最优化方法大作业

最优化方法大作业
最优化方法大作业

发动机空燃比控制器

引言:我主要从事自动化相关研究。这里介绍我曾经接触过的发动机空燃比控制器设计中的优化问题。

发动机空燃比控制器设计中的最优化问题

AFR =a

f

m m && (1)

空燃比由方程(1)定义,在发动机运行过程中如果控制AFR 稳定在14.7可以获

得最好的动力性能和排放性能。如果假设进入气缸的空气流量a

m &可以由相关单元检测得到,则可以通过控制进入气缸的燃油流量f m &来实现空燃比的精确控制。由于实际发动机的燃油喷嘴并不是直接对气缸喷燃油,而是通过进气歧管喷燃油,这么做会在进

气歧管壁上液化形成油膜,因此不仅是喷嘴喷出的未液化部分燃油会进入气缸,油膜

蒸发部分燃油也会进入气缸,如方程(2)。这样如何更好的喷射燃油成为了一个问题。

1110101122211ττττ??

??

-??

??????????=+????????-????????????-????

?

???

??

?????????

?f f

f v X x x u x x X x y =x && (2)

其中12、,==ff fv x m x m &&=f y m &,=fi u m &这里面,表示油膜蒸发量ff m &、fv

m &表示为液化部分燃油、fi

m &表示喷嘴喷射的燃油,在τf 、τv 、X 都已知的情况下,由现代控制理论知识,根据系统的增广状态空间模型方程(3)

0000001

1

011011114.70ττττ????-??

??????????=-+-???????????????

???????????????

??

??=??????

f

f v v a X X u +q q m y q x x x &&& (3)

其中()0

14.7?t

a

q =

y -m

&。由极点配置方法,只要设计控制器方程(4),就可以

使得y 无差的跟踪阶跃输入,那么y 也能较好的跟踪AFR *a

m /&。 12-- u =K q K x (4)

这里面的12、K K 确定,可由主导极点概念降维成两个参数12C ,C ,虽然都是最终稳态无差,但是目标是使得瞬态过程中y 和阶跃输入y r 的差异尽可能的小。所以原问

题转化成了一个关于参数的12C ,C 的,以()()2

=

-?W r c y y 为目标函数的优化问题。

这里面由于无法写出参数与目标函数的显示表达式,从而也就无法使用和导数有关的优化方法。

所以我选择用坐标轮换法,由于坐标轮换法,局部寻优性能好,且不需要事先知道函数的导数。

在matlab7.10.0上对其进行仿真试验(程序见附录)。假设进入气缸的空气质量流量已知,并且已经适当量化,假设状态值已经由状态观测器测量得到,在τf = 1s 、

τv = 60ms 、X = 0.5时按上述方法设计控制器。坐标轮换法的精度10.051ε??=??,a ,b

其中,11001010,''????==????a ,b ,为12'????c ,c 的初次搜索区间;基于阶跃响应的系统性

能指标()()2

=

-?W r c y y ,通过坐标轮换法得到最优参数1 4.0542,0.9544,

2**

=-=c c 得到最优极点1 4.0542+0.9544, 4.05420.92λλ**=-=--j 544j ,将最优极点带入爱克曼公式得到反馈增益矩阵9.7820,4.4379,43.3499??-??=K ,进一步得到控制器:

()

9.7820,4.437943.349914.7??????=---*-??????

ff

fi a f fv m m m

m m &&&&& (5) 画出最后的仿真跟踪效果图,如图1,可见坐标轮换法很好的完成了任务。

图1 f

m &对14.7a m &的跟踪效果

从而使得发动机空燃比的变化如图2。

图2 空燃比变化

time(sec)

time(sec)

空燃比

主函数

tf = 1;

tv = 0.06; X=0.5;

k0 = 10000000;

k = 0;

A = [-1/tf 0;0 -1/tv];

tf0 = 1;

tv0 = 0.06;

X0 = 0.5;

A1 = [-1/tf0 0;0 -1/tv0];

B1 = [X0/tf0 (1-X0)/tv0]';

C = [1 1];

D = 0;

AA = [A1 zeros(2,1);C 0];

BB = [B1 ;0];

P = zblh();

P

J = [-10*sqrt(P(1)*P(1)+P(2)*P(2)) (-P(1)+P(2)*1i) (-P(1)-P(2)*1i)];

K = acker(AA, BB, J)

K1 = [K(1) K(2)];K2 = K(3);

-10*sqrt(P(1)*P(1)+P(2)*P(2))

Ac = [(A-B*K1) -B*K2;C 0];

Bc = [0;0;-1];

Cc = [C 0];

Dc = 0;

hold on;

sys = ss(Ac,Bc,Cc,Dc);

a1 = 0:0.01:3;

b1 = 1+0*a1;

a2 = 3.01:0.01:4;

b2 = 1+(a2-3);

a3 = 4.01:0.01:6;

b3 = 2+0*a3;

a4 = 6.01:0.01:10;

b4 = 2+(a4-6)/2;

a5 = 10.01:0.01:14;

b5 = 4+0*a5;

a6 = 14.01:0.01:17;

b6 = 4-(a6-14);

a7 = 17.01:0.01:20;

b7 = 1+0*a7;

t0 = [a1 a2 a3 a4 a5 a6 a7];

u0 = [b1 b2 b3 b4 b5 b6 b7];

x0 = [0.5 0.5 -0.1769]';

[y0,t0,x] = lsim(sys,u0,t0,x0);

x1 = [1 0 0 ]*x';

x2 = [0 1 0]*x';

x3 = [0 0 1]*x';

x = [x1;x2];

u = -K1*x-K2*x3;

l = u0./y0';

hold on;

plot(t0,u0,'-');

plot(t0,y0,':');

xlabel('time(sec)')

ylabel('Output')

zblu()坐标轮换法函数

function [ R ] = zblh( )

m = 0;

n = 10;

x2 = m + 0.618*(n-m);

f2 = wch(x2,0.5);

x1 = m + 0.382*(n-m);

f1 = wch(x1,0.5);

M = 0;

N = 10;

y2 = M + 0.618*(N-M);

F2 = wch(1,y2);

y1 = M + 0.382*(N-M);

