基于变异的遗传算法及其在软测量建模中应用.pdfVIP

编B己咖第九届工业仪表与自动化学术会议 基于变异的遗传算法及其在软测量建模中的应用 MutatiOn-basedGenetic Its in r．thm．and MOde¨ng AIgO AppIlcatiOnSOft—sensing 绻J广 李诏孪 37) (华东理工大学自动化研究所，上海2002 摘要：提出了一种基于变异的遗传算法(MBGA)，并结合现场工业数据建立了乙炔加氢反应器一段出口乙炔浓 度的软测量模型，将MBGA用于优化神经网络模型参数，典型函数的测试仿真与神经网络建模的应用结果表明 了该软测量模型及算法的可行性和有效性。 关键词：遗传算法精英保留策略全变异神经网络软测量 Abs仃act：1rhemutati伽．based toimpmvc山eg明etic geneticalgorit}Im(MBGA)isproposed on ttlecombinationofmeindustrialdatawtIichisuscdto basedneuralnetworkisestabUshed s硪-sensjngmodeUng by measurethe of_0neexitin reactor．The neuralnet、vork acetyle∞concentr砒ionacetylenehydrogenationp啪mete倦0f are M咀GA simulationresultsbased0n modelingop廿mizedby a190ri也m．0ptimi趵dOn typical andMBGAa他feasible ofneuralnetwork showmatthe modeljng ande妇溉tiVe． applicadons modeling soft-sensing woHls：GeneticElitist NeuralnetworkSoft Key algorimmstmtegyCompletcly-Ⅱmtation sensing 0 引言 采用计算机技术构建合适的模型，用于推断和估计不可在线测量的变量，已成为先进控制策 略的重要内容。软测量技术已经在过程控制理论研究和实践中产生了广泛的影响。由于神经网络 具有强大的逼进非线性函数的能力，因此应用神经网络来建立软测量模型是目前被广泛采用的一 种方法。神经网络软仪表已在石油化工的产品成分、生物反应参数等过程输出参数的在线估计得 到了广泛的应用。BP算法具有简单、可塑性好的优点，是目前训练网络普遍采用的算法l¨。由 质上是基于梯度下降算法的；因而不可避免地具有收敛速度慢和全局搜索能力弱等缺点，从而影 响其性能。 遗传算法(GA)是一种模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局 优化概率搜索算法【2】。传统的遗传算法具有易陷入局部最优和收敛速度慢的缺点，一般的改进有 自适应遗传算法、并行遗传算法、小生境遗传算法以及混合遗传算法等【3】。这些改进取得了一定 的效果，但仍需要进一步的研究与完善。本文提出的基于变异的遗传算法(MBGA)，主要通过 变异方向选择的判断，让种群的进化方向指向当代最优解的进化方向，从而有利于函数收敛于最 优解，并结合经典的函数进行了测试，最后将其应用于乙炔加氢反应器一段出口乙炔浓度的软测 量神经网络的建模。标准测试函数的测试结果和软测量模型的训练及预测精度都说明