将耦合输配电网解耦,得到输配协同恢复的分散优化模型,并对该模型中的0-1二元变量进行了松弛处理,在保证求解效率的同时,收窄了计算的优化间隙。算例表明,基于目标级联分析的分散优化方法显着提高了计算效率,并且能够加速负荷恢复进程。（3）提出了一种耦合输配电网恢复动态决策方法,考虑输配电网恢复的动态决策问题,建立了一种多时步负荷恢复优化模型,将未来时步的恢复状态考虑在内,并充分利用实时更新的电网拓扑数据,实现了更长时域下的恢复最优。算例给出了具体的多时步负荷恢复优化过程以及该方法的优势,并且将提出的方法应用于实际算例中,证明了多时步负荷恢复优化比传统的单时步负荷恢复优化方法效率更高。
徐珂[9]（2020）在《基于自适应动态规划的Stackelberg微分对策的研究》文中指出现实世界中充满着矛盾、对抗、冲突或合作等问题,微分对策作为能够通过数学方式对这些复杂问题进行有效刻画和处理的重要方法,自提出以来就备受重视。微分对策现有的研究成果大部分集中在决策者决策地位相同的这一类中,比如熟知的纳什均衡问题;在决策者决策地位不在同一层级的这一类微分对策问题（即Stackelberg微分对策）中,虽然也有较长的研究时间,但还有很大的研究空间。Stackelberg微分对策问题中领导者可以预见跟随者的所有潜在的行动方案,进而结合预知信息辅助来确定自己利益最大化的决策。本文结合自适应动态规划算法对线性和非线性二人Stackelberg微分对策问题进行了重点研究,对神经网络结构的权重更新率进行改进,设计出了新的Stackelberg微分对策控制率,并取得了良好的控制效果。首先,对微分对策的诞生和发展作了回顾,并将其和典型控制理论中的最优控制进行了比较,并重点介绍了Stackelberg微分对策问题的研究现状。针对Stackelberg微分对策问题研究的不足,引入ADP方法,并对ADP的提出和发展作了简要介绍。其次,介绍了微分对策问题的基本概念和Stackelberg微分对策的基本概念,并对自适应动态规划的基础知识以及发展进行了详细介绍,同时特别介绍了Levenberg-Marquardt算法。然后,对自适应动态规划分别在线性和非线性Stackelberg微分对策问题上的应用进行了研究。对Riccati方程和HJI方程进行求解得到了Stackelberg均衡解的形式,再通过神经网络对求得的解进行近似,总结了基于策略迭代的自适应迭代算法,并推导证明了算法的收敛性。随后,借助数值仿真验证了理论结果。最后,对本文进行了总结,并为自适应动态规划在Stackelberg微分对策问题上的深入研究指明了方向和对未来工作的展望。
李羽薇[10]（2020）在《空中弱小目标地面视觉检测系统设计与实现》文中研究指明随着科技的进步,小型无人机的应用领域不断扩大,与此同时,在一些机场或其他重要场合出现的无人机“黑飞”导致影响正常飞行秩序和人民生命财产安全的现象也得到广泛关注。本文针对这一现象,以空中弱小运动目标为研究对象,设计了空中弱小目标的地面视觉检测系统。根据空中弱小目标的成像特性和飞行环境,采用红外探测的方法对弱小目标进行捕捉,通过对目标、背景及噪声在红外图像中的特性分析,建立了空中弱小目标红外图像的模型并分别从时间域、空间域和变换域三个方面对空中弱小目标进行了图像预处理。随后采用固定阈值、自适应阈值和Otsu法三种不同的阈值分割方法对目标进行单帧检测并分析了单帧检测的局限性。最后,提出基于优化动态规划的多帧检测算法,在标准动态规划算法的基础上构造了基于目标强度的指标函数,并根据目标运动路径的连贯性添加了惩罚函数。通过MATLAB软件平台设计了监视界面,对模拟仿真的弱小目标进行检测并输出目标的位置信息,该算法克服了标准动态规划算法抗干扰能力差的问题,有效提高了图像的信噪比,提升了算法的检测性能。
二、动态规划中的最优性原理及方法的进一步研究（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、动态规划中的最优性原理及方法的进一步研究（论文提纲范文）
（2）含丢包的网络控制系统的估计以及优化控制（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作 |
| 第二章 预备知识 |
| 2.1 概率论基础知识 |
| 2.1.1 伯努利(Bernoulli)过程 |
| 2.1.2 马尔可夫(Markov)过程 |
| 2.1.3 基本引理 |