F1 = wch(1,y1);

flag = 1;

a = 0.5;

b = 0.5;

k1 = 0;

k2 = 0;

while(abs(abs(m-n)+abs(M-N))>0.05) if flag ~= 0

k1 = k1 + 1;

if f1 < f2

n = x2;

x2 = x1;

f2 = f1;

x1 = m + 0.382*(n-m);

f1 = wch(x1,b);

else if f1 == f2;

m = x1;

n = x2;

x2 = m + 0.618*(n-m); f2 = wch(x2,b);

x1 = m + 0.382*(n-m); f1 = wch(x1,b);

else

m = x1;

x1 = x2;

f1 = f2;

x2 = m + 0.618*(n-m); f2 = wch(x2,b);

end

end

a = (m+n)/2;flag = 0;

else

k2 = k2 +1;

if F1 < F2

N = y2;

y2 = y1;

F2 = F1;

y1 = M + 0.382*(N-M);

F1 = wch(a,y1);

else if F1 == F2;

M = y1;

N = y2;

y2 = M + 0.618*(N-M); F2 = wch(a,y2);

y1 = M + 0.382*(N-M);

F1 = wch(a,y1);

else

M = y1;

y1 = y2;

F1 = F2;

y2 = M + 0.618*(N-M);

F2 = wch(a,y2);

end

end

b = (M+N)/2;flag = 1;

end

end

k1

k2

R = [a b]

end

目标函数

function [ f ] = wch(a,b)

tf = 1;

tv = 0.06;

X=0.5;

k0 = 10000;

k = 0;

A = [-1/tf 0;0 -1/tv];

tf0 = 1;

A1 = [-1/tf0 0;0 -1/tv];

B = [X/tf (1-X)/tv]';

B1 = [X/tf0 (1-X)/tv]';

C = [1 1];

D = 0;

AA = [A1 zeros(2,1);C 0];

BB = [B1 ;0];

J = [-10*sqrt(a*a+b*b) (-a+b*1i) (-a-b*1i)]; K = acker(AA, BB, J);

K1 = [K(1) K(2)];K2 = K(3);

Ac = [(A-B*K1) -B*K2;C 0];

Bc = [0;0;-1];

Cc = [C 0];

Dc = 0;

t0 = 0:0.01:4;

yn = heaviside(t0);

sys = ss(Ac,Bc,Cc,Dc);

u0 = heaviside(t0);

y0 = lsim(sys,u0,t0);

for t0 = 1:400;

kn = (yn(t0) - y0(t0))*(yn(t0) - y0(t0)); k = k+kn;

end

f = k;

end

北航最优化方法大作业参考

北航最优化方法大作业参考

1 流量工程问题 1.1 问题重述 定义一个有向网络G=(N,E),其中N是节点集,E是弧集。令A是网络G的点弧关联矩阵,即N×E阶矩阵,且第l列与弧里(I,j)对应,仅第i行元素为1,第j行元素为-1,其余元素为0。再令b m=(b m1,…,b mN)T,f m=(f m1,…,f mE)T,则可将等式约束表示成: Af m=b m 本算例为一经典TE算例。算例网络有7个节点和13条弧,每条弧的容量是5个单位。此外有四个需求量均为4个单位的源一目的对,具体的源节点、目的节点信息如图所示。这里为了简单,省区了未用到的弧。此外,弧上的数字表示弧的编号。此时,c=((5,5…,5)1 )T, ×13 根据上述四个约束条件,分别求得四个情况下的最优决策变量x=((x12,x13,…,x75)1× )。 13 图 1 网络拓扑和流量需求

1.2 7节点算例求解 1.2.1 算例1(b1=[4;-4;0;0;0;0;0]T) 转化为线性规划问题: Minimize c T x1 Subject to Ax1=b1 x1>=0 利用Matlab编写对偶单纯形法程序,可求得: 最优解为x1*=[4 0 0 0 0 0 0 0 0 0 0 0 0]T 对应的最优值c T x1=20 1.2.2 算例2(b2=[4;0;-4;0;0;0;0]T) Minimize c T x2 Subject to Ax2=b2 X2>=0 利用Matlab编写对偶单纯形法程序,可求得: 最优解为x2*=[0 4 0 0 0 0 0 0 0 0 0 0 0]T 对应的最优值c T x2=20 1.2.3 算例3(b3=[0;-4;4;0;0;0;0]T) Minimize c T x3 Subject to Ax3=b3 X3>=0 利用Matlab编写对偶单纯形法程序,可求得: 最优解为x3*=[4 0 0 0 4 0 0 0 0 0 0 0 0]T 对应的最优值c T x3=40

《最优化方法》复习题(含答案)

《最优化方法》复习题(含答案)

附录5 《最优化方法》复习题 1、设n n A R ?∈是对称矩阵,,n b R c R ∈∈,求1()2 T T f x x Ax b x c =++在任意点x 处的梯度和Hesse 矩阵. 解 2(),()f x Ax b f x A ?=+?=. 2、设()()t f x td ?=+,其中:n f R R →二阶可导,,,n n x R d R t R ∈∈∈,试求()t ?''. 解 2()(),()()T T t f x td d t d f x td d ??'''=?+=?+. 3、设方向n d R ∈是函数()f x 在点x 处的下降方向,令 ()()()()() T T T T dd f x f x H I d f x f x f x ??=--???, 其中I 为单位矩阵,证明方向()p H f x =-?也是函数()f x 在点x 处的下降方向. 证明 由于方向d 是函数()f x 在点x 处的下降方向,因此()0T f x d ?<,从而 ()()()T T f x p f x H f x ?=-?? ()()()()()()()() T T T T T dd f x f x f x I f x d f x f x f x ??=-?--???? ()()()0T T f x f x f x d =-??+?<, 所以,方向p 是函数()f x 在点x 处的下降方向. 4、n S R ?是凸集的充分必要条件是12122,,,,,,,,m m m x x x S x x x ?≥?∈L L 的一切凸组合都属于S . 证明 充分性显然.下证必要性.设S 是凸集,对m 用归纳法证明.当2m =时,由凸集的定义知结论成立,下面考虑1m k =+时的情形.令1 1k i i i x x λ+==∑, 其中,0,1,2,,1i i x S i k λ∈≥=+L ,且1 1 1k i i λ+==∑.不妨设11k λ+≠(不然1k x x S +=∈, 结论成立),记11 1k i i i k y x λλ=+=-∑ ,有111(1)k k k x y x λλ+++=-+,

