GLBest-PSO算法在热工过程模型参数辨识中的应用

被引：3

作者：

郝超

徐志成

机构：

[1] 常州机电职业技术学院

来源：

电工电能新技术 | 2012年 / 31卷 / 02期

关键词：

热工过程; 粒子群优化; 全局-局部最优;

D O I：

暂无

中图分类号：

TM621.4 [热力系统、热力网];

学科分类号：

080802 ;

摘要：

过程对象的数学模型,对热工控制系统的设计和分析有着重要的意义。为了达到精确建模的目的,提出了一种基于全局-局部参数最优的粒子群优化算法的辨识方法。将过程模型的每个参数作为群体的一个粒子,利用粒子在空间进行高效并行的搜索来获得最佳参数值,提高了辨识精度和效率。对典型热工过程进行辨识表明:该方法对过程模型的阶次不敏感,对不同输入信号均能得到满意的辨识精度和效率,模型输出与实际输出基本一致,辨识效果较好。

引用

页码：79 / 82+87 +87

页数：5

共 6 条

[1] 基于RBF神经网络辨识的过热蒸汽温度控制 [J].

王田 ;

薛建中 ;

习志勇 ;

赵坤姣 ;

郝德锋 .

热力发电, 2008, (10) :87-91+94

[2] 基于遗传算法的火电厂热工过程模型辨识 [J].

刘长良 ;

于希宁 ;

姚万业 ;

刘吉臻 .

中国电机工程学报, 2003, (03) :170-174

[3]

A new and improved version of particle swarm optimization algorithm with global–local best parameters[J] . M. Senthil Arumugam,M. V. C. Rao,Aarthi Chandramohan.Knowledge and Information Systems . 2008 (3)

[4]

Evolutionary trees from DNA sequences: A maximum likelihood approach[J] . Joseph Felsenstein.Journal of Molecular Evolution . 1981 (6)

[5] AN ANALYSIS OF THE TOTAL LEAST-SQUARES PROBLEM [J].

GOLUB, GH ;

VANLOAN, CF .

SIAM JOURNAL ON NUMERICAL ANALYSIS, 1980, 17 (06) :883-893

[6]

Particle swarm optimization .2 Kennedy J,Eberhart RC. Proceedings of the IEEE International Joint Conference on Neural Networks . 1995

← 1 →