一、OPTIMAL CONTROL OF A CLASS OF DISTRIBUTED PARAMETER DELAY SYSTEMS（论文文献综述）
吴昊天[1]（2021）在《基于永磁风机并网技术的微电网优化运行研究》文中研究指明能源是人类社会发展的重要要素,在降低温室气体二氧化碳排放已经成为全球共识的情况下,作为清洁能源的风能是各国开发的重点领域之一。将风能转化为可以利用的电能涉及到了风力发电技术。风力发电技术包括风力机的设计、变频技术、电机电子技术和芯片控制技术等。现阶段,因风力发电具有很高的间歇性和不稳定性,为了最大限度地利用风能资源,降低风电对电网带来的不利影响,电力电子化的风电并网及相关系统的优化运行控制正在成为人们研究的热点,其中基于柔性直流输电技术的多端直流微电网系统和基于大容量储能技术的交流微电网系统是风电并网和风能利用的两种有效途径。本文围绕永磁直驱风机的拓扑结构及数学模型、永磁风机的交流并网控制策略、永磁风机交流接入的交流微电网优化运行研究、永磁风机直流并网控制策略、永磁风机直流接入的多端直流微电网优化运行研究等问题展开研究,主要创新工作如下:（1）永磁风机的交流并网控制策略改进本文基于“不可控整流器+Boost升压斩波电路+三相电压型PWM逆变器”的永磁风机拓扑结构,深入阐述了机侧的最大功率跟踪控制（MPPT）原理和网侧的双闭环控制原理;针对机侧的最大功率跟踪控制,提出了“转速外环电流内环”的双闭环控制策略;针对网侧主流的“电压外环电流内环”双闭环并网控制策略,通过对控制算法的改进,提高永磁风机的交流并网控制性能,达到以下三个交流并网的目标:1)减少电流谐波,提高动态响应速度;2)实现有功量与无功量的解耦,达到单位功率因数并网和直流母线电压的稳定输出;3)提高系统的控制精度、抗干扰能力和鲁棒性。（2）基于永磁风机交流并网的交流微电网优化运行本文基于含有风电、可调度分布式发电（柴油发电机）、储能系统和局部负荷的交流微电网,根据当前新的主流智能算法,提出一种新的高效的电力管理方法,并采用适当的预测技术来处理微电网中风能和电能消耗的不确定性。提出的能源管理优化目标旨在使微电网在燃料、运行和维护以及主电网电力进口方面的支出最小化,同时最大限度地利用微电网对上游电网的能源输出。本文立足于交流微电网的优化运行研究,以最优运行成本为控制目标,提出了一种基于混合启发式群优化算法的交流微电网优化运行控制策略。首先,依据各分布式发电单元的运行特性建立各分布式发电单元的等效数学模型,进而清晰地表述交流微电网的运行控制过程和各种模态的切换;其次,在建立各等效模型的基础之上,建立交流微电网优化运行的目标函数;再次,依据各分布式单元的特性列出目标函数的约束条件;此外,运用本文提出的混合启发式群优化算法,在约束条件下求解该交流微电网的目标函数,得出各分布式电源的具体出力和投切状态;最后,将本文提出的运行控制策略在一个具体案例上进行仿真,同时与传统PS算法的仿真结果进行对比,进行仿真分析。（3）基于柔性直流输电技术的永磁风机直流并网控制策略本文基于VSC换流站的控制策略分析,提出了一种基于VSC-HVDC的永磁风机直流并网的控制策略;首先,建立了一个三端的永磁风机直流并网系统,包括永磁风机侧和两个交流侧;然后,基于三端直流并网系统提出了一种三层控制策略,包括系统级、换流站级和换流器阀级。对于风机侧的换流站控制,利用改进PR控制可以无静差跟踪的特点,将传统的定交流电压单环控制改造为“电压外环PR-电流内环解耦”的双闭环控制,解决了风机侧交流电压畸变时,VSC换流站对称性故障穿越的难题。（4）基于永磁风机直流并网的多端直流微电网优化运行控制本文立足于风电机组参与功率调节时直流微电网试验平台的优化运行,以微电网智能多代理技术和隔离型双向全桥DC-DC储能技术为基础,设计一种新的并网运行优化控制策略。首先,建立了六端直流微电网系统的模型,研究各端口的数学模型及控制策略;其次,以直流微电网的优化运行和故障穿越为控制目标,以微电网智能多代理技术和隔离型双向全桥DC-DC储能技术为基础,设计了一种新的直流微电网并网运行控制策略和一种新的直流微电网故障穿越控制策略,实现了对风力发电机组出力波动的有效控制和多端直流微电网的稳定运行,保证了直流微电网内负荷的稳定供电和成本优化;最后,在“直流微电网试验平台”上进行仿真验证和故障运行研究,验证新的直流微电网并网优化控制策略和故障穿越控制策略是否可以有效地协调和控制直流微电网的稳定运行,同时最大限度地利用风能资源。
陈时羽[2]（2021）在《基于群智能的航站楼空调冷却水系统节能控制策略研究》文中进行了进一步梳理航站楼作为高耗能的大型公共建筑,其中央空调系统的运行能耗约占总能耗的50%～60%,而空调冷却水系统的运行参数控制和设备控制对于中央空调系统整体节能效果起决定性作用。因此,对中央空调冷却水系统节能控制的研究显得至关重要。论文以西北地区某航站楼制冷站为研究对象,提出一种基于群智能的空调冷却水系统节能控制策略,以解决暖通领域长期存在的组网配置复杂、系统改造困难等问题,从而实现航站楼中央空调系统的节能运行。具体内容如下:（1）搭建航站楼空调冷却水系统的群智能仿真实验平台,建立空调冷却水系统节能优化模型。首先,建立群智能架构下冷机、冷却塔、冷却泵各类机电设备的标准信息集及其控制器节点的网络拓扑结构;其次,建立各类机电设备的能耗模型,以设备间的能量守恒和设备的物理特性为约束条件,以空调冷却水系统最小能耗为目标建立节能优化模型。（2）空调冷却水系统运行参数节能优化研究。针对冷却水系统中设备模块间的运行参数节能优化问题,首先,选取冷却水进水温度、冷却水流量、冷却塔风量作为优化参数;其次,根据算子分裂法,将冷却水系统节能优化问题分解为冷机、冷却泵、冷却塔三个模块的局部优化问题;最后,提出采用分布式交替方向乘子法,对局部优化问题的运行参数进行分布式优化,利用典型算例将所提算法与实际运行方法和罚函数法对比验证,结果表明可以分别提高约12.2%和3.56%的节能率。（3）空调冷却水系统设备节能控制研究。针对冷却水系统中设备模块内的分配优化问题,建立了冷却水泵和冷却塔风机的优化运行模型,提出了一种采用高斯罚函数改进的带高斯回代的交替方向乘子法,即ADMM-GPF-GBS（Alternating Direction Method of Multipliers based on the Gaussian Penalty Function with Gaussian Back Step）双层分布式计算框架,分别用于冷却水泵和冷却塔风机的节能控制研究。基于并联水泵的四个工况的典型算例进行验证,所提算法相比其他分布式算法最快可提高92.4%的收敛速度,相比集中式算法最大节能率可达22.5%。（4）基于群智能的空调冷却水系统节能控制策略研究。以建筑群智能仿真实验平台为依托,结合所提运行参数优化算法与设备节能控制算法,进行空调冷却水系统的分布式节能控制。仿真实验结果显示,在一个典型日内,与集中式控制方法和通用分布式控制方法相比,所提优化策略在高工况下节能率分别可以提高8.11%,4.02%;在低工况下节能率分别可以提高11.69%,5.33%。证实了所提策略相比通用分布式算法收敛性更好;相比集中式控制模式能获得更合理的各类设备能耗分配比例,能快速有效地达到最佳节能效果。综上,论文所研究的基于群智能的航站楼空调冷却水系统节能控制策略,能实现冷却水系统的高效、节能优化运行,对未来航站楼中央空调冷却水系统的节能管理提供了参考价值。