最优化方法大作业答案

1.用薄钢板制造一体积5m 3,长度不小于4m ,无上盖的货箱,要求钢板耗量最小。确定货箱的长x 1、宽x 2和高x 3。试列出问题的数学模型。 解:min 32312122x x x x x x z ++= s.t 5321=x x x 41≥x 0,,321≥x x x 2.将下面的线性规划问题表示为标准型并用单纯形法求解 max f=x 1+2x 2+x 3 s .t .2x 1+x 2-x 3≤2 -2x 1+x 2-5x 3≥-6 4x 1+x 2+x 3≤6 x i ≥0 i=1,2,3 解:先化标准形: Min 321x x x z -+= 224321=+-+x x x x 6525321=++-x x x x 646321=+++x x x x 列成表格:

1 2 1 610011460105122001112----- 可见此表已具备1°,2°,3°三个特点,可采用单纯形法。首先从底行中选元素-1,由2/2,6/2,6/4最小者决定选第一行第一列的元素2,标以记号,迭代一次得 1 2 1 2102310401162010021212 11-------- 再从底行中选元素-2/3,和第二列正元素1/2,迭代一次得 1 2 12 32 30 210231040116201002121211- ------ 再从底行中选元素-3,和第二列正元素2,迭代一次得 4 2 3 3 410120280114042001112--- 再迭代一次得 10 2 30 2 10 6 221023 1010213000421021013-- 选取最优解:

北航博士研究生培养方案

交通科学与工程学院 道路与铁道工程(082301) 博士研究生培养方案 一、适用学科 道路与铁道工程(081401) 二、培养目标 1.坚持党的基本路线,热爱祖国,遵纪守法,品行端正,诚实守信,身心健康,具有良好的科研道德和敬业精神。 2.适应科技进步和社会发展的需要,在本学科上掌握坚实宽广的基础理论和系统深入的专门知识;熟练掌握一门外语;具有独立从事科学研究的能力;具有良好的综合素质。 3.在科学或专门技术上做出创造性的成果。 三、培养方向 1.道路与铁道工程的检测与加固; 2.土木工程结构分析与设计理论; 3.岩土本构理论及工程应用; 4.土木工程施工技术与材料; 5.工程结构仿真。 四、学制 学历博士研究生学制为3年。 博士研究生一般在入学后1年内完成课程学习,应在文献综述与开题报告前完成课程学分,应在博士论文答辩前完成全部学分和培养要求的有关环节。 鼓励博士研究生从入学开始就进行学位论文研究工作;文献综述与开题报告至申请学位论文答辩的时间间隔不得少于1年。 五、知识结构、课程设置与学分要求 1.知识结构要求 (1)基础理论与专业基础知识 高等工程数学与数学基础(数值分析、数理统计、矩阵理论、最优化理论与算法、数理方程、常微分方程、数学试验),专业基础知识(变分与有限元素法原理、高等混凝土结构、高等土力学、高等土木工程材料学、高等结构动力学、工程结构可靠度、工程塑性力学)。 (2)专业综合知识 混凝土结构非线性分析,高等钢结构,混凝土徐变力学,基础工程学,建设项目管理,高等岩石力学,建筑结构健康诊治,混凝土结构试验,岩土工程测试技术,建筑结构无损检测技术,土动力学,建筑结构有限元分析与应用,组合结构,城市地下工程,理论土力学与现代岩石测试技术,道路与铁道工程学科综合课。 (3)学科前沿与交叉学科知识 现代工程结构进展,材料科学进展,空间数据处理,科技信息检索与利用,科学

最优化方法大作业

发动机空燃比控制器 引言:我主要从事自动化相关研究。这里介绍我曾经接触过的发动机空燃比控制器设计中的优化问题。 发动机空燃比控制器设计中的最优化问题 AFR =a f m m && (1) 空燃比由方程(1)定义,在发动机运行过程中如果控制AFR 稳定在14.7可以获 得最好的动力性能和排放性能。如果假设进入气缸的空气流量a m &可以由相关单元检测得到,则可以通过控制进入气缸的燃油流量f m &来实现空燃比的精确控制。由于实际发动机的燃油喷嘴并不是直接对气缸喷燃油,而是通过进气歧管喷燃油,这么做会在进 气歧管壁上液化形成油膜,因此不仅是喷嘴喷出的未液化部分燃油会进入气缸,油膜 蒸发部分燃油也会进入气缸,如方程(2)。这样如何更好的喷射燃油成为了一个问题。 1110101122211ττττ?? ?? -?? ??????????=+????????-????????????-???? ? ??? ?? ????????? ?f f f v X x x u x x X x y =x && (2) 其中12、,==ff fv x m x m &&=f y m &,=fi u m &这里面,表示油膜蒸发量ff m &、fv m &表示为液化部分燃油、fi m &表示喷嘴喷射的燃油,在τf 、τv 、X 都已知的情况下,由现代控制理论知识,根据系统的增广状态空间模型方程(3) 0000001 1 011011114.70ττττ????-?? ??????????=-+-??????????????? ??????????????? ?? ??=?????? f f v v a X X u +q q m y q x x x &&& (3) 其中()0 14.7?t a q = y -m &。由极点配置方法,只要设计控制器方程(4),就可以 使得y 无差的跟踪阶跃输入,那么y 也能较好的跟踪AFR *a m /&。 12-- u =K q K x (4) 这里面的12、K K 确定,可由主导极点概念降维成两个参数12C ,C ,虽然都是最终稳态无差,但是目标是使得瞬态过程中y 和阶跃输入y r 的差异尽可能的小。所以原问