| 2.2 卡尔曼滤波 |
| 2.3 确定系统线性二次最优控制 |
| 2.3.1 极大值原理 |
| 2.3.2 动态规划法 |
| 2.4 线性二次型高斯(LQG)问题 |
| 2.5 本章小结 |
| 第三章 具有Bernoulli丢包的网络控制系统的估计问题 |
| 3.1 引言 |
| 3.2 情形一:量测方程为y_k=r_k(Hx_k+V_k) |
| 3.3 情形二:量测方程为Z_k=r_kHx_k+V_k |
| 3.4 仿真例子 |
| 3.5 本章小结 |
| 第四章 具有Markov丢包的网络控制系统的最优控制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 最优估计(条件数学期望) |
| 4.4 最优控制律设计 |
| 4.5 仿真例子 |
| 4.5.1 Markov概率展示 |
| 4.5.2 最优估计 |
| 4.5.3 转移概率矩阵(TPM)对系统性能的影响 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文总结 |
| 5.2 研究展望 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 致谢 |
（3）基于拒识深度微分动态规划算法的实时发电调度与控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 实时发电调控研究现状 |
| 1.2.2 自适应动态规划在电力系统中的应用现状 |
| 1.3 本文主要工作 |
| 第二章 深度微分动态规划算法 |
| 2.1 DP理论 |
| 2.1.1 离散系统动态规划 |
| 2.1.2 连续系统动态规划 |
| 2.2 ADP算法 |
| 2.2.1 ADP的典型结构与分类 |
| 2.2.2 ADP迭代算法 |
| 2.2.3 ADP使用中的核心问题 |
| 2.3 深度微分动态规划算法基本原理 |
| 2.3.1 强化学习 |
| 2.3.2 深度学习算法分类 |
| 2.3.3 深度强化学习 |
| 2.3.4 深度微分动态规划算法结构 |
| 2.4 本章小结 |
| 第三章 微电网一体化调度与控制算法 |
| 3.1 微电网组合式调度与控制框架 |
| 3.1.1 微电网的下垂控制 |
| 3.1.2 微电网的自动发电控制 |
| 3.1.3 微电网的经济调度 |
| 3.2 微电网的实时一体化发电调度与控制框架 |
| 3.3 对比算法简介 |
| 3.3.1 模拟退火算法 |
| 3.3.2 多元优化算法 |
| 3.4 本章小结 |
| 第四章 基于拒识深度微分动态规划算法的实时发电调度方法 |
| 4.1 拒识深度微分动态规划结构 |
| 4.2 拒识操作 |
| 4.3 拒识深度微分动态规划算法执行流程 |
| 4.4 稳定性分析 |
| 4.5 本章小结 |
| 第五章 算例分析 |
| 5.1 仿真环境介绍 |
| 5.2 仿真对象与算法 |
| 5.3 仿真分析 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 工作结论 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表论文情况 |
（4）双电机结构插电式混合动力汽车能量管理策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 混合动力汽车发展概述 |
| 1.2.1 插电式混合动力车分类 |
| 1.2.2 PHEV研究现状 |
| 1.3 能量管理策略发展现状 |
| 1.3.1 基于规则的能量管理策略 |
| 1.3.2 基于优化算法能量管理策略 |
| 1.4 本文主要研究内容 |
| 第2章 双电机结构PHEV建模 |
| 2.1 双电机PHEV构型 |
| 2.2 双电机PHEV动力参数匹配 |
| 2.3 双电机PHEV动力系统建模 |
| 2.3.1 驾驶员模型 |
| 2.3.2 动力系统模型 |
| 2.3.3 动力学模型 |
| 2.4 本章小结 |
| 第3章 双电机构型PHEV模式分析及模式切换研究 |
| 3.1 整车控制系统简介 |
| 3.2 整车控制系统开发流程 |
| 3.3 发动机控制 |
| 3.4 动力电池控制 |