楚汉昆[3]（2021）在《电动汽车自动变速器多片离合器换挡控制》文中提出国家“十四五”规划和二〇三五年远景目标纲要中指出要提升制造业核心竞争力,其中包括新能源汽车高性能动力系统。纯电动汽车两挡变速箱能够优化驱动电机工作区间,提升车辆起步能力以及续航里程,是纯电动汽车发展的重要战略方向之一。本文以一种新型无动力中断两挡变速器I-AMT为研究对象,该变速器采用多片离合器以及单向超越离合器的方案,多片离合器为常闭式湿式多片离合器,离合器压紧元件为两片相同的碟形弹簧。与传统湿式多片离合器液压式执行机构不同,本方案选用电控机械式离合器执行机构,通过控制离合器两片碟形弹簧的变形量从而控制离合器钢片与摩擦片之间的压紧力。在升、降挡控制逻辑上,本文针对I-AMT控制难度较大的降挡过程,通过精确地控制离合器位移来实现降挡控制,并在降挡“惯性相”阶段通过带前馈控制的二自由度Smith预估器控制驱动电机主动调速从而调节超越离合器内、外圈转速差,实现超越离合器的平稳同步。本文的具体工作如下:1、无动力中断两挡变速器I-AMT介绍。对I-AMT的组成以及动力传递路线进行介绍,对其使用的湿式多片离合器的结构及弹性元件力-位移特性进行分析;介绍了多片离合器电控机械式执行机构的组成及其工作原理。2、换挡过程分析及二自由度Smith控制器设计。介绍了变速器换挡品质评价指标和换挡规律,分别对变速器升、降挡过程进行分析,提出了驱动电机主动调速的降挡策略;针对实际控制系统中存在的纯延迟问题,提出了通过Smith预估控制来消除纯延迟对控制系统的影响,介绍了Smith预估器的原理,在此基础上提出了二自由度Smith控制器,并分别对其目标跟踪控制器以及扰动抑制控制器进行设计。3、I-AMT系统建模以及降挡Simulink仿真。建立起I-AMT动力学模型,构建了带前馈控制的二自由度Smith控制器进行电机转速跟踪。介绍了仿真Simulink模型,根据仿真结果分别对比了带前馈的二自由度Smith控制器转速跟踪降挡控制、离合器位置开环降挡控制以及PID转速跟踪降挡控制策略的控制效果;并根据上述仿真过程得到的多片离合器滑摩功,基于ABAQUS对湿式多片离合器进行热力学仿真分析。4、系统参数辨识与整车试验。通过系统参数辨识得到驱动电机及其控制器的系统传递函数,进行电机空载转速跟踪实验来验证传递函数预估的准确性以及控制器设计是否合理。介绍了整车试验过程中所用到的软、硬件设施,对实验所用到的Simulink模型以及底层软件进行介绍;进行了整车实验,验证了本文提出的降挡控制逻辑在大油门降挡工况下的控制效果。
王盛[4]（2021）在《考虑需求侧灵活性的综合能源系统可靠性评估研究》文中指出在全球能源利用向着清洁低碳、安全高效转型的大背景下,构建由电力、天然气、冷、热等多种能源形式在生产、传输、消费等环节互补协调利用的综合能源系统具有重大意义,有助于降低能源利用成本,提升能源利用效率,助力中国早日实现“碳达峰”、“碳中和”的蓝图。但同时,综合能源系统在运行层面有着与传统电力系统截然不同的独特的性质。一方面,在传输侧,相较于多由代数方程组描述的电力系统潮流,天然气等能源在管网系统中的流动由偏微分代数方程组描述,其时间常数较大,在运行时段的动态过程不可忽略。另一方面,在需求侧,相较于传统电力系统中单一的电负荷需求,综合能源系统中部分用户同时拥有电、冷、热等多种负荷需求。因此,其能够更为灵活、互补地调整对多种能源的利用策略。这为综合能源系统的灵活、经济运行带来机遇的同时,也为保障其可靠性带来了挑战。然而,目前对于综合能源系统的可靠性的研究开展较少,并且多集中于中长期可靠性评估,缺乏考虑天然气等能源形式在传输侧的动态特性以及用户在需求侧的灵活性对于综合能源系统在较短的运行时间尺度上的可靠性的影响。基于以上背景,本文精准刻画并充分挖掘综合能源系统在传输侧的动态特性和需求侧的灵活性,并在运行时间尺度内开展可靠性评估理论研究,望能够为综合能源系统的优化协调运行提供安全、可靠的保障。研究内容具体包括:（1）提出了考虑多能互补特性的电力天然气联合系统可靠性评估技术。基于可靠性网络等效法,建立了气源、燃气机组、非燃气机组、电转气设施等元件的稳态可靠性模型,并基于电力天然气联合优化潮流技术进行元件失效下的系统紧急状态管理,最后建立了节点可靠性评估方法。该方法能够有效分析在考虑电力系统和天然气系统之间的能量双向流动,以及用户对于电力和天然气能源互补利用的条件下,节点的可靠性分布情况,为接下来章节的研究奠定了基础。（2）提出了考虑天然气潮流动态特性的电力天然气联合系统运行可靠性评估技术。在研究内容（1）的基础上着眼于运行时间尺度,进一步考虑元件的状态转移和时变的状态概率,以及天然气传输系统的动态特性。通过内置数值差分技术的时序蒙特卡洛法,结合多种计算时间缩减技术,建立了运行可靠性的评估方法。相较于以往研究中的稳态可靠性评估方法,该方法更能贴近系统的实际运行情况。（3）提出了考虑灵活自调度的综合能源用户运行可靠性评估技术。在研究内容（1）的多能互补模型的基础上,进一步通过基于服务的优化自调度策略挖掘需求侧的灵活性。通过所提出的扩展的用户损失函数和备用系统的投切失效模型,建立自调度过程中的经济性和可靠性模型,最终进行运行可靠性评估。该章节提供的方法能够帮助综合能源用户在变动的能源供应的情况下,优化自身的运行策略,提高运行可靠性。（4）提出了考虑传输侧动态特性与需求侧灵活性的综合能源系统协调优化运行技术。在研究内容（2）和研究内容（3）所建立的传输侧动态特性和需求侧灵活性模型的基础上,基于Mc Cormick envelope和二阶锥松弛进行凸化并形成综合能源系统的协调优化控制模型,最终通过基于Lift-and-project割平面法和改进流程的Benders分解法求解。该方法能够充分利用天然气传输系统的动态特性和综合能源用户的灵活性,扩大运行可行域,为电力系统可靠运行提供支撑。（5）研究了考虑传输侧动态特性与需求侧灵活性的综合能源系统运行可靠性权衡问题。基于研究内容（4）的研究结论,建立能够应对未来风险的综合能源系统紧急状态协同管理技术,并分析了不同运行策略倾向下电力系统和天然气系统之间以及不同运行时段之间的可靠性权衡关系。此研究可以从运行可靠性角度分析,如何协调调度时刻的经济性和对未来运行时刻不确定性风险的应对能力,以及如何协调天然气系统给电力系统开放备用支撑和天然气系统自身运行风险之间的权衡关系,为未来综合能源系统协同运行提供支撑。
