涡轮机在风洞中运行,本文描述了整体实验方法、面临的挑战、经验教训和未来工作的机会。这两项活动分别于 2018 年秋季和 2019 年秋季开展,使用迎面而来的风的预览扰动测量,分别测试了无约束和约束最佳叶片螺距控制器。具体而言,第一项研究考虑了线性二次调节器的扩展以包括前馈作用,而第二项研究部署了模型预测控制以将执行器约束纳入最优控制问题。这些活动的结果已经在控制系统技术会议和期刊论文中发表;但是,这些工作中没有包括如何实现控制器的细节。我们旨在通过这项针对风能社区的贡献来填补这一空白。我们描述了实验设置的几个方面,特别是提供了用于控制器的软件和硬件的细节;分享了对程序中几个困难方面的见解以及我们如何克服这些挑战;并总结了基于模拟的研究和物理测试之间的主要区别。通过这样做,我们希望分享我们学到的东西
我们执行最优控制理论计算,以确定执行少量子比特系统的量子态准备和幺正算子合成所需的最少两量子比特 CNOT 门数量。通过考虑所有可能的门配置,我们确定了可实现的最大保真度作为量子电路大小的函数。这些信息使我们能够确定特定目标操作所需的最小电路大小,并列举允许完美实现该操作的不同门配置。我们发现,即使在最少门数的情况下,也有大量配置都能产生所需的结果。我们还表明,如果我们使用多量子比特纠缠门而不是两量子比特 CNOT 门,则可以减少纠缠门的数量,正如人们根据参数计数计算所预期的那样。除了处理任意目标状态或幺正算子的一般情况外,我们还将数值方法应用于合成多量子比特 Toffili 门的特殊情况。该方法可用于研究任何其他特定的少量子比特任务,并深入了解文献中不同界限的紧密度。
高保真和鲁棒的量子操控是可扩展量子计算的关键。因此,由于内在的操作鲁棒性,由几何相位引起的量子操控是最有希望的候选者之一。然而,几何操作的较长门时间和更多的物理实现困难阻碍了它的实际和广泛应用。在这里,我们提出了一种在超导电路上简化的通用完整量子门实现方法,并通过实验证明该技术,通过在量子门的构造中引入时间最优控制来消除两个主要挑战。值得注意的是,我们的方案还基于无退相干子空间编码,具有最少的物理量子位资源,这可以进一步免受量子位频率漂移引起的错误的影响,而量子位频率漂移被认为是大规模超导电路的主要错误源。同时,我们特意设计了量子演化以消除由不必要的泄漏源引起的门误差。因此,我们的方案比传统方案更为稳健,从而为可扩展容错量子计算提供了一种有前途的替代策略。
这两个问题都可以通过使用基于 PID 控制器的经典控制系统方法来解决 [8-13]。然而,开发多维 PID 控制器很困难,因为它们没有理论背景。因此,这种综合有点直观,取决于经验法则,需要控制系统工程师的丰富经验。另一种可能性是使用反步或滑模控制。在 [14] 中,终端滑模和反步控制已成功应用于实时无人机。在 [15] 中,基于线性反馈表示的鲁棒控制器可减少动态不确定性和外部干扰,并设计应用于实时欠驱动系统。现代控制技术,尤其是最优控制理论,为开发高效、鲁棒的多维控制器提供了可能性 [16-20]。它们非常适合处理非常一般类型的跟踪问题。在 [21] 中,瞬时最优控制用于输入饱和的机器人轨迹跟踪。 [ 22 ] 提出了基于辛伪谱最优控制的三维欠驱动板条箱跟踪方法。[ 23 ] 证明了最优周期
这两个问题都可以通过使用基于 PID 控制器的经典控制系统方法来解决 [8-13]。然而,开发多维 PID 控制器很困难,因为它们没有理论背景。因此,这种综合有点直观,取决于经验法则,需要控制系统工程师的丰富经验。另一种可能性是使用反步或滑模控制。在 [14] 中,终端滑模和反步控制已成功应用于实时无人机。在 [15] 中,基于线性反馈表示的鲁棒控制器可减少动态不确定性和外部干扰,并设计应用于实时欠驱动系统。现代控制技术,尤其是最优控制理论,为开发高效、鲁棒的多维控制器提供了可能性 [16-20]。它们非常适合处理非常一般类型的跟踪问题。在 [21] 中,瞬时最优控制用于输入饱和的机器人轨迹跟踪。 [22] 中介绍了采用辛伪谱最优控制的三维欠驱动板条箱跟踪。在 [23] 中,表明最优周期