最优化原理大作业

基于粒子群算法的神经网络在电液伺服系统中的应用 摘要:由于人工神经网络在解决具有非线性、不确定性等系统的控制问题上具有极大的潜力,因而在控制领域正引起人们的极大关注,并且已在一些响应较慢的过程控制中获得成功应用。由于电液伺服系统属 于非线性系统,因此本文利用神经网络控制电液伺服系统,并利用粒子群优化算法训练该神经网络的 权值。通过对神经网络的优化实现对电液伺服系统的控制。 关键词:神经网络电液伺服系统粒子群算法优化 近年来,由于神经网络具有大规模并行性、冗余性、容错性、本质的非线性及自组织自学习自适应能力,所以已成功地应用于众多领域。但在具有复杂非线性特性的机电设备的实时控制方面,虽然也有一些神经网络技术的应用研究,但距实用仍有一段距离。电液伺服系统就属于这类设备[1]。 神经网路在用于实时控制时,主要是利用了网络所具有的其输人——输出间的非线性映射能力。它实际上是通过学习来逼近控制对象的动、静态特性。也就是构造实际系统的神经网络模型[2]。本文利用神经网络控制一电液伺服系统,并利用粒子群优化算法训练该神经网络的权值,将结果与BP神经网络控制该系统的结果进行比较。从而得在电液伺服系统中引入神经网络是可行的。 1、粒子群算法 粒子群优化算法(Particle Swarm optimization, PSO)是一种进化计算技术, 由Eberhart博士和kennedy博士发明, 源于对鸟群捕食的行为研究, 粒子群优化算法的基本思想是通过群体中个体之间的协作和信息共享来寻找最优解[3]。算法最初受到飞鸟和鱼类集群活动的规律性启发,利用群体智能建立了一个简化模型,用组织社会行为代替了进化算法的自然选择机制,通过种群间个体协作来实现对问题最优解的搜索[4]。 在找到这两个最优值时, 粒子根据如下的公式来更新自己的速度和新的位置 v[]=v[]+c1*rand()*(pbest[]-present[]) + c2*rand()*(gbest[]-present[]) present[]=persent[]+v[] 式中ω为惯性权重,ω取大值可使算法具有较强的全局搜索能力,ω取小值则算法倾向于局部搜索。一般的做法是将ω初始取0.9并使其随迭代次数的增加而线性递减至0.4,这样就可以先侧重于全局搜索,使搜索空间快速收敛于某一区域,然后采用局部精细搜索以获得高精度的解;c1、c2为两个学习因子,一般取为2;randl和rand2为两个均匀分布在(0,l)之间的随机数;i=1,2,?,m;k=1,2,?,d。另外,粒子在每一维的速度Vi都被一个最大速度Vmax所限制。如果当前粒子的加速度导致它在某一维的速度 超过该维上的最大速度Vmax,则该维的速度被限制为最大速度[5]。 粒子群算法流程如下: (一)初始化粒子群。设群体规模为m,在允许的范围内随机设置粒子的初始位置和速 度。 (二)评价每个粒子的适应值。 (三)调整每一个粒子的位置和速度。 (四)如果达到最大迭代次数genmax或误差达到最初设定数值终止迭代,否则返回(2)。 2、神经网络 神经网络一般由输入层、隐含层、输出层组成。对于输入信号,先向前传播到隐节点,经过节点作用函数后,再把隐节点的输出信息传播到输出节点,最后输出结果。节点的作用函数通常选取S 型函数f(x)=1/(1+e-x)。神经网络算法的学习过程分为正

全日制工程硕士研究生培养方案-北航研究生院-北京航空航天大学

大型飞机高级人才培养班 航空工程全日制工程硕士研究生培养方案 一、适用类别或领域 航空工程(085232) 二、培养目标 材料工程、电子与通信工程、控制工程、航空工程领域全日制工程硕士 (以下简称航空工程等领域全日制工程硕士)是与以上各工程领域任职资格相联系的专业学位,主要为国民经济和国防建设等领域培养应用型、复合型高层次工程技术和工程管理人才。大飞机班旨在探索一条“以国家大型项目人才需求为索引,培养具有献身精神、团结协作精神、开拓创新精神的设计型和复合型人才”的研究生培养新模式,是北航研究生培养体系的一部分。 航空工程等领域全日制工程硕士培养的基本要求是: 1、坚持党的基本路线,热爱祖国、遵纪守法、品行端正、诚实守信、身心健康,具有良好的科研道德和敬业精神。 2、在本领域掌握坚实的基础理论和系统的专门知识,有较宽的知识面和较强的自立能力,具有大飞机设计、制造、运营、管理等领域需求的创造能力和工程实践能力。 3、掌握一门外国语。 三、培养模式及学习年限 1.航空工程等领域全日制工程硕士研究生培养实行导师负责制,或以导师为主的指导小组制,负责制订硕士研究生个人培养计划,选课、组织开题报告、论文中期检查、指导科学研究和学位论文,并与中国商飞、第一飞机设计研究院、西飞公司等航空企业联合培养,实行导师组指导。 2.硕士研究生一般用1学年完成课程学习,课程学习实行学分制,具体学习、考核及管理工作执行《北京航空航天大学研究生院关于研究生课程学习管理规定》。 3.专业实习是全日制工程硕士研究生培养中的重要环节,全日制工程硕士研究生在学期间,应保证不少于0.5年的工程实践。 4.学位论文选题应来源于航空工程等领域工程技术背景。鼓励实行双导师制,其中第一导师为校内导师,校外导师应是与本工程领域相关的专家,也可以根据学生的论文

北航惯性导航大作业

惯性导航基础课程大作业报告(一)光纤陀螺误差建模与分析 班级:111514 姓名: 学号 2014年5月26日

一.系统误差原理图 二.系统误差的分析 (一)漂移引起的系统误差 1. εx ,εy ,εz 对东向速度误差δVx 的影响 clc;clear all; t=1:0.01:25; g=9.8; L=pi/180*39; Ws=2*pi/84.4*60; Wie=2*pi/24; R=g/(Ws)^2; e=0.1*180/pi; mcVx1=e*g*sin(L)/(Ws^2-Wie^2)*(sin(Wie*t)-Wie*sin(Ws*t)/Ws); mcVx2=e*((Ws^2-(Wie^2)*((cos(L))^2))/(Ws^2-Wie^2)*cos(Ws*t)-(Ws^2)*((sin(L))^2)*cos(Wi e*t)/(Ws^2-Wie^2)-(cos(L))^2); mcVx3=(sin(L))*(cos(L))*R*e*((Ws^2)*cos(Wie*t)/(Ws^2-Wie^2)-(Wie^2)*cos(Ws*t)/(Ws^2-Wi e^2)-1); plot(t,[mcVx1',mcVx2',mcVx3']); title('Ex,Ey,Ez 对Vx 的影响'); xlabel('时间t'); ylabel('Vx(t)'); 0,δλδL ,v v δδ