王伟杰[5]（2021）在《直流微电网分布式效率优化控制研究》文中研究说明微电网技术代表了分布式能源技术的发展趋势,是未来配用电系统的重要组成部分。与交流微电网相比,直流微电网所需的转换设备少,能源利用效率较高,有着广阔的发展前景。近年来,随着直流微电网在更多领域的应用,对系统运行效率提出了更高的要求,关于如何提高直流微电网运行效率的问题一直是直流微电网研究领域的重点,也是难点问题。本文重点针对直流微电网效率优化做出以下几点研究。首先,分析得出由DC-DC变换器及线路阻抗造成的功率损耗是影响直流微电网运行效率的主要因素,在此基础上,建立直流微电网的功率损耗模型及效率模型,并构建直流微电网效率优化问题,通过构造拉格朗日函数来求解使优化问题获得最优解的必要条件,即直流微电网内各DC-DC变换器的全局传输增量功率损耗一致,并将其作为下文分布式效率优化控制策略的控制目标。其次,针对传统下垂控制及基于离散一致性算法的自适应下垂控制策略均未考虑系统内功率损耗导致系统运行效率较低的问题,构建直流微电网分布式分层优化控制架构,应用离散一致性算法,提出一种基于离散一致性算法的直流微电网分布式效率优化控制策略,在MATLAB/Simulink中搭建了四节点的直流微电网系统模型,仿真结果表明,所提分布式效率优化控制策略有效提高了直流微电网的运行效率。最后,考虑一致性算法收敛速度对分布式效率优化控制策略性能的影响,进一步对直流微电网的通信网络拓扑进行研究,采用双跳网络拓扑,提出一种基于快速一致性算法的直流微电网分布式效率优化控制策略,在MATLAB/Simulink中搭建了四节点的直流微电网系统模型,仿真结果表明,所提控制策略有效改善了分布式效率优化控制策略的性能。
周远强[6]（2020）在《分布式系统协调优化控制方法研究》文中研究说明新一代信息技术的快速发展,网络技术的推动,以及控制对象复杂多样性需求的涌现,使得现代工业控制系统的结构越来越趋向于分布化。比如炼钢、发电、化工等工业生产过程,在结构上本身存在着分布性,系统由许多个异构子系统组成,各个子系统之间不但存在物质和能量的流通,还存在大量的信息交互,子系统之间还存在着复杂的关联。同时,现代工业生产的发展对生产过程的控制质量提出了越来越高的要求,除了对单个子系统实现优化控制外,同样要求整个系统的全局优化。因此,分布式系统协调优化控制研究成为当前控制理论研究的一个热点方向。论文研究了分布式系统在网络通讯下的协调优化控制方法,尤其是分布式协调预测控制方法,对分布式系统的优化控制算法设计、优化问题求解以及闭环系统性能等方面进行探讨和分析,重点研究了分布式控制系统面临的模型未知、模型非线性、未知扰动、异步通讯环境和事件触发控制等问题,提出了在网络通讯下分布式系统的协调优化控制和模型预测控制设计方法,以求在保证系统闭环稳定和获得期望动态特性的前提下提高系统计算和通讯资源的利用率,为实际分布式工业网络系统的结构优化和工业过程的动力学优化控制提供理论基础和方法参考。本文的主要研究成果包括以下几个方面:1.针对由多个线性异构子系统构成的分布式控制系统,研究了在模型已知和模型未知两种情形下基于网络通讯的分布式协同输出反馈控制问题。在模型信息已知时,本文利用网络传输信息设计分布式协同控制算法,并引入优化性能指标,证明其存在最优控制算法。在模型信息未知时,本文提出一种基于自适应最优学习的分布式协同优化控制算法。该方法根据强化学习思想,利用在线收集的系统输入数据或者跟踪误差数据,在线学习协同控制算法的最优控制参数。该自适应算法不依赖于系统的模型信息,还能满足闭环系统的分布式输出协同,并收敛到最优控制参数。2.针对具有非线性状态关联的分布式控制系统,提出了异步通讯环境下的分布式模型预测控制算法。由于大规模系统中各个子系统具有迥然不同的动态特点,导致时间常数分布范围广,进而难以得到一个统一的信息更新和优化周期。对于这一问题,本文设计了异步分布式非线性模型预测控制算法,将非同步的通讯信息用于对关联状态的估计,带入到异步分布式模型预测控制算法的约束条件设计中。论文分析了所提出控制算法的可行性和闭环系统稳定性,并给出了分布式优化控制问题中设计参数的必要性选取条件。3.针对存在有界未知扰动的分布式控制系统协调预测控制问题,提出一种异步通讯下基于事件触发的分布式模型预测控制算法。为了有效利用子系统的非同步通讯信息,设计了异步环境下的状态估计方法,并将估计的状态带入预测控制模型的更新中。同时,结合预测状态和真实状态之间的误差设计了分布式事件触发机制来确定分布式优化问题的求解时间,并且从理论上证明排除了Zeno触发现象,有效提高了系统计算和通讯资源的利用率。然后,结合Lyapunov稳定性理论,分析了设计算法的可行性和闭环系统的稳定性,并给出了设计参数的选取条件。4.针对一般非线性耦合的分布式控制系统协调预测控制问题,提出一种基于周期事件触发的分布式模型预测控制算法。基于弱耦合条件的假设,本文针对耦合的系统状态设计了一种基于最近通讯信息的自适应状态估计方法,有效利用非同步的通讯信息来实现耦合子系统之间的解耦。接着,利用包含邻居状态信息的预测模型,设计了分布式模型预测控制算法,并根据预测模型的状态和实际状态之间的偏差来设计周期性事件触发条件,从而保证预测状态和实际状态之间的误差是有界的。该算法既协调了异步的通讯信息,又保证了真实状态处于预测状态的一个有界范围之内。论文给出了保证算法可行性和闭环稳定性的参数选取方法。
王成龙[7]（2020）在《基于深度强化学习的非线性系统自适应优化控制》文中研究说明本文基于深度强化学习技术,研究了一类连续时间非线性系统的自适应优化控制问题。对于复杂或模型未知的非线性系统来说,由于系统模型的复杂性和未知性,很难从模型的角度出发去设计优化控制算法。考虑到强化学习的决策能力与深度学习的环境感知能力,本文提出了三种在线求解连续时间非线性系统的自适应优化控制器算法。本文提出的深度强化学习算法最大的优点是将深度学习与强化学习相结合。本文的主要工作和贡献具体如下:首先,针对一类具有输入时滞的模型部分未知的连续时间非线性系统,研究了一种新的在线自适应优化控制器设计方案。利用线性微分包含技术对原系统进行线性化处理,通过在线策略迭代算法得到了线性化系统的自适应优化控制器,并证明了所设计的自适应优化控制算法的收敛性。最后,通过两个仿真实例验证了该方法的有效性。然后,研究了一类模型未知连续时间非线性系统的自适应优化控制器设计问题。结合Q-学习算法和生成式对抗网络方案,成功地设计了一种新的连续时间模型未知非线性系统的自适应优化控制算法。采用最新的生成式对抗网络训练策略来稳定系统,并证明了所设计的自适应优化控制算法的收敛性。最后,通过仿真实例验证了该方法的有效性,并通过与传统的角色-批评家算法的比较说明了该算法的优越性。接着,考虑到在大多数复杂的工业系统的优化控制过程中,确定一个精确的代价函数是非常困难的。针对这一问题,提出了一种基于代价预测的深度元强化学习算法来求解优化控制器。采用最新的编解码器结构来构建代价函数网络,并结合元学习算法和强化学习方案成功地设计了一种可以适应不同实际任务环境下的优化控制设计方法。最后,通过仿真实例验证了该方法的有效性和优越性。最后,给出了概括总结和前景展望,并指出了研究中有待进一步解决和完善的问题。
