本发明属于智能制造
技术领域：
，涉及一种智能控制系统中互补约束优化问题的正则化方法。
背景技术：
：制造业是决定国家发展水平的最基本要素之一，智能制造是具有感知、推理和控制功能的制造业装备的统称，代表了制造业的发展需求。智能制造水平已成为衡量一个国家现代化水平的重要标志。智能制造的发展促使人们利用基础学科的最新成果研究一种新型的制造系统，即，智能制造系统，其研究对象面向整个制造环境的集成化与自组织能力，在这里，智能制造单元的局部智能控制器的设计是人们研究的热点，取得了丰硕的成果，这些研究成果包括工艺过程中控制单元的控制器设计，整个操作工艺过程的控制器设计，但对这些智能制造系统研究中，不可避免地会遇到在系统中存在的混沌现象，由于智能制造系统在运行中与外部存在信息交换，因此这种系统的混沌现象受外部环境影响，智能控制系统所必需的控制参数对初始值存在敏感性，这种敏感性能使得系统随着时间的推移产生完全无法预测的轨迹，从而使得系统中信息流存在误差和影响。近年来，有些学者研究了考虑含有互补约束的数学模型，模型中目标函数和约束函数都是二次连续可微函数。此类问题一般情况下很难求解，因为从几何角度来看它的可行域是非凸的，甚至是非连通的，在任何可行点处系统可能都不成立，因此用于求解非线性规划问题的现有技术都不能直接用来求解这个问题。本方法能把正则化控制问题(3)的m-近似稳定点的计算代替问题(1)的m-稳定点的计算，算法收敛快，省时，满足控制系统的实时化要求；对正则化控制问题3，用序列二次规划方法进行求解，产生一系列对数正则化问题的近似二阶稳定点，所述m-稳定点具有比较好的稳定性；计算出来的稳定点是智能控制系统所必需的控制参数，方法独特，适合智能控制的多种控制器计算。技术实现要素：为了克服现有技术的不足，提出了一种智能控制系统中互补约束优化问题的正则化方法，所述方法应用于在智能制造系统控制器中，考虑如下含有互补约束的决策控制问题：其中z∈rn是决策变量，目标函数f(z)和约束函数gi(z)，hi(z)，gi(z)，hi(z)都是二次连续可微函数，公式1中的垂直互补条件可以等价的写为0＜gi(z)⊥hi(z)≥＝0，i＝1，…，m于是公式1的m-稳定点z满足如下条件：其中，i00＝{i|gi(z)＝hi(z)＝0}，i0+＝{i|0＝gi(z)＜hi(z)}，i+0＝{i|gi(z)＞hi(z)＝0}.利用对数正则化方法，把决策控制问题1松弛成如下的正则化控制问题3：其中z∈rn是决策变量，目标函数f(z)和约束函数gi(z)，hi(z)，φi(z)都是二次连续可微函数，t＞0是变量，ln(·)表示对数函数，exp(·)表示指数函数。当t趋于0时，问题(3)的m-稳定点趋于问题(1)的m-稳定点。于是，对正则化控制问题3用序列二次规划方法进行求解，产生一系列对数正则化问题的近似二阶稳定点，所述m-稳定点具有比较好的稳定性。本方法能把正则化控制问题(3)的m-近似稳定点的计算代替问题(1)的m-稳定点的计算，算法收敛快，省时，满足控制系统的实时化要求；对正则化控制问题3，用序列二次规划方法进行求解，产生一系列对数正则化问题的近似二阶稳定点，所述m-稳定点具有比较好的稳定性；计算出来的稳定点是智能控制系统所必需的控制参数，方法独特，适合智能控制的多种控制器计算。本发明的技术方案为：一种智能控制系统中互补约束优化问题的正则化方法，所述正则化方法包括如下步骤：第一步：把决策控制问题松弛成如下的正则化控制问题：其中，z∈rn是决策变量，目标函数f(z)和约束函数gi(z)，hi(z)，φi(z)，gi(z)，hi(z)都是二次连续可微函数，t＞0是变量，ln(·)表示对数函数，exp(·)表示指数函数；第二步，约束规范在z*处成立，即梯度向量是正线性无关的，其中ig(z*)＝{i|gi(z*)＝0}，表示梯度，i00＝{i|gi(z)＝hi(z)＝0}，i0+＝{i|0＝gi(z)＜hi(z)}，i+0＝{i|gi(z)＞hi(z)＝0}，给定ε＞0，正则化控制问题的近似kkt点(即近似稳定点)为：存在λ∈rp，μ∈rq满足，这样，决策控制问题的kkt点就是，正则化控制问题的近似kkt点中ε趋于零的极限值；第三步，执行如下算法step0，参数的选择：首先选择合适的参数σ∈(0，1)，参数t0＝0.1，ε0＝0.1。