legend('Ex-mcVx1','Ey-mcVx2','Ez-mcVx3'); grid; axis square; 分析:εx,εy,εz对东向速度误差δVx均有地球自转周期的影响,εx,εy还会有舒勒周期分量的影响,其中,εy对δVx的影响较大。 2.εx,εy,εz对东向速度误差δVy的影响 clc;clear all; t=1:0.01:25; g=9.8; L=pi/180*39; Ws=2*pi/84.4*60; Wie=2*pi/24; R=g/(Ws)^2; e=0.1*180/pi; mcVy1=e*g*(cos(Wie*t)-cos(Ws*t))/(Ws^2-Wie^2); mcVy2=g*sin(L)*e/(Ws^2-Wie^2)*(sin(Wie*t)-Wie/Ws*sin(Ws*t)); mcVy3=g*cos(L)*e/(Ws^2-Wie^2)*(sin(Wie*t)-Wie/Ws*sin(Ws*t)); plot(t,[mcVy1',mcVy2',mcVy3']); title('Ex,Ey,Ez对Vy的影响'); xlabel('时间t'); ylabel('Vy(t)'); legend('Ex-mcVy1','Ey-mcVy2','Ez-mcVy3'); grid; axis square;

北航经济管理复习纲要(From xx_buaa)

固定资产:使用期限较长,单位价值在规定标准以上,在生产过程中为多个生产周期服务,在使用过程中保持原来物质形态的资产。 流动资产:可以在一年或虽然超过一年但仍然是一个生产经营周期内变现或耗用的资产。 无形资产:指没有物质实体而以某种特殊权利和技术知识等资源形态存在并发挥作用的资产。 递延资产:只不能全部计入当期损益,需要分期摊销计入成本的各项费用。 折旧:固定资产由于其价值在多个时期内损耗降低的部分 固定资产折旧:固定资产由于其价值在多个时期内损耗降低的部分。 资金的时间价值:资金在使用中随时间推移所发生的增值。 边际收益:当影响收益的产量或投入要素增加一个单位所增的收益。 边际成本:边际成本指的是每一单位新增生产的产品带来到总成本的增量。 边际利润:单位产量所增加的销售单价扣除边际成本的值。 机会成本:在有限资源及该资源多用途条件下,将该资源用于某种用途而放弃的可能用于其它用途形成的最大代价(付出)。 价值工程:以最低寿命周期成本,可靠地实现必要功能,以功能分析为核心,以提高产品或作业价值为目的的有组织的技术经济活动。 并行工程:是对产品及其相关过程,包括制造过程和支持过程,进行并行、一体化设计的一种系统化方法,目标是降低成本、提高生产率、加快上市速度。 4P(营销组合):市场营销中指产品、价格、渠道与促销。 系统:(钱学森)系统是由相互作用和相互依赖的若干组成部分(要素)结合而成的具有特定功能的有机整体。 市场经济:商品在市场上的价格完全由供需双方决定,没有任何一方(例如政府)加以干涉。 简述全面质量管理的内涵 质量管理仅靠数理统计方法是不够的,还需要一系列的组织管理工作;质量管理活动必须对质量、价格、交货期和服务进行综合考虑,而不仅仅只考虑质量;产品质量的产生、形成和实现过程包括了从市场研究到销售和服务的螺旋上升的循环过程,所以质量管理必须是全过程的管理;产品质量必须同成本联系起来考虑 试说明价格下降使需求量增加的原因 (1)价格降低后,消费者可以用同样的钱买到比此前更多的东西。这相当于消费者实际收入的提高,因而使需求量有所增加。这是由于价格变化所产生的“收入效应”而引起的需求量的增加。 (2)价格降低后,人们会把对替代品的需求转移到这种商品上来,因而使这种商品的需求量增加,这是由于价格变化所产生的“替代效应”引起的。 试述市场均衡价格是怎样形成的 如果市场价格高于均衡价格,,则供给量>均衡产量,此时,卖者找不到足够的买主,就会降低价格;如果市场价格低于均衡价格,,则供给量小于均衡产量,,此时,买者不能如数买到想要的东西,就会抬高价格。如果市场价格等于均衡价格,供给量等于需求量,买者想买的量等于卖者想卖得量,市场达到均衡。 试述系统工程的基本观点 系统整体性观点不着重强调系统单个元素的最优,而是强调整个系统就其功能而言效果最优。 相关与制约观点元素之间存在关系,并且这种关系可以表达。强调尽量地定量或用图表描述出各元素之间或各子系统之间的关系。 系统模拟观点系统可以建立模型,模型是原系统的简化系统,一般要求它具有原系统的主要性能。建模是分析、研究的基础。 系统优化观点 简述开展价值工程工作的六个主要步骤 运用[价值工程]方法开发产品需要按六个步骤(阶段)进行,其分别是:信息收集、创意构想、评估判断、细部发展、汇报审批和追踪实践。 第一步骤的信息收集,包括了设计理念(含功能、条件、标准…等)、成本估价资料、现场状况…等,尽量列出可能的范围,再透过机能(Function)定义和评估,找出标的物中的主要机能(必须是具备的机能),和次要机能(非绝对必要,是用来辅助主要机能)。也就是借着了解问题和机能分析,去筛选和找出问题所在(高成本或成本不合理的项目)。第二步骤是创意构想阶段,这个阶段是在小组成员都对问题充份了解之后针对主要机能开始做脑力激荡,这时候大家仅提构想(方案),不对构想做任何批评,也不考量方案的可行性,大家完全拋开传统模式的思考,让思想任意遨游,经由这个阶段,经常能产生一些具创新性的构想。 第三步骤是评估判断阶段,是对上阶段所提出的各项构想(方案)加以评估分析,首先可删除那些不可行的方案,再对剩余的可行方案做优缺点分析,并依节省成本的潜力及机能的改善做评估,及排列先后次序,然后取其优者,进入下一步的细部发展。 第四步骤,细部发展阶段,对选取之替代方案,就成本、可行性、节省之成本(或提升之机能)做详细完整的叙述。第五步骤,汇报审批阶段,将上阶段所做的报告书对业主做口头报告,这时候业主的接受与否决定了建议方案的是否执行。 第六步骤,追踪与实践,业主接受建议之后,下一个阶段就是落实该建议的执行。因此,这阶段的工作是要追踪确认接受的替代方案已纳入设计中,并协助业主消除替代方案执行的可能障碍。

