Cтраница 1
Задача оптимизации управления многими технологическими процессами, например, в сталеплавильной и химической промышленности в математическом плане может быть сведена к задаче максимизации некоторого обобщенного показателя технико-экономической эффективности е, характеризующего качество управления определенным циклом протекания процесса. [1]
Задача оптимизации управления потоками реактивной мощности разделяется на две подзадачи: проектную, связанную с выбором дополнительных компенсирующих устройств, и эксплуатационную, при решении которой требуется выбрать оптимальные режимы работы уже установленных в сети компенсирующих устройств. [2]
Решение задачи оптимизации управления требует некоторой начальной ( априорной) информации об уравнении движения системы, о критерии оптимальности, о существующих ограничениях, о свойствах внешних воздействий. Априорная информация может быть получена в результате предварительного исследования системы. [3]
Таким образом решается задача оптимизации управления на верхнем уровне иерархии. [4]
Разработанное программное обеспечение задачи оптимизации управления процессом углубления скважин внедряется на буровых Прикарпатья. Полученные результаты позволяют рекомендовать программное обеспечение задачи оптимизации процесса углубления скважин для применения в других регионах страны для оптимизации бурения глубоких нефтяных и газовых скважин. [5]
Рассматривается программное обеспечение задачи оптимизации управления процессом углубления нефтяных и газовых скважин, состоящее из трех подпрограмм, которые осуществляют формирование функции невязки для идентификации параметров математической модели, прогнозирования функции цели, поиск экстремума функции цели - стоимости метра проходки. Программное обеспечение ориентировано на все способы бурения с нерегулируемой частотой вращения долота. На конкретном примере показана эффективность применения программного обеспечения. [6]
В общем случае решение задачи оптимизации управления с помощью рассмотренных статистических критериев оптимальности, обобщенных в виде критерия минимального риска, требует знания вероятностных характеристик всех приложенных к системе воздействий. [7]
К этой задаче приводятся многие задачи оптимизации управления. [8]
Трудности, состоящие на пути решения задачи оптимизации управления, привели к интенсивному изучению проблемы оптимальности рядом ученых в Советском Союзе и в США. Советские математики Л. С. Понтряпш и его ученики В. Г. Болтянский, Р. В. Гамкрелидзе, Е. Ф. Мищенко создали теорию оптимального управления, в основе которой лежит сформулированный Л. С. Понтрягиным принцип максимума. [9]
Динамическое программирование является численным методом решения задачи оптимизации управления и поэтому связано с довольно громоздкими вычислениями. Но мы не будем придавать особого значения этому обстоятельству, предполагая, что соответствующие вычисления производятся на ЭВМ. [10]
Как показано в [7], без применения ЭВМ задача оптимизации управления для систем с заданным конечным состоянием и учетом функции управляющих устройств в общем виде не может быть решена. Однако анализ картины фазовых траекторий в рассматриваемой задаче позволяет сделать вывод, что в случаях б), в) и г) при синтезе оптимального управления необходимо только одно переключение. [11]
Однако построение на микропроцессорной основе систем, способных решать задачи оптимизации управления точностью обработки, требует решения целого ряда вопросов, в частности вопроса создания довольно сложных алгоритмов управления. Поэтому важно не только оценить возможности теоретически оптимальной системы управления точностью, но и предельные возможности систем данного назначения. [12]
АСУЖТ включает 20 функциональных подсистем, каждая из которых решает задачи оптимизации управления определенной отраслью хозяйства или эксплуатационной деятельности. [13]
Особенностью метода динамического программирования является то, что оно совмещает простоту решения задачи оптимизации управления на отдельном шаге с дальновидностью, заключающейся в учете самых отдаленных последствий этого шага. [14]
Уравнение (6.17) называется уравнением Беллмана и редко может быть непосредственно использовано для решения задачи оптимизации управления нелинейных систем. [15]