| 3.5 工作模式切换 |
| 3.6 离合器控制 |
| 3.7 扭矩分配 |
| 3.8 本章小结 |
| 第4章 双电机构型PHEV能量管理策略 |
| 4.1 能量管理策略概述 |
| 4.2 等效燃油消耗最小策略 |
| 4.2.1 等效燃油消耗最小策略原理 |
| 4.2.2 PHEV等效燃油消耗最小应用 |
| 4.3 基于等效燃油消耗最小算法的仿真建模 |
| 4.3.1 MATLAB/Simulink发动机模块 |
| 4.3.2 MATLAB/Simulink能量管理模块 |
| 4.3.3 MATLAB/Simulink电机模块 |
| 4.3.4 MATLAB/Simulink驾驶员模块 |
| 4.4 模型仿真分析 |
| 4.4.1 动力性仿真 |
| 4.4.2 工况下仿真分析 |
| 4.5 动态规划概述 |
| 4.5.1 动态规划最优性原理 |
| 4.5.2 动态规划数学描述 |
| 4.5.3 动态规划数学建模 |
| 4.5.4 动态规划计算分析 |
| 4.5.5 动态规划逆向求解 |
| 4.5.6 动态规划正向求解 |
| 4.6 基于动态规划PHEV控制策略仿真分析 |
| 4.6.1 WLTC工况下仿真 |
| 4.6.2 仿真结果对比分析 |
| 4.7 本章小结 |
| 第5章 PHEV整车控制器开发 |
| 5.1 整车控制器简介 |
| 5.2 硬件电路设计 |
| 5.2.1 最小系统设计 |
| 5.2.2 电源电路设计 |
| 5.2.3 模拟信号电路设计 |
| 5.2.4 数字信号电路设计 |
| 5.2.5 频率信号采集电路设计 |
| 5.2.6 电流驱动电路设计 |
| 5.3 整车CAN网络设计 |
| 5.3.1 CAN总线概述 |
| 5.3.2 总线网络拓扑设计 |
| 5.3.3 CAN通讯协议规则制定 |
| 5.3.4 CAN通讯电路设计 |
| 5.4 整车控制器实体 |
| 5.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
（5）混杂参数系统的动态优化 ——以催化裂化装置为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 创新点 |
| 第1章 绪论 |
| 1.1 混杂参数动态优化研究背景 |
| 1.2 混杂参数系统动态优化研究基础 |
| 1.2.1 混杂参数系统动态优化的定义 |
| 1.2.2 混杂参数系统的动态建模 |
| 1.2.3 混杂参数动态优化问题的解析解法 |
| 1.2.4 混杂参数动态优化问题的同时参数化方法 |
| 1.2.5 混杂参数动态优化问题的分解算法 |
| 1.2.6 混杂参数动态优化问题最优解的闭环实现 |
| 1.3 混杂参数动态优化问题剖析 |
| 1.4 研究内容及结构安排 |
| 1.5 本章小结 |
| 第2章 包含CO助燃剂添加量的催化裂化模型 |
| 2.1 催化裂化装置概述 |
| 2.2 催化裂化中的连续操作和批次操作 |
| 2.3 包含CO助燃剂添加量的扩展模型 |
| 2.4 CO助燃剂对催化裂化系统性能的影响 |
| 2.5 本章小结 |
| 第3章 混杂参数极小值原理 |
| 3.1 混杂系统概述 |
| 3.2 混杂参数极小值原理 |
| 3.2.1 混杂参数最优控制问题的数学描述 |
| 3.2.2 单阶段混杂参数极小值原理 |
| 3.2.3 多阶段混杂参数极小值原理 |
| 3.3 解析案例研究 |
| 3.3.1 单阶段混杂参数最优控制问题 |
| 3.3.2 多阶段混杂参数最优控制问题 |
| 3.4 本章小结 |
| 第4章 非凸灵敏性广义Benders分解 |
| 4.1 分解算法概述 |
| 4.2 非凸灵敏性广义Benders分解 |
| 4.2.1 广义Benders分解概述 |
| 4.2.2 近似复杂变量的可行域 |
| 4.2.3 操作Benders割以处理非凸性 |
| 4.2.4 NSGBD算法的完整表述 |
| 4.3 相关定理的讨论 |
| 4.4 例子研究 |
| 4.4.1 非正则点的例子 |
| 4.4.2 NSGBD算法的解析例子 |
| 4.5 本章小结 |
| 第5章 混杂参数动态优化问题的数值解法 |
| 5.1 混杂参数动态优化问题的同时参数化法 |
| 5.1.1 直接法概述 |