李玉玲[8]（2020）在《具有外部干扰的多智能体系统协同优化控制》文中提出随着现代计算机网络和人工智能等智能控制技术领域的快速推进和发展,智能体控制技术已经逐渐成为了热点研究问题,并在各界得到广泛应用。多智能体系统控制作为智能体控制技术的重要研究方向,吸引了许多的研究机构和专家的高度关注和研究兴趣。本文考虑了受到与控制输入处于不同通道的不匹配干扰的影响时,多智能体系统的协同优化控制问题。本文所研究的协同优化控制问题包括对系统的包容控制和一致性的深入研究,主要的研究工作和创新点为:（1）研究受到外界干扰影响的二阶多自主体系统的分布式一致性问题,其中系统受到的外部干扰包括匹配干扰和不匹配干扰。设计了状态观测器和干扰观测器,对系统的未知状态和干扰进行估计,并且构造了基于主动抗干扰观测器的分布式协同控制算法,使跟随者的状态最终都收敛到领导者的状态。通过仿真实验表明,所设计的协同控制协议可使系统实现状态一致性。（2）研究具有不匹配干扰的二阶多智能体系统的有限时间包容控制问题。运用现代控制理论,设计了非线性观测器,估计系统中的未知状态和干扰。在状态估计和干扰估计的基础上,构造了在有限时间内的包容控制器。应用代数图论和齐次性理论等方法,分析二阶多智能体系统有限时间包容控制问题,仿真结果表明,有限时间包容控制算法可以有效地使系统中跟随智能个体的状态值最终都收敛到由多个领导智能个体所围成的目标区域中。（3）研究异构多智能体系统的领导跟随型最优一致性问题。设计了一种具有缩放因子并且基于LQR（Linear Quadratic Regulator）的分布式控制协议,存在最优的缩放因子使性能指标函数达到最小,即实现了系统的最终状态能够实现最优一致性。通过最终的仿真结果可以看出,系统中跟随智能个体的状态由原始位置值变为领导智能个体的状态值,与此同时,存在最优的缩放因子和最优的控制器,从而使系统的目标函数值取得最小值,也就是系统实现了最优一致性,验证了结论的有效性。（4）研究具有匹配和不匹配扰动的异构多智能体系统的有限时间最优一致控制问题。针对外部扰动的存在和系统中实际速度信息获取困难的问题,利用现代控制理论和积分滑模控制方法,设计了非线性有限时间观测器,对系统中智能体的状态和干扰进行估计。在有限时间状态观测器的基础上,提出了分布式有限时间主动抗干扰最优一致性控制协议,对异构系统中的一阶智能体和二阶智能体进行控制。仿真实例表明,所提出的分布式有限时间最优一致性协议不仅能使目标函数最小化,而且能使各个智能体的目标状态在有限时间内趋于一致,也就是实现有限时间最优一致性控制。
王涵[9]（2020）在《智能网联环境下多智能体干线信号协同控制方法研究》文中提出强化学习在单交叉路口信号控制方法的研究中被广泛应用,在提高交通效率、安全性与能耗经济性方面表现出优异的性能。然而在多交叉口干线交通信号控制系统中,由于维度灾难、奖励延迟等挑战的存在,独立决策的单智能体强化学习方法控制效果改善有限,要实现多智能体协同控制,必须针对干线交叉口特性设计合理的多智能体协作机制。论文提出了延迟奖励的智能体干线信号控制方法（Delayed Reward’s Multi-Agent Arterial Signal Control,DMAS）。通过分析智能网联交通系统MEC架构通信网络的拓扑特征,DMAS采用了参照MADDPG的多智能体Actor-Critic架构,其中单信号控制器为独立决策Actor向Critic传递局域观察,干线中心控制器为具有多个Critic的综合评估者依据共享观察域实施策略更新。进一步,考虑到干线场景特有的奖励延迟,论文设计了回报分解模块并嵌入MADDPG,实现将延迟奖励转换为即时奖励。回报分解模块利用动态回报预测模型来实施基于LSTM的信息贡献分析。根据相邻步之间预测值差异进行信息贡献分析,并据此将总延迟奖励分配给每步。仿真结果表明,与独立观察独立决策到DDPG方法相比,MADDPG的标准化控制改善效果提高约18%,回报分解模块使DMAS在MADDPG基础上进一步提高约3%。训练过程奖励折线图显示:额外观察信息和网络训练成本以降低收敛速度为代价换取了更高的控制稳定性。
段玉星[10]（2020）在《非线性时滞系统的分布式优化控制器设计与分析》文中提出分布式优化控制,由于其可以充分利用各个控制器之间的交流与合作来减少计算负担的优点,在近年来得到了快速的发展.但针对的系统大多是一般的线性系统或者非线性系统,而在实际应用中,系统又常受到时滞的影响,这给控制问题带来了很大的困难.所以研究非线性时滞系统的分布式优化控制问题很有必要.本文分别针对几类带时滞的非线性系统,利用Lyapunov-Razumikhin条件,提出了保证系统稳定的分布式优化控制算法的设计方法.本文的工作可以概括为以下三部分:第一,针对一类具有输入约束的非线性时滞系统,研究了一种分布式优化控制算法.首先设计了一个有界控制器来保证标称系统的稳定,然后在有界镇定控制器的基础上给出了满足输入约束的分布式优化控制算法.最后在适当的Lyapunov-Razumikhin条件的基础上,给出了保证系统状态最终有界的充分条件,证明了系统的稳定性.第二,研究了一类受制于时滞测量和通信中断的非线性时滞系统的分布式优化控制问题.首先设计了一个有界控制器来保证标称系统的稳定,并对时滞测量和通信干扰模型进行了描述.然后设计了一个可行性问题来判断通信信道传输的数据的可用性,进而给出了分布式优化控制算法.最后在适当的Lyapunov-Razumikhin条件的基础上,给出了保证系统状态最终有界的充分条件,证明了系统的稳定性.第三,研究了一类具有给定切换序列的切换非线性时滞系统的分布式优化控制问题.对于系统的每个模态,首先设计了一个有界控制器来保证标称系统的稳定性.然后给出了满足输入约束的分布式优化控控制算法.最后在适当的Lyapunov-Razumikhin条件的基础上,给出了保证系统状态最终有界的充分条件,并通过仿真实例验证了该方法的有效性.
