优化问题：* 仅用于上下文，并非严格需要。* 使用SciPy的“最小化”，该代码是在给定作用于船舶的环境力的情况下，将最佳控制力分配给船舶上的推进器（风、波浪和海流）在3个自由度中的纵荡、横荡和偏航，以保持船舶的位置 （对动力定位很重要）.本船有4个推进器，1台定角推进器（隧道）和3个旋转推进器（方位角）。固定推进器在一个方向上有一个力（x1）和旋转推进器具有在两个方向x和y上的力，作为变量对实现（x2，x3），（x4，x5），（x6，x7）。* 例如，x2和x3分别是用于旋转推进器1的x和y方向上的力。* 对于3个DOF也存在3个松弛变量以确保解。

Problem on standard form

编程问题：我想通过对其中一个推进器实施不等式约束来限制它的力，但通过实施约束“ineq 1”，所有输出都最小化为零。该约束应限制x1，非常简单，如下所示：（x1〈x1_最大值）随访：“minimize”似乎忽略了约束字典中的第一个约束，不管它是等式约束还是不等式约束。但是，第二个约束仍然有效。
仅具有等式约束的输出：Correct output
中断不等式约束的输出：Incorrect output with inequality

"我所尝试的是"

• ...尝试不同的算法
• ...测试约束中的每个正/负组合
• 使用数组/向量A，如标准形式A*x〈B，而不仅仅是x[0]
• ...使用数字代替fmax[0]
• ...尝试了其他设计变量及其组合
  代码：

在第42行中的“cons 1”和“cons 2”之间切换，查看不同的结果。

import numpy as np
from scipy.optimize import minimize

# Parameters

nf  = 1         # No. of fixed thrusters
nr  = 3         # No. of rotating thrusters
nt  = nf + 2*nr # No. of actuators
ns  = 3         # No. of slack variables (slacks)
n   = nt + ns   # Design variables
Lx  = np.array([30.5, 22.25, -35.5, -35.5])         # Thruster position
W   = np.diag([1, 1, 1, 1, 1, 1, 1])                # Weighting for thrusters
Q   = np.diag([1, 1, 1])*5000                       # Weighting for slacks
Te  = np.array([[0,1,0,1,0,1,0],                    # Thrust config. matrix
                [1,0,1,0,1,0,1],
                [Lx[0],0,Lx[1],0,Lx[2],0,Lx[3]]])
fmax = np.array([ 50000,  60000,  75000,  75000])

tau = np.array([50000,35000,0]) # Environmental forces in surge, sway & yaw
x0 = np.zeros(n)

# Problem definition

def obj(x):
    fe = x[:nt]
    s  = x[nt:]
    return fe.transpose()@W@fe + s.transpose()@Q@s

def eqcon(x):
    fe = x[:nt]
    s  = x[nt:]
    return tau + s - Te@fe # = 0

def ineq1(x):
    return fmax[0] - x[0] # > 0

cons1 = {'type': 'eq',   'fun': eqcon}

cons2 = {'type': 'eq',   'fun': eqcon,
         'type': 'ineq', 'fun': ineq1}

# Computing

opt = {'disp': True}
res = minimize(obj, x0, method='SLSQP', constraints=cons2, options=opt)

# Debugging

print("Environmental forces (surge, sway & yaw): ", tau)
print("Forces: ", np.round(res.x[:nt],1))
print("Slacks: ", np.round(res.x[nt:],1))
print(f"Thruster 1 has angle 90.00 with force {res.x[0]/1000:0.2f} kN")

angles = np.zeros(nr)
ux = res.x[nf:nt][::2]      # Every other force element in x for azimuth: ux2, ux3, ...
uy = res.x[nf:nt][1:][::2]  # uy2, uy3, ...

for i in range(nr):
    angles[i] = np.arctan2(uy[i], ux[i]) * 180 / np.pi
    print(f"Thruster {nf+i+1} has angle {angles[i]:0.2f} with force {np.sqrt(ux[i]**2+uy[i]**2)/1000:0.2f} kN")

有什么想法吗？