混沌粒子群优化算法在热工控制过程中的应用

摘要

针对求解连续空间的优化问题,本文提出一种基于混沌思想的粒子群优化算法(CPSO),它利用混沌优化算法运动的遍历性、随机性、敏感性等特点,对基本粒子群优化算法进行了改进,并且其粒子行为是基于个体极值中心点和全局极值点确定的。
　　本文将这种优化算法应用于具有代表性的几个函数优化上,并对优化结果进行了对比分析,仿真研究表明,此算法具有较强的寻优能力和较高的搜索精度,并且具有很好的跳出局部最优解的能力,能够迅速收敛到全局最优解。最后,本文研究了该算法在热工控制系统过程辨识和控制器参数优化问题上的应用。

目录

摘要

ABSTRACT

1.1 选题背景及意义

1.2 国内外研究动态

1.3 论文的主要工作内容

第二章 基本粒子群算法原理与收敛性分析

2.1 原始粒子群优化算法

2.1.1 算法原理

2.1.2 算法流程

2.1.3 社会认知行为分析

2.1.4 全局模型与局部模型

2.1.5 同步模式与异步模式

2.2 离散二进制粒子群算法

2.3 带惯性权重(inertia weight)粒子群算法

2.4 标准粒子群算法收敛性分析

2.5 约束系数粒子群算法收敛性分析

2.6 本章小结

第三章 基本粒子群算法的改进与应用

3.1 混沌粒子群优化算法(CPSO)

3.2 基本粒子群的其它改进方法

3.2.1 粒子群算法收敛速度的改进

3.2.2 粒子群算法增加多样性的改进

3.2.3 其它改进方法

3.3 算法比较

3.3.1 粒子群算法与遗传算法(GA)比较

3.3.2 粒子群算法与蚂蚁算法(ACO)比较

3.4 粒子群算法的应用

3.5 混沌粒子群算法在求解函数优化问题的应用研究

3.6 本章小结

第四章 基于混沌粒子群优化算法的热工过程辨识

4.1 引言

4.2 系统辨识的步骤和方法

4.3 基于混沌粒子群算法的热工过程辨识

4.3.1 过程辨识原理

4.3.2 电厂热工过程研究对象

4.3.3 对阶跃输入下已知模型的辨识

4.3.4 利用现场数据的辨识

4.4 本章小结

第五章 基于混论粒子群算法的控制器参数优化

5.1 PID 控制器基本原理

5.1.1 标准 PID 控制器结构

5.1.2 控制器参数对控制性能的影响

5.1.3 不完全微分 PID 在控制系统中的应用

5.1.4 控制规律的选择

5.2 基于混沌粒子群算法的 PID 控制器参数优化整定

5.2.1 优化整定方案设计

5.2.2 目标函数选取

5.3 仿真与应用研究

5.3.1 单回路 PID 控制器参数整定

5.3.2 主汽温系统的串级不完全微分 PID 控制器参数整定

5.4 本章小结

第六章 结论

参考文献

致谢

在学期间发表的学术论文和参加科研情况