微分进化算法研究及其在热工过程参数辨识中的应用.pdfVIP

第 3期 刘长 良等 ．微分进化算法研究及其在热工过程参数辨识 中的应用 269 微分进化算法研究及其在热工过程 参数辨识中的应用 刘长 良 于 明 (华北 电力大学 控制科学与工程学院，河北 保定 071003) 摘 要 被控对象的数学模型，对控制系统的设计和分析有着极为重要的意义。采用微分进化算法对 被控对象参数进行辨识。这种算法与其它进化算法的不同之处在于它的变异算予是由种群中任意选取 的多对向量的差值得到的，并且主要用于实参数优化问题。微分进化算法虽然有简单、搜索效率高的特 点，但是仍存在局部最优的问题。因此，在对微分进化算法搜索机理进行分析的基础上 ，针对其参数难 以动态调整的问题对算法进行改进 ，提出了不依赖于优化 问题的控制参数 自适应调整机制，进一步提高 微分进化算法的全局搜索能力和寻优速度。为验证算法有效性 ，在 MATLAB上编制相应的模型辨识程 序，对被控对象数学模型进行辨识、调试运行 ，并对寻优结果进行对 比。 关键词 模型辨识 微分进化算法 参数 自适应调整 仿真分析 中图分类号 TP3 文献标识码 A 文章编号 1000-3932(20l1)03-0269-05 随着现代 的火力发 电机组越来越 向着大容 果表 明改进后的算法具有较高的搜索效率和全局 量、高参数发展 ，热工 自动控制在大型火 电机组 中 收敛性。 的地位越来越重要 。而能否获得较精确 的被控对 1 基本微分进化算法 (DE) 象数学模型，也成为制约控制系统设计的关键 因 基本微分进化算法适用于无约束连续变量 的 素。求取被控对象数学模型的试验方法很多，最 全局优化问题 ，包括线性规划和非线性规划 、非光 常用的是阶跃扰动法 ，其次是脉冲扰动法和正弦 滑优化。它是一种基于种群优化的进化算法，已 扰动法 ，以及近年发展起来 的相关辨识法…。但 被证明在求优过程 中具有高效性 、收敛性和鲁棒 是这些方法中有些受现场条件和测试时间等 因素 性等优点。 的影响，实际应用较少 。近年来 ，随着遗传算法 、 DE利用当前种群 中个体的微分信息来指导 模糊控制、神经 网络等诸多智能优化算法 的飞速 种群的进化方向。同其它进化算法一样 ，DE的进 发展 ，又形成 了许多新型的系统辨识方法 ，在实际 化过程包括 3个基本操作 ，即变异、交叉和选择 。 应用 中取得了很好的效果 。 进化过程以一个规模为 ⅣP的种群为起点，其 中 RainerStorn和 KennethPrice于 1995年提出 的个体均为J7、r维 向量，第 i个个体定义如下： 一 = (‰． ， _1_ ) (i=1，2，…，ⅣP) (1) 了一种更有效、简便 的微分进化算法 (Differential 1．1 变异操作 Evolution，DE)，是演化算法产生 以来在算法方面 在第 G代中，目标个体向量为 置 而变异后 取得的巨大进展并 因其简单和高效性而受到了普 ． ，