二、OPTIMAL CONTROL OF A CLASS OF DISTRIBUTED PARAMETER DELAY SYSTEMS（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、OPTIMAL CONTROL OF A CLASS OF DISTRIBUTED PARAMETER DELAY SYSTEMS（论文提纲范文）
（1）基于永磁风机并网技术的微电网优化运行研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状及存在的问题 |
| 1.2.1 永磁风机交流并网控制研究现状 |
| 1.2.2 基于永磁风机交流并网的交流微电网优化运行研究现状 |
| 1.2.3 永磁风力发电系统的直流并网控制研究现状 |
| 1.2.4 基于永磁风机直流并网的多端直流微电网优化运行研究现状 |
| 1.2.5 现有研究存在的问题 |
| 1.3 本文主要工作 |
| 第2章 永磁风机的交流并网技术研究 |
| 2.1 永磁风力发电系统的拓扑结构设计及相关工作原理 |
| 2.1.1 永磁风力发电系统的拓扑结构设计 |
| 2.1.2 永磁风力发电系统机侧风能最大功率跟踪(MPPT)原理 |
| 2.1.3 永磁风力发电系统网侧三相逆变原理 |
| 2.2 永磁风力发电系统机侧整流器控制及设计 |
| 2.2.1 永磁风力发电系统的机侧数学模型 |
| 2.2.2 永磁风力发电系统的机侧控制策略分析 |
| 2.2.3 本文永磁风力发电系统机侧控制策略分析 |
| 2.3 永磁风力发电系统网侧逆变器控制及设计 |
| 2.3.1 永磁风力发电系统的网侧数学模型 |
| 2.3.2 永磁风力发电系统的网侧控制策略分析 |
| 2.3.3 本文永磁风力发电系统网侧控制策略分析 |
| 2.4 系统仿真与分析 |
| 2.4.1 永磁风力发电系统机侧的建模及仿真分析 |
| 2.4.2 永磁风力发电系统网侧的建模及仿真分析 |
| 2.5 本章小结 |
| 第3章 基于永磁风机交流并网技术的交流微电网优化运行策略 |
| 3.1 引言 |
| 3.2 交流微电网系统框架及微电网等值模型 |
| 3.2.1 交流微电网系统框架 |
| 3.2.2 永磁风力发电系统等值模型 |
| 3.2.3 储能系统等值模型 |
| 3.2.4 柴油发电机模型 |
| 3.3 交流微电网的优化运行策略 |
| 3.3.1 目标函数的确定 |
| 3.3.2 约束条件 |
| 3.3.3 基于混合启发式的蚁群优化算法 |
| 3.4 算例仿真与分析 |
| 3.4.1 交流微电网参数 |
| 3.4.2 启发式蚁群优化算法的仿真分析 |
| 3.4.3 启发式蚁群优化算法与传统PS算法的比较分析 |
| 3.5 本章小结 |
| 第4章 永磁风机的直流并网技术研究 |
| 4.1 引言 |
| 4.2 永磁风机模型及水动力性能研究 |
| 4.2.1 永磁风力发电系统模型 |
| 4.2.2 永磁风电机组的水动力性能研究 |
| 4.3 并网VSC换流站建模与控制 |
| 4.3.1 风电场并网VSC换流站模型 |
| 4.3.2 VSC换流站控制策略 |
| 4.4 基于VSC的永磁风力发电直流并网系统及控制 |
| 4.4.1 系统构成 |
| 4.4.2 直流并网系统控制策略 |
| 4.5 系统仿真与分析 |
| 4.5.1 仿真系统参数 |
| 4.5.2 电网侧VSC换流站仿真及分析 |
| 4.5.3 风机侧VSC换流站仿真及分析 |
| 4.6 本章小结 |
| 第5章 基于永磁风机直流并网技术的多端直流微电网优化运行控制 |
| 5.1 引言 |
| 5.2 直流微电网拓扑结构及各换流器控制 |
| 5.2.1 风机侧换流器建模及控制策略 |
| 5.2.2 储能系统侧换流器建模及控制策略 |
| 5.2.3 光伏侧换流器建模及控制策略 |
| 5.2.4 交流并网侧换流器建模及控制策略 |
| 5.2.5 交流负载侧换流器建模及控制策略 |
| 5.2.6 直流负载侧换流器建模及控制策略 |
| 5.3 含永磁风机的直流微电网并网运行控制系统 |
| 5.3.1 直流微电网并网运行的拓扑结构 |
| 5.3.2 直流微电网运行控制策略 |
| 5.4 系统仿真及实验 |
| 5.4.1 仿真系统参数 |
| 5.4.2 并网运行仿真(降压) |
| 5.4.3 并网运行仿真(全压) |
| 5.4.4 功率平滑控制仿真及实验 |
| 5.4.5 削峰填谷控制实验 |
| 5.4.6 系统故障穿越仿真及实验 |
| 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 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（2）基于群智能的航站楼空调冷却水系统节能控制策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号说明 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于群智能的分布式算法及其应用研究 |
| 1.2.2 中央空调冷却水系统节能控制研究 |
| 1.3 研究内容 |
| 2 基于群智能的航站楼空调冷却水控制系统 |
| 2.1 群智能建筑自动控制系统 |
| 2.1.1 群智能系统的能量流 |
| 2.1.2 群智能系统的信息流 |
| 2.1.3 群智能系统的优势 |
| 2.2 群智能仿真实验平台与工程案例 |
| 2.2.1 仿真实验平台 |
| 2.2.2 工程案例 |
| 2.3 小结 |
| 3 航站楼空调冷却水系统节能优化模型的建立 |
| 3.1 机电设备能耗模型的建立方法 |
| 3.2 冷水机组设备能耗模型的建立 |
| 3.3 冷却塔设备能耗模型的建立 |
| 3.3.1 冷却塔风机能耗模型 |
| 3.3.2 冷却塔排热量简化模型 |
| 3.4 冷却水泵设备能耗模型的建立 |
| 3.5 中央空调冷却水系统节能优化模型的建立 |
| 3.5.1 目标函数 |
| 3.5.2 关联约束条件 |
| 3.5.3 边界约束条件 |
| 3.5.4 节能优化模型建立 |
| 3.6 中央空调冷却水系统两类优化问题的分析 |
| 3.7 小结 |
| 4 基于群智能的冷却水系统运行参数节能优化算法研究 |
| 4.1 冷却水系统运行优化参数的选取 |
| 4.2 冷却水系统扩散优化问题描述 |
| 4.2.1 扩散优化问题 |
| 4.2.2 基于算子分裂的局部优化问题 |
| 4.3 群智能运行参数节能优化算法设计 |
| 4.3.1 分布式交替方向乘子法 |
| 4.3.2 分布式优化算法设计 |
| 4.4 案例研究与结果分析 |
| 4.4.1 算例背景 |
| 4.4.2 参数测试 |
| 4.4.3 结果分析 |
| 4.5 小结 |
| 5 基于群智能的冷却水系统设备节能控制算法研究 |
| 5.1 冷却水系统分配优化问题描述 |
| 5.1.1 分配优化问题 |
| 5.1.2 并联冷却水泵的优化运行控制问题 |
| 5.1.3 并联冷却塔风机频率优化控制问题 |
| 5.2 分布式算法设计 |
| 5.2.1 ADMM-GBS算法 |
| 5.2.2 高斯罚函数改进ADMM-GBS算法 |
| 5.3 基于ADMGG的并联水泵节能优化控制算法 |
| 5.3.1 算法初始化 |
| 5.3.2 ADMGG正向预测 |
| 5.3.3 ADMGG反向矫正 |
| 5.3.4 迭代停止条件 |
| 5.4 并联水泵优化控制算法仿真验证 |
| 5.4.1 算例背景 |
| 5.4.2 参数测试 |
| 5.4.3 结果分析 |
| 5.5 基于ADMGG的并联冷却塔风机频率优化控制算法 |
| 5.6 小结 |
| 6 基于群智能的冷却水系统仿真实验及能效分析 |
| 6.1 群智能系统控制方案设计 |