最优化方法复习题

《最优化方法》复习题 一、 简述题 1、怎样判断一个函数是否为凸函数. (例如: 判断函数212 2 212151022)(x x x x x x x f +-++=是否为凸函数) 2、写出几种迭代的收敛条件. 3、熟练掌握利用单纯形表求解线性规划问题的方法(包括大M 法及二阶段法). 见书本61页(利用单纯形表求解); 69页例题 (利用大M 法求解、二阶段法求解); 4、简述牛顿法和拟牛顿法的优缺点. 简述共轭梯度法的基本思想. 写出Goldstein 、Wolfe 非精确一维线性搜索的公式。 5、叙述常用优化算法的迭代公式. (1)0.618法的迭代公式:(1)(), ().k k k k k k k k a b a a b a λτμτ=+--??=+-? (2)Fibonacci 法的迭代公式:11 1(),(1,2,,1)() n k k k k k n k n k k k k k n k F a b a F k n F a b a F λμ---+--+? =+-??=-? ?=+-?? L . (3)Newton 一维搜索法的迭代公式: 1 1k k k k x x G g -+=-. (4)推导最速下降法用于问题1min ()2 T T f x x Gx b x c = ++的迭代公式: 1()T k k k k k T k k k g g x x f x g G gx +=-? (5)Newton 法的迭代公式:211[()]()k k k k x x f x f x -+=-??.

(6)共轭方向法用于问题1min ()2 T T f x x Qx b x c = ++的迭代公式: 1()T k k k k k T k k f x d x x d d Qd +?=-. 二、计算题 双折线法练习题 课本135页 例3.9.1 FR 共轭梯度法例题:课本150页 例4.3.5 二次规划有效集:课本213页例6.3.2, 所有留过的课后习题. 三、练习题: 1、设n n A R ?∈是对称矩阵,,n b R c R ∈∈,求1()2 T T f x x Ax b x c =++在任意点x 处的梯度和Hesse 矩阵. 解 2(),()f x Ax b f x A ?=+?=. 2、设()()t f x td ?=+,其中:n f R R →二阶可导,,,n n x R d R t R ∈∈∈,试求()t ?''. 解 2()(),()()T T t f x td d t d f x td d ??'''=?+=?+. 3、证明:凸规划min ()x S f x ∈的任意局部最优解必是全局最优解. 证明 用反证法.设x S ∈为凸规划问题min ()x S f x ∈的局部最优解,即存在x 的某 个δ邻域()N x δ,使()(),()f x f x x N x S δ≤?∈I .若x 不是全局最优解,则存在 x S ∈%,使()()f x f x <%.由于()f x 为S 上的凸函数,因此 (0,1)λ?∈,有 ((1))()(1)()()f x x f x f x f x λλλλ+-≤+-<%%. 当λ充分接近1时,可使(1)()x x N x S δλλ+-∈%I ,于是()((1))f x f x x λλ≤+-%,矛盾.从而x 是全局最优解.

最优化方法大作业答案

武工院你们懂的 1.用薄钢板制造一体积5m 3,长度不小于4m ,无上盖的货箱,要求钢板耗量最小。确定货箱的长x 1、宽x 2和高x 3。试列出问题的数学模型。 解:min 32312122x x x x x x z ++= s.t 5321=x x x 41≥x 0,,321≥x x x 2.将下面的线性规划问题表示为标准型并用单纯形法求解 max f=x 1+2x 2+x 3 s .t .2x 1+x 2-x 3≤2 -2x 1+x 2-5x 3≥-6 4x 1+x 2+x 3≤6 x i ≥0 i=1,2,3 解:先化标准形: Min 321x x x z -+= 224321=+-+x x x x 6525321=++-x x x x 646321=+++x x x x

列成表格: 00001216 100114 60105122001112----- 可见此表已具备1°,2°,3°三个特点,可采用单纯形法。首先从底行中选元素-1,由2/2,6/2,6/4最小者决定选第一行第一列的元素2,标以记号,迭代一次得 0000 1 2 121023 10 40116201002 1 21 211-------- 再从底行中选元素-2/3,和第二列正元素1/2,迭代一次得 1 002 1232 30210231 040116201002121211-- ----- 再从底行中选元素-3,和第二列正元素2,迭代一次得 4002 3 03410120280114042001112--- 再迭代一次得

10 23021 062 21023 1010 213 000421 2 10 13- - 选取最优解: 01=x 42=x 23=x 3. 试用DFP 变尺度法求解下列无约束优化问题。 min f (X )=4(x 1-5)2+(x 2-6)2 取初始点X=(8,9)T ,梯度精度ε=0.01。 解:取I H =0,初始点()T X 9,8= 2221)6()5(4)(-+-=x x x f ??????--=?122408)(21x x x f ???? ??=?624)() 0(x f T x f d )6,24()()0()0(--=-?= )0(0)0()1(d x x α+= T )69,248(00αα--= ])669()5248(4min[)(min 2020)0(0)0(--+--?=+αααd x f )6()63(2)24()2458(8) (00)0(0)0(=-?-+-?--=+ααααd d x df 13077.013017 0≈= α ???? ??=???? ??--?+???? ??=21538.886153.462413077.098)1(x