摘要 — 配电系统中的分布式能源 (DER),包括可再生能源发电、微型涡轮机和储能,可用于在极端事件后恢复关键负载,以提高电网弹性。然而,在可再生能源不确定性和燃料可用性的情况下,正确协调系统中的多个 DER 以进行多步恢复过程是一个复杂的顺序最优控制问题。由于其处理系统非线性和不确定性的能力,强化学习 (RL) 成为解决复杂顺序控制问题的潜在有力候选者。此外,RL 的离线训练在在线操作期间提供了出色的行动准备,使其适用于需要及时、正确和协调行动的负载恢复等问题。在本研究中,研究了基于简化单总线系统的配电系统优先负载恢复:在可再生能源发电预测不完善的情况下,将 RL 控制器的性能与确定性模型预测控制 (MPC) 的性能进行了比较。我们的实验结果表明,与基线控制器相比,RL 控制器能够从经验中学习,适应不完善的预测信息并提供更可靠的恢复过程。
成功实施量子技术需要尽可能少使用量子资源的协议和算法。然而,许多重要的量子操作,例如量子计算中的连续旋转门或 NMR 或 MRI 应用中的宽带脉冲,只能使用有限的量子资源近似实现。这项工作开发了一种方法,以略微增加测量重复率为代价,平均实现精确的实现。首先,建立一个包含大量不同近似所需门操作的库;通过根据预先优化的概率分布随机选择这些操作,平均而言,可以以严格可控的近似误差实现所需的操作。该方法依赖于凸优化中的复杂工具来有效地找到最佳概率分布。多种应用范围包括 (a) 仅使用低 T 计数电路在容错量子计算机中精确合成旋转,以及 (b) 在量子最优控制中合成性能卓越的宽带和频带选择脉冲,以及 (c) 在 NMR 或 MRI 中的进一步应用。该方法非常通用,并明确展示了量子技术的广泛实际应用。
湍流和阵风会导致施加在飞机结构上的空气动力和力矩发生变化,从而导致乘客不适,并且结构上必须设计能够支撑的动态载荷。通过设计阵风载荷缓解 (GLA) 系统,可以实现两个目标:第一,实现更高的乘客舒适度;第二,减少动态结构载荷,从而可以设计更轻的结构。本文提出了一种设计组合反馈/前馈 GLA 系统的方法。该方法依赖于多普勒激光雷达传感器测量的飞机前方的风廓线,并基于 H ∞ 最优控制技术和离散时间预览控制问题公式。此外,为了允许在这两个目标之间进行设计权衡(以实现设计灵活性)以及允许指定稳健性标准,引入了使用多通道 H ∞ 最优控制技术的问题变体。本文开发的方法旨在应用于大型飞机,例如运输机或公务机。模拟结果表明,所提出的设计方法在考虑测量的风廓线以实现上述两个目标方面是有效的,同时确保了设计灵活性以及控制器的稳健性和最优性。
摘要 — 金属增材制造 (AM) 为空间控制制造后的微观结构和性能提供了可能性。然而,由于驱动微观结构结果的固态扩散转变在温度方面由非线性 ODE 控制,而温度本身又由整个零件域上的 PDE 控制,因此求解实现所需微观结构分布所需的系统输入已被证明是困难的。在这项工作中,我们提出了一种用于金属 AM 中微观结构空间控制的轨迹优化方法,我们通过控制电子束粉末床熔合 (EB-PBF) 中低合金钢的硬度来证明这一点。为此,我们提出了热和微观结构动力学模型。接下来,我们使用实验数据来识别微观结构转变动力学的参数。然后,我们将空间微观结构控制作为有限时域最优控制问题。使用具有 GPU 加速的增强拉格朗日微分动态规划 (AL-DDP) 方法计算最佳功率场轨迹。然后通过近似方案在 EB-PBF 机器上实现所产生的随时间变化的功率场。对所得硬度的测量表明,优化的功率场轨迹能够紧密产生所需的硬度分布。
量子计算正处于资源有限的时代。当前的硬件缺乏高保真门、长相干时间以及执行有意义计算所需的计算单元数量。现代量子设备通常使用二进制系统,其中每个量子位都存在于 | 0 ⟩ 和 | 1 ⟩ 状态的叠加中。然而,通过以不同的方式操纵系统,通常可以访问同一物理单元中的 | 2 ⟩ 甚至 | 3 ⟩ 状态。在这项工作中,我们考虑通过压缩方案自动将两个量子位编码为一个四状态量子。我们使用量子最优控制来设计高效的概念验证门,完全复制这些编码量子位上的标准量子位计算。我们扩展了量子比特编译方案,以便在由量子比特和量子门组成的任意混合基数系统上高效路由量子比特,从而减少通信并最大限度地减少由较长持续时间的量子门引入的额外电路执行时间。结合这些编译策略,我们引入了几种方法来寻找有益的压缩,将计算和通信导致的电路错误减少高达 50%。这些方法可以将有限的近期机器上可用的计算空间增加高达 2 倍,同时保持电路保真度。