论文部分内容阅读
很多实际系统运行时会在不同的模式或不同的子系统间来回切换，这种系统被称为切换系统。切换系统的最优控制问题自然也随着切换系统的出现而产生。电力火车系统就是一个切换系统的实例，火车在运行的过程中要在不同的档位进行切换以达到一定的目标如较少的燃料消耗、污染物的排放尽量低、速度尽可能快、加速尽可能的平稳等等。到目前为止，大部分文献研究的切换系统最优控制问题都是确定性的，而现实世界中存在很多非决定性现象，这些现象会使系统偏离它的目标甚至会影响系统的正常运行。在研究这些非决定性现象时，如果有充足的样本，可以应用统计的方法得到概率分布。此时，概率论是研究这种客观不确定现象有力的数学工具。然而，在很多情况下，我们并没有充足的样本数据，于是就不得不采用专家的主观信度。业已证明，专家的信度通常比真实的频率有更大的方差。这使得应用概率论刻画专家的主观信度并不合适。为了研究通过专家信度给出的不确定量，2007年，清华大学的刘宝碇教授提出了一种不确定性理论，该理论已成为了一种研究主观不确定现象的数学系统。本文将Liu的不确定性理论与切换系统的最优控制相结合，研究了切换系统受到主观不确定因素干扰下的最优控制问题。 本文首先建立了期望值准则下的不确定切换系统的bang-bang控制模型，针对该模型推导了其最优性方程，应用最优性方程将问题分成两阶段求解。第一阶段固定切换时刻将问题转换为传统最优控制问题;第二阶段将切换时刻作为优化变量求解约束优化问题。当只有两个子系统时，利用了改进黄金分割法处理第二阶段的一维优化问题。 针对一类离散线性不确定切换系统，研究了在切换次数固定情况下的二次最优控制问题。利用离散动态规划方法，寻找到了最优切换序列和最优控制序列。为了提高计算效率，避免组合爆炸，我们采用了剪枝法，先局部后整体的修剪方法的效果通过两个数值例子得到了展示。算例表明文中所提到的剪枝法效率较高并且子系统越多，局部修剪的效果越好。对于不确定连续切换系统的线性二次最优控制模型，文中也进行了讨论。利用动态规划方法推导了该类问题的解析解，变异蚁群优化算法(MACO)被用于求解第二阶段的优化问题。 期望值是不确定变量在不确定测度意义下的平均值，是度量不确定变量大小最常用的方式，但有时期望值并不能反映事情的真实情况。文章最后一部分研究了乐观值准则下的不确定切换系统的最优控制问题，并设计了求解方法。遗传算法和粒子群算法被用于求解第二阶段的优化问题，并对两种算法的效果进行了比较。