北航飞行器多学科设计优化复习题

飞行器多学科设计优化复习题 1.优化设计问题的三要素是什么?给出一个优化设计问题的例子,分别说明三个要素的具体内容。 三要素分别是设计变量,约束条件和目标函数。 以结构优化设计为例,设计变量可能是蒙皮厚度,前后翼梁缘条厚度,前后翼梁腹板厚度等结构参数;约束条件是机翼强度要求、刚度要求等目标函数是最小化结构重量。 2.飞行器设计一般分哪几个阶段?飞行器多学科优化设计有什么意义? 飞行器设计分三个阶段:概念设计、初步设计、详细设计。 飞行器MDO的意义为: (1)MDO符合系统工程的思想。能有效提高飞行器的设计质量 (2)MDO为飞行器设计提供了一种并行设计模式。 (3)MDO的设计模式与飞行器设计组织体制一致,能够实现更高程度的自动化。 (4)MDO的模块化结构使飞行器设计过程具有很强的灵活性。 3.在飞行器设计过程中,多学科设计优化方法与传统设计方法之间有哪些相同和不同点。 传统的飞行器设计优化中,采取的是一种串行的设计模式,往往首先进行性能设计优化,然后进行结构、操纵和控制系统设计优化,最后进行工艺装备设计。在传统的方法中,各个学科任务成了实现系统设计的最基本单元,影响飞机性能的气动、推进、结构和控制等学科被人为地割裂开来,各学科之间相互耦合所产生的协同效应并未被充分考虑进去,这可能导致失去系统的整体最优解,串行的模式也使得设计时间周期和成本大大增加。 而多学科优化设计技术是一种并行设计模式,它以各子系统、学科的优化设计为基础,在飞行器各个阶段力求各学科的平衡,充分考虑哥们学科之间的相互影响和耦合作用,应用有效的设计/优化策略和分布式计算机网络系统,来组织和管理整个系统的设计过程,通过充分利用各个学科之间的相互作用所产生的协同效应,以获得系统的整体最优解。 相同点在于都有对于子学科的分解,但是MDO更注重子学科间的协同。 4.给出MDO的三种定义,根据你的理解,MDO该如何定义? Definition1:MDO是一种通过充分探索和利用系统中相互作用的协同机制来设计复杂系统和子系统的方法论。 Definition2:MDO是指在复杂工程系统的设计过程中,必须对学科(子系统)之间的相互作用进行分析,并且充分利用这些相互作用进行系统优化合成的方法。 Definition3:多学科设计优化就是进行复杂系统的设计过程中,结合系统的多学科本质,充分利用各种多学科设计与多学科分析工具,最终达到基于多学科优化的方法论。 My Definition:当设计中每个因素都影响另外的所有因素时,确定该改变哪个因素以及改变到什么程度的一种设计方法。 5.多学科设计优化中,什么是学科分析?什么是系统分析? 学科分析:也成为子系统分析或子空间分析,以某一学科设计变量,其他学科对该学科的耦合状态变量和系统的参数为输入,根据某一学科满足的物理规律确定其物理特性的过程 系统分析:对整个系统,给定一组设计变量X,通过求解系统的状态方程得到系统状态变量的过程。 6.什么是多学科设计优化的状态变量?学科状态变量和耦合状态变量之间有什么区别?

北航数值分析大作业第二题精解

目标:使用带双步位移的QR 分解法求矩阵10*10[]ij A a =的全部特征值,并对其中的每一个实特征值求相应的特征向量。已知:sin(0.50.2)() 1.5cos( 1.2)(){i j i j ij i j i j a +≠+== (i,j=1,2, (10) 算法: 以上是程序运作的逻辑,其中具体的函数的算法,大部分都是数值分析课本上的逻辑,在这里特别写出矩阵A 的实特征值对应的一个特征向量的求法: ()[]()() []()[]()111111I 00000 i n n n B A I gause i n Q A I u Bu u λλ-?-?-=-?-?? ?-=????→=??????→= ?? ? 选主元的消元 检查知无重特征值 由于=0i A I λ- ,因此在经过选主元的高斯消元以后,i A I λ- 即B 的最后一行必然为零,左上方变 为n-1阶单位矩阵[]()()11I n n -?-,右上方变为n-1阶向量[]()11n Q ?-,然后令n u 1=-,则 ()1,2,,1j j u Q j n ==???-。

这样即求出所有A所有实特征值对应的一个特征向量。 #include #include #include #define N 10 #define E 1.0e-12 #define MAX 10000 //以下是符号函数 double sgn(double a) { double z; if(a>E) z=1; else z=-1; return z; } //以下是矩阵的拟三角分解 void nishangsanjiaodiv(double A[N][N]) { int i,j,k; int m=0; double d,c,h,t; double u[N],p[N],q[N],w[N]; for(i=0;i

《最优化方法》复习题(含答案)

x zD 天津大学《最优化方法》复习题(含答案) 第一章 概述(包括凸规划) 判断与填空题 arg max f(x)二 arg min 以儿 “ max(x): x D 二 R n 』=-min(x): x D 二 R n ; 设f : D 5 R n > R.若x : R n ,对于一切R n 恒有f(x”)^f(x),则称x”为 设f : D 5 R n >R.若x ” ? D ,存在x ”的某邻域N ;(x”),使得对一切 x ?N .(x)恒有f(x”)::: f (x),则称x”为最优化问题 min f (x)的严格局部最 优解? 给定一个最优化问题,那么它的最优值是一个定值 ? V 非空集合D R n 为凸集当且仅当 D 中任意两点连线段上任一点属于 D . V 非空集合D R n 为凸集当且仅当D 中任意有限个点的凸组合仍属于 D . V 任意两个凸集的并集为凸集? 函数f:D R n >R 为凸集D 上的凸函数当且仅当 -f 为D 上的凹函数? V 设f : D R n >R 为凸集D 上的可微凸函数,X :D ?则对-D ,有 f (x) - f(x )乞 f (x )T (X —X )? 若c(x)是凹函数,则 D={x^R n C(x)启0}是凸集。 V f(x)的算法A 产生的迭代序列,假设算法 A 为下降算法, 则对-k ? 5,1, 2,…匚恒有 ________________ f(x k1)乞 f(x k ) ______________ ? 算法迭代时的终止准则(写出三种) : ___________________________________________________ 凸规划的全体极小点组成的集合是凸集。 V 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