| 5.1.2 自适应CVP法 |
| 5.2 混杂参数动态优化问题的分解算法 |
| 5.2.1 混杂参数动态优化问题的完整描述 |
| 5.2.2 混杂参数动态优化问题的NSGBD算法 |
| 5.3 案例研究 |
| 5.4 本章小结 |
| 第6章 以催化裂化为例的混杂参数动态优化问题 |
| 6.1 催化裂化集成优化问题的数学形式 |
| 6.2 混杂参数动态优化问题数值解的实现框架 |
| 6.3 五种操作模式 |
| 6.3.1 模式1:CO助燃剂(批次8h)主风流量(连续) |
| 6.3.2 模式2:CO助燃剂(批次 8h)主风流量(批次 8h) |
| 6.3.3 模式3:CO助燃剂(批次 8h)主风流量(批次 2h) |
| 6.3.4 模式4:CO助燃剂(给定8h)主风流量(连续) |
| 6.3.5 模式5:CO助燃剂(给定8h)主风流量(批次2h) |
| 6.4 五种操作模式的对比 |
| 6.5 本章小结 |
| 第7章 结论与展望 |
| 7.1 研究内容总结 |
| 7.2 后续工作展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文及研究成果 |
| 学位论文数据集 |
（6）水泥联合粉磨球磨机系统数据驱动优化控制（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究动态 |
| 1.2.1 水泥粉磨工艺研究现状 |
| 1.2.2 球磨机负荷软测量研究现状 |
| 1.2.3 球磨机系统建模研究现状 |
| 1.2.4 球磨机系统控制研究现状 |
| 1.3 课题研究难点 |
| 1.4 本文主要工作 |
| 1.5 本章小结 |
| 第二章 水泥联合粉磨工艺与指标分析 |
| 2.1 水泥联合粉磨工艺分析 |
| 2.1.1 工艺流程与关键设备 |
| 2.1.2 水泥粒度检测 |
| 2.2 球磨机系统运行指标分析 |
| 2.2.1 球磨机负荷 |
| 2.2.2 水泥粒度 |
| 2.3 本章小结 |
| 第三章 球磨机负荷软测量与球磨机系统建模 |
| 3.1 球磨机负荷软测量 |
| 3.1.1 辅助变量选取 |
| 3.1.2 数据预处理 |
| 3.1.3 球磨机负荷软测量模型的建立 |
| 3.1.4 仿真验证 |
| 3.2 球磨机系统建模 |
| 3.2.1 球磨机系统数据驱动建模 |
| 3.2.2 仿真验证 |
| 3.3 本章小结 |
| 第四章 数据驱动的球磨机系统运行优化控制 |
| 4.1 引言 |
| 4.2 球磨机系统回路设定值优化跟踪控制 |
| 4.2.1 自适应动态规划算法 |
| 4.2.2 基于自适应动态规划的回路设定值优化跟踪控制 |
| 4.2.3 仿真验证 |
| 4.3 基于工况的球磨机系统多模型自适应控制 |
| 4.3.1 球磨机系统工况划分 |
| 4.3.2 基于物元可拓模型的球磨机系统工况识别 |
| 4.3.3 多模型ADP控制器设计 |
| 4.3.4 仿真验证 |
| 4.4 基于即时学习的待入磨物料量控制 |
| 4.4.1 局部等效模型的建立 |
| 4.4.2 基于即时学习的自适应PID控制器设计 |
| 4.4.3 仿真验证 |
| 4.5 本章小结 |
| 第五章 球磨机系统优化控制软件设计与工程应用 |
| 5.1 工程应用平台架构 |
| 5.2 数据库设计 |
| 5.3 优化控制软件功能模块设计 |
| 5.3.1 软件总体功能设计 |
| 5.3.2 软件功能模块开发 |
| 5.4 工程应用 |
| 5.4.1 优化控制软件实现 |
| 5.4.2 控制效果分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（7）基于自适应动态规划的切换系统优化控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究内容和论文结构 |
| 2 基础理论 |
| 2.1 动态规划理论 |
| 2.1.1 离散系统的动态规划 |
| 2.1.2 连续系统的动态规划 |
| 2.2 自适应动态规划概述 |
| 2.2.1 自适应动态规划发展历程 |
| 2.2.2 自适应动态规划的结构 |
| 2.3 粒子群算法 |
| 2.3.1 粒子群算法背景 |