| 6.1.1 实验路线 |
| 6.1.2 实验对比方案 |
| 6.1.3 仿真实验输入参数 |
| 6.2 结果分析与算法对比 |
| 6.3 小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 攻读硕士期间发表的学术论文及成果 |
| 附录 |
| 致谢 |
（3）电动汽车自动变速器多片离合器换挡控制（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 纯电动汽车两挡变速器 |
| 1.2.2 纯电动汽车两挡变速器换挡逻辑 |
| 1.2.3 纯延迟系统控制算法 |
| 1.3 本文主要研究内容 |
| 第2章 无动力中断两挡变速器I-AMT |
| 2.1 I-AMT结构 |
| 2.1.1 I-AMT的组成 |
| 2.1.2 I-AMT动力传递路线 |
| 2.2 常闭式湿式多片离合器 |
| 2.2.1 研究背景 |
| 2.2.2 离合器的组成及工作原理 |
| 2.3 离合器执行机构 |
| 2.4 本章小结 |
| 第3章 I-AMT换挡控制 |
| 3.1 I-AMT换挡分析 |
| 3.1.1 换挡品质评价指标 |
| 3.1.2 换挡规律 |
| 3.1.3 升、降挡过程 |
| 3.1.4 换挡控制纯延迟 |
| 3.2 Smith预估控制器 |
| 3.3 二自由度Smith控制器 |
| 3.4 二自由度Smith控制器设计 |
| 3.4.1 目标跟踪控制器设计 |
| 3.4.2 扰动抑制控制器设计 |
| 3.4.3 仿真验证 |
| 3.5 本章小结 |
| 第4章 系统建模与仿真分析 |
| 4.1 降挡过程仿真 |
| 4.1.1 降挡过程建模 |
| 4.1.2 仿真Simulink模型 |
| 4.2 仿真结果及分析 |
| 4.2.1 降挡过程仿真结果及分析 |
| 4.2.2 多片离合器热力学仿真分析 |
| 4.3 本章小结 |
| 第5章 系统辨识与整车实验 |
| 5.1 电机及电机控制器的系统辨识与验证 |
| 5.1.1 电机及电机控制器的系统辨识 |
| 5.1.2 电机转速闭环跟踪实验 |
| 5.2 整车实验 |
| 5.2.1 实验软、硬件 |
| 5.2.2 车辆控制系统 |
| 5.2.3 实验控制模型 |
| 5.2.4 整车实验及结果分析 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 不足与展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（4）考虑需求侧灵活性的综合能源系统可靠性评估研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电力天然气联合系统的潮流及动态特性建模 |
| 1.2.2 综合能源用户的灵活性建模与优化策略 |
| 1.2.3 综合能源系统的可靠性评估方法 |
| 1.3 本文的主要内容 |
| 2 考虑多能互补的电力天然气联合系统可靠性评估 |
| 2.1 引言 |
| 2.2 电力天然气联合系统框架 |
| 2.3 元件的可靠性网络等效 |
| 2.3.1 燃气机组的可靠性网络等效 |
| 2.3.2 传统非燃气机组的可靠性网络等效 |
| 2.3.3 天然气源的可靠性网络等效 |
| 2.3.4 电转气设备的可靠性网络等效 |
| 2.4 考虑中断成本的紧急状态管理方法 |
| 2.4.1 考虑能源替代效应的中断成本计算 |
| 2.4.2 基于电力天然气联合优化潮流技术的紧急状态管理方法 |
| 2.5 基于时序蒙特卡洛法的可靠性评估流程 |
| 2.6 算例分析 |
| 2.6.1 算例1:天然气源随机失效对可靠性的影响 |
| 2.6.2 算例2:燃气机组和电转气设施对可靠性的影响 |
| 2.6.3 算例3:灵活负荷对可靠性的影响 |
| 2.7 本章小结 |
| 3 考虑潮流动态特性的电力天然气联合系统运行可靠性评估 |
| 3.1 引言 |
| 3.2 元件的多状态运行可靠性建模 |
| 3.2.1 天然气源的多状态运行可靠性建模 |
| 3.2.2 燃气机组与传统非燃气机组的多状态运行可靠性建模 |
| 3.3 考虑天然气动态特性的多阶段紧急状态管理 |
| 3.3.1 第一阶段:基于电力天然气联合优化潮流技术的预调度 |
| 3.3.2 第二阶段:基于暂态过程分析的天然气系统运行状态计算 |
| 3.3.3 第三阶段:基于优化潮流的电力系统运行状态计算 |
| 3.4 基于时序蒙特卡洛法的运行可靠性评估方法 |
| 3.4.1 基于离线紧急状态数据集和自适应线性化的计算时间缩减技术 |
| 3.4.2 运行可靠性评估流程 |
| 3.5 算例分析 |
| 3.5.1 算例 1:单个管道中天然气动态特性的示例 |
| 3.5.2 算例2:典型场景下天然气动态特性对故障传播的影响 |
| 3.5.3 算例3:运行可靠性指标评估 |
| 3.6 本章小结 |
| 4 考虑灵活自调度的综合能源用户运行可靠性评估 |
| 4.1 引言 |
| 4.2 综合能源用户及其能源相关的服务的基本框架与模型 |
| 4.2.1 综合能源用户的基本框架 |
| 4.2.2 综合能源供应与需求的时序多状态建模 |
| 4.3 综合能源灵活服务的优化自调度 |
| 4.3.1 灵活服务削减与转移的时序特性建模 |
| 4.3.2 灵活服务再部署的不确定性建模 |
| 4.4 综合能源灵活服务优化自调度策略 |
| 4.5 基于时序蒙特卡洛法的运行可靠性评估流程 |
| 4.6 算例分析 |
| 4.6.1 算例1:灵活服务自调度的时序特性以及自调度下的运行可靠性 |
| 4.6.2 算例2:多重不确定性对于综合能源用户运行可靠性的影响 |
| 4.7 本章小结 |
| 5 考虑传输侧动态特性与需求侧灵活性的综合能源系统协调优化运行技术 |
| 5.1 引言 |
| 5.2 电力天然气联合系统与综合能源用户的协调运行框架 |
| 5.3 基于能源集线器的综合能源用户多层级自调度策略 |
| 5.3.1 综合能源用户的日前优化运行策略 |
| 5.3.2 综合能源用户的多层级自调度策略 |
| 5.4 基于天然气潮流动态特性的节点天然气负荷尖峰消纳 |
| 5.4.1 电力天然气联合系统的日前优化运行策略 |
| 5.4.2 需求响应期间天然气潮流动态特性分析 |
| 5.5 电力天然气联合系统与综合能源用户的协调优化控制模型 |
| 5.6 基于Benders分解和割平面法的分布式求解方法 |
| 5.7 算例分析 |
| 5.7.1 算例1:严苛条件下的分布式需求响应有效性验证 |
| 5.7.2 算例2:不同需求响应设置和气压波动允许范围下的系统运行状况对比 |
| 5.8 本章小结 |
| 6 考虑传输侧动态特性与需求侧灵活性的综合能源系统运行可靠性评估 |
| 6.1 引言 |
| 6.2 “向前看”的综合能源系统紧急状态协同管理 |
| 6.2.1 综合能源系统紧急状态协同管理的基本框架 |
| 6.2.2 基于自适应线性化的优化控制模型 |
| 6.3 基于时序蒙特卡洛法的运行可靠性评估流程 |
| 6.3.1 运行可靠性指标 |
| 6.3.2 运行可靠性评估流程 |
| 6.4 算例分析 |
| 6.4.1 算例1:典型场景下的紧急状态联合管理 |
| 6.4.2 算例2:运行可靠性指标对比 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 全文总结 |
| 7.2 未来工作展望 |
| 参考文献 |
| 作者简历 |
| 攻读博士学位期间的学术成果 |
（5）直流微电网分布式效率优化控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 直流微电网控制策略研究现状 |
| 1.3 直流微电网分布式一致性控制研究现状 |
| 1.4 直流微电网效率优化研究现状 |
| 1.5 论文的研究内容与章节安排 |