终止准则其中z∈rn是控制变量，gi(z)，hi(z)，fij(z)都是约束函数，k为算法步数，tk为第k步的参量，zk为第k步的决策变量，zopt为最优决策变量；step1，选取初始点z0，置k＝0.step2，当tk＞10-8或者maxvio(zk)＞10-6时以zk做为初始变量应用在正则化控制问题解带有参数tk的正则化问题，得到解zk+1，置tk+1＝σtk.当tk+1＜10-8或者maxvio(zk+1)＜10-6时，则停止计算，置zopt＝zkstep3，置k＝k+1，转到第二步。本发明的有益效果利用本发明所述方法1)本发明能把控制问题进行松弛操作，转化为正则化控制问题，把控制问题的稳定点的计算用正则化控制问题的近似稳定点代替，算法收敛快，省时，满足控制系统的实时化要求；2)本发明对正则化控制问题用序列二次规划方法进行求解，产生一系列对数正则化问题的近似二阶稳定点，计算出来的稳定点具有比较好的稳定性，是智能控制系统所必需的控制参数。3)本发明所述算法方法独特，适合智能控制的多种控制器计算，由此设计的控制器能很快稳定系统，性能可靠。具体实施方式本发明考虑智能制造过程中如下形式的含有互补约束的控制器算法中的决策控制问题：其中z∈rn是决策变量，目标函数f(z)和约束函数gi(z)，hi(z)，gi(z)，hi(z)都是二次连续可微函数，公式1中的垂直互补条件可以等价的写为0＜gi(z)⊥hi(z)≥＝0，i＝1，…，m于是上述控制问题的m-稳定点z满足如下条件：其中，i00＝{i|gi(z)＝hi(z)＝0}，i0+＝{i|0＝gi(z)＜hi(z)}，i+0＝{i|gi(z)＞hi(z)＝0}.利用对数正则化方法，把原决策的控制问题松弛成如下的正则化控制问题：其中z∈rn是决策变量，目标函数f(z)和约束函数gi(z)，hi(z)，φi(z)都是二次连续可微函数，t＞0是变量，ln(·)表示对数函数，exp(·)表示指数函数。当t趋于0时，问题(3)的m-稳定点趋于问题(1)的m-稳定点。于是，对正则化控制问题3用序列二次规划方法进行求解，产生一系列对数正则化问题的近似二阶稳定点，所述m-稳定点具有比较好的稳定性。优选条件为：约束规范在z*处成立，即梯度向量是正线性无关的，其中ig(z*)＝{i|gi(z*)＝0}，以及所用的近似kkt点，即如下ε-稳定点的概念(ε＞0)，如果存在λ∈rp，μ∈rq满足，其中，kkt点就是近似kkt点中ε＝0的情况。这样就有如下结论：假设非负序列tkεk满足tk趋于0，εk趋于0，zk是问题3的εk-稳定点zk趋于z*并且满足二阶条件，其中如果mpvcc-mfcq约束规范在z*处成立，那么z*是问题1的m-稳定点，即存在λ*∈rp，μ*∈rq，γ*∈rm×l满足问题1的m-稳定点要求。最后，执行如下算法step0，参数的选择：首先选择合适的参数σ∈(0，1)，参数t0＝0.1，ε0＝0.1。终止准则其中z∈rn是自变量，gi(z)，hi(z)，fij(z)都是约束函数。step1，选取初始点z0，置k＝0.step2，当tk＞10-8或者maxvio(zk)＞10-6时以zk做为初始变量应用修改的gill在【2】中所提出的sqp方法解带有参数tk的正则化问题进而得到解zk+1，置tk+1＝σtk.当tk+1＜10-8或者maxvio(zk+1)＜10-6时，则停止计算，置zopt＝zkstep3，置k＝k+1，转到第二步。对mpeclib(mpec的一个数据实验库)中部分例子进行计算可得到较好的数值结果，如表所示：表1mpcclib中的数值结果问题算法所得最优点tf*ex9.2.2(9.9953，10.0000)0.01100.00desalive(0.5005，0.5005，)0.01-1.00ex1(0.0000，2.0000)0.0010.00符合数据库中结果，因此正则化二阶可行性策略是有效的。当前第1页12