| 2.3.2 基本粒子群算法 |
| 2.4 本章小结 |
| 3 基于自适应动态规划方法的切换系统优化控制 |
| 3.1 引言 |
| 3.2 切换系统问题描述 |
| 3.3 主要结论 |
| 3.3.1 问题求解 |
| 3.3.2 算法流程 |
| 3.3.3 收敛性分析 |
| 3.4 仿真算例 |
| 3.5 本章小结 |
| 4 基于粒子群的自适应动态规划方法的切换系统优化控制 |
| 4.1 引言 |
| 4.2 主要结论 |
| 4.2.1 问题求解 |
| 4.2.2 算法流程 |
| 4.3 仿真算例 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（8）输配耦合系统恢复资源配置与决策优化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 电力系统恢复概述 |
| 1.2.1 电力系统恢复的概念 |
| 1.2.2 电力系统恢复阶段划分 |
| 1.3 课题研究现状 |
| 1.3.1 输配协同恢复资源优化配置研究现状 |
| 1.3.2 输配电网协同优化研究现状 |
| 1.3.3 输配电网多时步动态优化研究现状 |
| 1.4 论文的主要研究工作 |
| 第2章 基于多主体动态博弈的输配协同恢复资源配置策略 |
| 2.1 多主体D-A-D模型 |
| 2.2 各主体数学规划模型 |
| 2.2.1 BSU规划方模型 |
| 2.2.2 自然灾害攻击模型 |
| 2.2.3 电网规划方模型 |
| 2.3 求解方法 |
| 2.3.1 静态博弈框架 |
| 2.3.2 A-D动态博弈框架 |
| 2.3.3 多主体D-A-D动态博弈框架 |
| 2.4 算例分析 |
| 2.4.1 自然灾害攻击电网仿真结果分析 |
| 2.4.2 基于多主体D-A-D动态博弈的规划结果 |
| 2.4.3 对比分析 |
| 2.5 本章小结 |
| 第3章 输配协同恢复分散优化方法 |
| 3.1 耦合输配电网分解协调机制 |
| 3.1.1 耦合输配电网介绍 |
| 3.1.2 耦合输配电网分解协调 |
| 3.2 输配协同恢复的分散优化模型 |
| 3.2.1 输电网恢复层模型 |
| 3.2.2 配电网恢复层模型 |
| 3.2.3 协调层模型 |
| 3.3 求解方法 |
| 3.3.1 迭代计算模型处理 |
| 3.3.2 模型迭代求解 |
| 3.4 算例分析 |
| 3.4.1 输配协同恢复的分散优化过程 |
| 3.4.2 对比分析 |
| 3.5 本章小结 |
| 第4章 耦合输配电网恢复动态决策 |
| 4.1 多时步动态决策框架 |
| 4.2 耦合输配电网负荷恢复多时步优化模型建模 |
| 4.2.1 多时步优化模型步间耦合变量与约束 |
| 4.2.2 多时步负荷恢复优化及反馈校正模型 |
| 4.3 求解方法 |
| 4.3.1 模型线性化 |
| 4.3.2 整体求解过程 |
| 4.4 算例分析 |
| 4.4.1 多时步负荷恢复优化的恢复效果与求解表现 |
| 4.4.2 线性化近似精度 |
| 4.5 本章小结 |
| 第5章 结论与展望 |
| 附录 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间的研究成果 |
| 学位论文评阅及答辩情况表 |
（9）基于自适应动态规划的Stackelberg微分对策的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 微分对策的研究现状 |
| 1.2.2 自适应动态规划的研究现状 |
| 1.2.3 自适应动态规划在微分对策中的应用 |
| 1.3 本文主要研究内容和章节结构安排 |
| 2 理论基础 |
| 2.1 微分对策相关理论介绍 |
| 2.1.1 微分对策基础 |
| 2.1.2 Stackelberg微分对策基本概念 |
| 2.1.3 微分对策的一般求解 |
| 2.2 自适应动态规划相关理论 |
| 2.2.1 自适应动态规划基础 |
| 2.2.2 自适应动态规划的发展 |
| 2.3 本章小结 |
| 3 基于自适应动态规划的一类线性Stackelberg微分对策问题的求解 |
| 3.1 问题描述 |
| 3.2 基于ADP方法的线性二人Stackelberg微分对策控制率设计 |