| 第2章 直流微电网功率损耗模型及直流微电网效率模型 |
| 2.1 引言 |
| 2.2 直流微电网功率损耗模型 |
| 2.3 直流微电网效率模型及效率优化问题 |
| 2.3.1 直流微电网效率模型 |
| 2.3.2 直流微电网效率优化问题 |
| 2.4 本章小结 |
| 第3章 直流微电网分布式分层优化控制架构 |
| 3.1 引言 |
| 3.2 直流微电网分布式分层控制系统 |
| 3.3 分布式一致性算法 |
| 3.3.1 图论基础 |
| 3.3.2 离散一致性算法 |
| 3.4 基于离散一致性算法的分布式分层优化控制架构 |
| 3.4.1 传统下垂控制分析 |
| 3.4.2 分布式分层优化控制架构 |
| 3.4.3 基于离散一致性算法的分布式分层优化控制信息交互 |
| 3.5 本章小结 |
| 第4章 基于离散一致性算法的直流微电网分布式效率优化控制研究 |
| 4.1 引言 |
| 4.2 基于离散一致性算法的直流微电网自适应下垂控制 |
| 4.2.1 分布式发电单元输出电压一致性迭代 |
| 4.2.2 基于全网平均电压差的分布式发电单元功率自适应分配 |
| 4.2.3 基于离散一致性算法的自适应下垂控制仿真结果及分析 |
| 4.3 基于离散一致性算法的分布式效率优化控制 |
| 4.3.1 基于离散一致性算法的分布式电压二次调节 |
| 4.3.2 全局传输增量功率损耗一致的分布式效率优化控制 |
| 4.3.3 基于离散一致性算法的分布式效率优化控制仿真结果及分析 |
| 4.4 本章小结 |
| 第5章 基于快速一致性算法的直流微电网分布式效率优化控制研究 |
| 5.1 引言 |
| 5.2 基于双跳网络的快速一致性算法 |
| 5.2.1 双跳网络的通信方式 |
| 5.2.2 快速一致性算法 |
| 5.3 基于快速一致性算法的分布式效率优化控制 |
| 5.3.1 基于快速一致性算法的分布式电压二次调节 |
| 5.3.2 全局传输增量功率损耗快速一致的分布式效率优化控制 |
| 5.3.3 基于快速一致性算法的分布式效率优化控制仿真结果及分析 |
| 5.4 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 致谢 |
（6）分布式系统协调优化控制方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号对照表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 分布式控制系统概述 |
| 1.2.1 分布式控制系统的基本特征 |
| 1.2.2 分布式控制系统的分类 |
| 1.3 分布式系统协调优化控制研究现状 |
| 1.3.1 分布式系统协调优化控制的理论研究 |
| 1.3.2 分布式系统协调预测控制的研究现状 |
| 1.4 存在的问题及本文的研究动机 |
| 1.4.1 分布式协调优化控制存在的问题 |
| 1.4.2 本文的研究动机 |
| 1.5 本文主要研究内容和结构安排 |
| 第二章 基于自适应学习的分布式线性系统输出协调优化控制 |
| 2.1 引言 |
| 2.2 系统模型与问题描述 |
| 2.2.1 系统模型描述 |
| 2.2.2 通讯拓扑与图论 |
| 2.3 分布式线性系统协同控制算法设计:模型已知情形 |
| 2.3.1 分布式输出协同控制算法设计与分析 |
| 2.3.2 分布式输出最优控制器 |
| 2.4 自适应最优控制的分布式学习设计:模型未知情形 |
| 2.4.1 基于跟踪误差数据的最优控制学习算法 |
| 2.4.2 基于输入数据的最优控制学习算法 |
| 2.4.3 稳定性分析 |
| 2.5 仿真验证 |
| 2.6 本章小结 |
| 第三章 异步通讯下的分布式非线性系统协调预测控制 |
| 3.1 引言 |
| 3.2 系统模型与问题描述 |
| 3.2.1 系统模型描述 |
| 3.2.2 问题描述 |
| 3.2.3 相关假设以及初步结果 |
| 3.3 异步通讯下的协同预测控制框架 |
| 3.3.1 分布式最优控制问题 |
| 3.3.2 异步通讯下的虚拟输入估计 |
| 3.3.3 基于双模策略的异步分布式优化算法 |
| 3.4 可行性与稳定性分析 |
| 3.4.1 递归可行性条件 |
| 3.4.2 稳定性分析 |
| 3.4.3 参数选取的讨论 |
| 3.5 仿真验证 |
| 3.6 本章小结 |
| 第四章 基于事件触发的分布式系统鲁棒协调预测控制 |
| 4.1 引言 |
| 4.2 系统模型与问题描述 |
| 4.2.1 模型与问题描述 |
| 4.2.2 终端控制器和不变集设计 |
| 4.3 基于事件触发的鲁棒协同预测算法设计 |
| 4.3.1 异步的分布式最优控制问题 |
| 4.3.2 事件触发控制策略设计 |
| 4.3.3 基于事件触发的分布式鲁棒预测控制算法 |
| 4.4 参数选取设计、可行性与稳定性分析 |
| 4.4.1 参数设计与递归可行性条件 |
| 4.4.2 稳定性分析 |
| 4.5 仿真验证 |
| 4.6 本章小结 |
| 第五章 基于周期事件触发的分布式非线性系统协调预测控制 |
| 5.1 引言 |
| 5.2 系统模型与问题描述 |
| 5.3 基于周期事件触发的协同预测控制框架 |
| 5.3.1 优化问题中的周期事件触发策略 |
| 5.3.2 异步通讯环境中的状态估计 |
| 5.3.3 基于双模策略的分布式优化问题 |
| 5.3.4 基于周期事件触发的协同预测控制算法 |
| 5.4 可行性与稳定性分析 |
| 5.4.1 递归可行性条件 |
| 5.4.2 稳定性分析 |
| 5.5 仿真验证 |
| 5.6 本章小结 |
| 第六章 全文总结与研究展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间参与的科研项目 |
（7）基于深度强化学习的非线性系统自适应优化控制（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 优化控制理论研究的发展历史 |
| 1.2 非线性系统优化控制的研究现状 |
| 1.3 深度强化学习的主要理论和方法 |
| 1.3.1 深度学习 |
| 1.3.2 强化学习 |
| 1.3.3 深度强化学习 |
| 1.4 基于深度强化学习求解优化控制问题的研究现状 |
| 1.5 本文的创作动机和结构安排 |
| 第二章 基于LDI神经网络的非线性系统自适应优化控制 |
| 2.1 问题描述 |
| 2.2 神经网络线性微分包含 |
| 2.3 非线性系统线性化处理 |
| 2.4 新的神经网络强化学习算法实现 |
| 2.4.1 在线策略迭代算法 |
| 2.4.2 算法的稳定性 |
| 2.4.3 算法的收敛性 |
| 2.4.4 算法实现 |
| 2.5 数值仿真 |
| 2.5.1 例1 |
| 2.5.2 例2 |
| 2.6 本章小结 |
| 第三章 基于生成式对抗网络的非线性系统自适应优化控制 |
| 3.1 问题描述 |
| 3.2 连续时间策略迭代算法 |
| 3.3 Q-学习算法 |
| 3.4 新的深度强化学习算法 |
| 3.4.1 生成式对抗网络 |
| 3.4.2 RL-GANs算法 |
| 3.4.3 网络的稳定性 |
| 3.4.4 算法的收敛性 |
| 3.5 数值仿真 |
| 3.5.1 模型构建 |
| 3.5.2 实验结果 |
| 3.6 本章小结 |
| 第四章 基于深度元强化学习的非线性系统自适应优化控制 |
| 4.1 问题描述 |
| 4.2 预测代价的元学习 |
| 4.3 编码-解码器 |
| 4.4 新的深度元强化学习算法 |
| 4.4.1 训练算法流程 |
| 4.4.2 测试算法流程 |
| 4.4.3 算法实现 |
| 4.5 实验结果 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文的主要工作及贡献 |