大连理工优化方法大作业MATLAB编程

function [x,dk,k]=fjqx(x,s) flag=0; a=0; b=0; k=0; d=1; while(flag==0) [p,q]=getpq(x,d,s); if (p<0) b=d; d=(d+a)/2; end if(p>=0)&&(q>=0) dk=d; x=x+d*s; flag=1; end k=k+1;

if(p>=0)&&(q<0) a=d; d=min{2*d,(d+b)/2}; end end %定义求函数值的函数fun,当输入为x0=(x1,x2)时,输出为f function f=fun(x) f=(x(2)-x(1)^2)^2+(1-x(1))^2; function gf=gfun(x) gf=[-4*x(1)*(x(2)-x(1)^2)+2*(x(1)-1),2*(x(2)-x(1)^2)]; function [p,q]=getpq(x,d,s) p=fun(x)-fun(x+d*s)+0.20*d*gfun(x)*s'; q=gfun(x+d*s)*s'-0.60*gfun(x)*s'; 结果: x=[0,1]; s=[-1,1]; [x,dk,k]=fjqx(x,s) x =-0.0000 1.0000 dk =1.1102e-016 k =54

function f= fun( X ) %所求问题目标函数 f=X(1)^2-2*X(1)*X(2)+2*X(2)^2+X(3)^2+ X(4)^2- X(2)*X(3)+2*X(1)+3*X(2)-X(3); end function g= gfun( X ) %所求问题目标函数梯度 g=[2*X(1)-2*X(2)+2,-2*X(1)+4*X(2)-X(3)+3,2*X(3)-X(2)-1,2*X(4)]; end function [ x,val,k ] = frcg( fun,gfun,x0 ) %功能:用FR共轭梯度法求无约束问题最小值 %输入:x0是初始点,fun和gfun分别是目标函数和梯度 %输出:x、val分别是最优点和最优值,k是迭代次数 maxk=5000;%最大迭代次数 rho=0.5;sigma=0.4;

最优化方法习题一

习题一 一、考虑二次函数f(x)= x x x x x x 212 2212132+-++ 1) 写出它的矩阵—向量形式: f(x)=x Qx b x T T +2 1 2) 矩阵Q 是不是奇异的? 3) 证明: f(x)是正定的 4) f(x)是凸的吗? 5) 写出f(x)在点x =) 1,2(T 处的支撑超平面(即切平面)方程 解:1) f(x)= x x x x x x 212 2212 132+-++ =???? ??x x 2121???? ??6222???? ??x x 21+??? ? ??-1 1T ??? ? ??x x 21 其中 x=? ?? ? ??x x 21 ,Q=???? ??6222 , b=???? ??-11 2) 因为Q=??? ? ??6222 ,所以 |Q|=6222=8>0 即可知Q 是非奇异的 3) 因为|2|>0, 6 22 2=8>0 ,所以Q 是正定的,故f(x)是正定的 4) 因为 )(2 x f ? =??? ? ??6222,所以|)(2 x f ?|=8>0,故推出)(2 x f ? 是正定的,即 )(2 x f ? 是凸的 5) 因为)(x f ? = 1) x 6x 1,2-x 2x (22121+++T ,所以)(x f ?=(5,11) 所以 f(x)在点x 处的切线方程为5( 21-x )+11(12 -x )=0 二、 求下列函数的梯度问题和Hesse 矩阵 1) f(x)=2 x 12 +x x x x x 2392 312 1 +++x x x 2322+ 2) f(x)=ln( x 1 2 + x x x 22 21+) 解: 1) )(x f ?= (,94 3 2 1 x x x ++ 263 2 1 +++x x x , x x 2 1 9+)

结构优化设计大作业(北航)

《结构优化设计》 大作业报告 实验名称: 拓扑优化计算与分析 1、引言 大型的复杂结构诸如飞机、汽车中的复杂部件及桥梁等大型工程的设计问题,依靠传统的经验和模拟实验的优化设计方法已难以胜任,拓扑优化方法成为解决该问题的关键手段。近年来拓扑优化的研究的热点集中在其工程应用上,如: 用拓扑优化方法进行微型柔性机构的设计,车门设计,飞机加强框设计,机翼前缘肋设计,卫星结构设计等。在其具体的操作实现上有两种方法,一是采用计算机语言编程计算,该方法的优点是能最大限度的控制优化过程,改善优化过程中出现的诸如棋盘格现象等数值不稳定现象,得到较理想的优化结果,其缺点是计算规模过于庞大,计算效率太低;二是借助于商用有限元软件平台。本文基于matlab软件编程研究了不同边界条件平面薄板结构的在各种受力情况下拓扑优化,给出了几种典型结构的算例,并探讨了在实际优化中优化效果随各参数的变化,有助于初学者初涉拓扑优化的读者对拓扑优化有个基础的认识。

2、拓扑优化研究现状 结构拓扑优化是近20年来从结构优化研究中派生出来的新分支,它在计算结构力学中已经被认为是最富挑战性的一类研究工作。目前有关结构拓扑优化的工程应用研究还很不成熟,在国外处在发展的初期,尤其在国内尚属于起步阶段。1904 年Michell在桁架理论中首次提出了拓扑优化的概念。自1964 年Dorn等人提出基结构法,将数值方法引入拓扑优化领域,拓扑优化研究开始活跃。20 世纪80 年代初,程耿东和N. Olhoff在弹性板的最优厚度分布研究中首次将最优拓扑问题转化为尺寸优化问题,他们开创性的工作引起了众多学者的研究兴趣。1988年Bendsoe和Kikuchi发表的基于均匀化理论的结构拓扑优化设计,开创了连续体结构拓扑优化设计研究的新局面。1993年Xie.Y.M和Steven.G.P 提出了渐进结构优化法。1999年Bendsoe和Sigmund证实了变密度法物理意义的存在性。2002 年罗鹰等提出三角网格进化法,该方法在优化过程中实现了退化和进化的统一,提高了优化效率。目前常使用的拓扑优化设计方法可以分为两大类:退化法和进化法。结构拓扑优化设计研究,已被广泛应用于建筑、航天航空、机械、海洋工程、生物医学及船舶制造等领域。 3、拓扑优化建模(SIMP) 结构拓扑优化目前的主要研究对象是连续体结构。优化的基本方法是将设计区域划分为有限单元,依据一定的算法删除部分区域,形成带孔的连续体,实现连续体的拓扑优化。连续体结构拓扑优化方法目前比较成熟的是均匀化方法、变密度方法和渐进结构优化方法。 变密度法以连续变量的密度函数形式显式地表达单元相对密度与材料弹性模量之间的对应关系,这种方法基于各向同性材料,不需要引入微结构和附加的均匀化过程,它以每个单元的相对密度作为设计变量,人为假定相对密度和材料弹性模量之间的某种对应关系,程序实现简单,计算效率高。变密度法中常用的插值模型主要有:固体各向同性惩罚微结构模型(solidisotropic microstructures with penalization,简称SIMP)和材料属性的合理近似模型(rational approximation ofmaterial properties,简称RAMP)。而本文所用即为SIMP插值模型。

相关文档
最新文档