| 3.3 稳定性分析 |
| 3.4 仿真验证及结果分析 |
| 3.5 本章小结 |
| 4 基于自适应动态规划的一类非线性Stackelberg微分对策问题的求解 |
| 4.1 问题描述 |
| 4.2 基于ADP方法的非线性二人Stackelberg微分对策控制率设计 |
| 4.3 稳定性分析 |
| 4.4 仿真验证及结果分析 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（10）空中弱小目标地面视觉检测系统设计与实现（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 红外弱小目标图像预处理研究现状 |
| 1.2.2 红外弱小目标检测技术研究现状 |
| 1.3 课题主要研究内容 |
| 1.4 本文结构安排 |
| 第2章 弱小目标特性分析及图像预处理方法 |
| 2.1 红外成像原理及特性 |
| 2.1.1 红外成像系统的原理及构成 |
| 2.1.2 红外图像特性 |
| 2.2 空中弱小目标红外成像特性分析 |
| 2.2.1 空中弱小目标红外图像特点 |
| 2.2.2 红外成像背景和噪声分析 |
| 2.2.3 空中弱小目标红外图像建模 |
| 2.3 红外弱小目标图像预处理方法 |
| 2.3.1 时间域图像预处理方法 |
| 2.3.2 空间域图像预处理方法 |
| 2.3.3 变换域图像预处理方法 |
| 2.4 本章小结 |
| 第3章 空中弱小目标单帧检测算法 |
| 3.1 基于阈值分割的单帧检测算法简介 |
| 3.2 常用的阈值分割检测技术 |
| 3.2.1 固定阈值分割技术 |
| 3.2.2 自适应阈值分割算法 |
| 3.2.3 最大类间方差法 |
| 3.3 基于单帧检测的算法性能分析 |
| 3.4 本章小结 |
| 第4章 基于优化动态规划的多帧检测算法 |
| 4.1 空中弱小目标多帧探测理论 |
| 4.1.1 多帧探测理论基础 |
| 4.1.2 多帧探测模型 |
| 4.2 基于动态规划的空中弱小目标探测 |
| 4.2.1 动态规划的理论基础 |
| 4.2.2 基于动态规划的检测前跟踪算法 |
| 4.2.3 基于动态规划的检测前跟踪算法分析 |
| 4.2.4 基于动态规划的多帧检测方法性能分析 |
| 4.3 基于动态规划的目标检测优化算法 |
| 4.3.1 传统动态规划算法的局限性 |
| 4.3.2 指标函数和惩罚函数的设计 |
| 4.3.3 优化动态规划算法的基本步骤 |
| 4.3.4 目标检测仿真实验及结果分析 |
| 4.4 本章小结 |
| 第5章 空中国弱小目标地面视觉检测系统与测试 |
| 5.1 空中弱小目标地面视觉检测系统总体设计方案 |
| 5.1.1 检测系统基本组成及工作原理 |
| 5.1.2 硬件设计与设备选型 |
| 5.1.3 检测系统界面设计 |
| 5.2 地面视觉检测系统功能测试与分析 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的科研成果 |
四、动态规划中的最优性原理及方法的进一步研究（论文参考文献）
- [1]基于自适应动态规划的一类非线性互联系统近似最优控制研究[D]. 陈彦胜. 燕山大学, 2021
- [2]含丢包的网络控制系统的估计以及优化控制[D]. 韩笑. 青岛大学, 2021
- [3]基于拒识深度微分动态规划算法的实时发电调度与控制研究[D]. 赵陆林. 广西大学, 2021
- [4]双电机结构插电式混合动力汽车能量管理策略研究[D]. 吴蜀鑫. 湖南大学, 2020(08)
- [5]混杂参数系统的动态优化 ——以催化裂化装置为例[D]. 林嘉奖. 中国石油大学(北京), 2020
- [6]水泥联合粉磨球磨机系统数据驱动优化控制[D]. 崔航科. 济南大学, 2020(01)
- [7]基于自适应动态规划的切换系统优化控制研究[D]. 王佩蓉. 大连理工大学, 2020(02)
- [8]输配耦合系统恢复资源配置与决策优化[D]. 刘尧. 山东大学, 2020(11)
- [9]基于自适应动态规划的Stackelberg微分对策的研究[D]. 徐珂. 大连理工大学, 2020(02)
- [10]空中弱小目标地面视觉检测系统设计与实现[D]. 李羽薇. 黑龙江大学, 2020(04)