| 5.2 前景与展望 |
| 5.3 类脑控制模型构想 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
（8）具有外部干扰的多智能体系统协同优化控制（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多智能体系统协同控制 |
| 1.2.2 多智能体系统内部结构 |
| 1.2.3 系统有限时间控制 |
| 1.2.4 系统抗干扰控制 |
| 1.2.5 系统优化控制 |
| 1.3 预备知识 |
| 1.3.1 代数图论 |
| 1.3.2 基本概念与引理 |
| 1.4 本论文研究内容及创新点 |
| 1.5 本文章节安排 |
| 第2章 具有外部干扰的二阶多智能体系统领导跟随型一致性 |
| 2.1 引言 |
| 2.2 具有匹配干扰的多智能体系统的一致性 |
| 2.2.1 问题描述 |
| 2.2.2 状态观测器和干扰观测器设计 |
| 2.2.3 控制器设计及一致性问题分析 |
| 2.3 具有匹配干扰和不匹配干扰的多智能体系统的一致性 |
| 2.3.1 问题描述 |
| 2.3.2 干扰观测器设计和一致性问题分析 |
| 2.4 仿真验证 |
| 2.4.1 具有匹配干扰的多智能体系统一致性的系统仿真 |
| 2.4.2 具有匹配干扰和不匹配干扰的多智能体系统一致性的系统仿真 |
| 2.5 本章小结 |
| 第3章 具有不匹配干扰的多智能体系统有限时间包容控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 干扰观测器设计和控制器设计 |
| 3.4 二阶多智能体系统有限时间包容控制分析 |
| 3.5 仿真验证 |
| 3.6 本章小结 |
| 第4章 具有不匹配干扰的异构多智能体系统分布式最优控制 |
| 4.1 引言 |
| 4.2 基于LQR的异构多智能体系统领导跟随型分布式最优一致性 |
| 4.2.1 问题描述和控制器设计 |
| 4.2.2 性能指标函数设计和最优控制问题 |
| 4.2.3 异构系统的最优一致性分析 |
| 4.3 具有不匹配干扰的异构多智能体系统分布式有限时间最优一致性 |
| 4.3.1 问题描述 |
| 4.3.2 观测器设计和控制器设计 |
| 4.3.3 异构系统的有限时间最优一致性分析 |
| 4.4 仿真验证 |
| 4.4.1 基于LQR的异构系统的分布式最优一致性系统仿真 |
| 4.4.2 具有不匹配干扰的异构多智能体系统有限时间最优一致性系统仿真 |
| 4.5 本章小结 |
| 第5章 结论与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 作者简历 |
（9）智能网联环境下多智能体干线信号协同控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 略缩词注释表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 干线信号控制与效果评估 |
| 1.2.2 强化学习方法在多交叉口信号控制问题中的应用 |
| a.独立观察独立决策的多体控制 |
| b.统一联动控制 |
| c.状态信息共享的多体协同控制 |
| 1.3 研究目标、内容与技术路线 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容与技术路线 |
| 第二章 深度强化学习基础理论 |
| 2.1 马尔可夫决策过程 |
| 2.2 值函数与Q函数 |
| 2.3 Q-学习与深度Q网络 |
| 2.4 策略梯度法 |
| 2.5 Actor-Critic架构 |
| 2.6 小结 |
| 第三章 面向多交叉口信号控制场景的多智能体架构设计 |
| 3.1 多交叉口信号控制系统通讯网络拓扑 |
| 3.2 多智能体Actor-Critic架构 |
| 3.3 智能体设计 |
| 3.3.1 智能体观察域 |
| 3.3.2 奖励函数 |
| 3.3.3 智能体动作空间 |
| 3.4 小结 |
| 第四章 干线信号控制多智能体强化学习系统构建 |
| 4.1 干线信号控制特性分析 |
| 4.2 回报分解模块 |
| 4.2.1 MDP重构 |
| 4.2.2 基于LTSM的奖励信息贡献分析 |
| 4.2.3 基于信息贡献的奖励再分配 |
| 4.3 智能体神经网络结构 |
| 4.4 小结 |
| 第五章 仿真实验与分析 |
| 5.1 仿真实验设计 |
| 5.1.1 仿真环境设计 |
| 5.1.2 实验平台 |
| 5.1.3 训练设置 |
| 5.2 仿真结果分析 |
| 5.3 小结 |
| 第六章 总结与展望 |
| 6.1 研究内容总结 |
| 6.2 研究创新点 |
| 6.3 研究不足与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表论文及参与科研情况 |
（10）非线性时滞系统的分布式优化控制器设计与分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 回归优化控制研究现状 |
| 1.2.2 分布式优化控制研究现状 |
| 1.2.3 非线性时滞系统的优化控制问题研究现状 |
| 1.3 本文研究内容及章节安排 |
| 第2章 一类受约束非线性时滞系统的分布式优化控制问题 |
| 2.1 引言 |
| 2.2 问题阐述 |
| 2.3 主要结论 |
| 2.3.1 有界控制器设计 |
| 2.3.2 分布式优化控制设计 |
| 2.4 稳定性分析 |
| 2.5 仿真 |
| 2.6 结论 |
| 第3章 一类受制于时滞测量和通信干扰的非线性时滞系统的分布式优化控制问题 |
| 3.1 引言 |
| 3.2 问题阐述 |
| 3.2.1 系统描述 |
| 3.2.2 时滞测量和通信干扰模型 |
| 3.3 主要结论 |
| 3.3.1 有界控制器设计 |
| 3.3.2 分布式优化控制设计 |
| 3.4 稳定性分析 |
| 3.5 仿真 |
| 3.6 结论 |
| 第4章 一类受约束切换非线性时滞系统的分布式优化控制问题 |
| 4.1 引言 |
| 4.2 问题阐述 |
| 4.3 主要结论 |
| 4.3.1 有界控制器设计 |
| 4.3.2 分布式优化控制设计 |
| 4.4 稳定性分析 |
| 4.5 仿真 |
| 4.6 结论 |
| 第5章 总结与展望 |
| 参考文献 |
| 硕士期间研究成果 |
| 致谢 |
四、OPTIMAL CONTROL OF A CLASS OF DISTRIBUTED PARAMETER DELAY SYSTEMS（论文参考文献）
- [1]基于永磁风机并网技术的微电网优化运行研究[D]. 吴昊天. 华北电力大学(北京), 2021(01)
- [2]基于群智能的航站楼空调冷却水系统节能控制策略研究[D]. 陈时羽. 西安建筑科技大学, 2021(01)
- [3]电动汽车自动变速器多片离合器换挡控制[D]. 楚汉昆. 吉林大学, 2021(01)
- [4]考虑需求侧灵活性的综合能源系统可靠性评估研究[D]. 王盛. 浙江大学, 2021(09)
- [5]直流微电网分布式效率优化控制研究[D]. 王伟杰. 兰州理工大学, 2021(01)
- [6]分布式系统协调优化控制方法研究[D]. 周远强. 上海交通大学, 2020(01)
- [7]基于深度强化学习的非线性系统自适应优化控制[D]. 王成龙. 安徽大学, 2020(07)
- [8]具有外部干扰的多智能体系统协同优化控制[D]. 李玉玲. 鲁东大学, 2020(01)
- [9]智能网联环境下多智能体干线信号协同控制方法研究[D]. 王涵. 东南大学, 2020
- [10]非线性时滞系统的分布式优化控制器设计与分析[D]. 段玉星. 曲阜师范大学, 2020(02)