检测技术与自动化装置专业优秀论文 粒子群优化算法及其在发酵过程控制中的应用研究.docVIP

检测技术与自动化装置专业优秀论文 粒子群优化算法及其在发酵过程控制中的应用研究 关键词：群智能优化算法 粒子群优化算法 发酵过程 过程优化控制 反馈控制器 摘要：微生物发酵工程是生物工程和现代生物技术及其产业化的基础。随着发酵工业的技术进步和现代生产对过程优化的要求不断提高，对发酵过程控制技术的要求也越来越高。微生物发酵过程具有高度非线性和时变性，经典的优化算法和调控手段，远不能满足发酵过程控制与优化的需要。粒子群优化算法采用群体搜索策略，易于并行处理、鲁棒性强，可有效地解决复杂的优化问题，将粒子群优化算法引入发酵过程控制是提高发酵工业生产效率的新的有效途径。因此，对基于粒子群优化算法的发酵过程控制的研究，具有重要的理论意义和应用价值。 本文在分析群智能优化算法研究现状的基础上，通过改进标准粒子群优化算法中粒子运动的策略，提出引入粒子最差位置的粒子群优化算法（W-PSO）；在此基础上，进一步根据粒子内能对群体进行自适应分群，提出群能量恒定的粒子群优化算法（SEC-PSO）；通过建立粒子微观动态模型，给出了调整算法中参数选择的依据和公式；最后将改进算法应用于发酵过程控制器参数整定、系统建模和过程优化，并通过实验分析验证其可行性和有效性。 实验结果表明，改进的粒子群优化算法在处理复杂函数优化问题时，可以有效地克服标准粒子群算法后期收敛速度慢，容易陷入局部最优的缺点。将其应用于反馈控制器参数优化及发酵过程模型参数估计和流加轨线控制中，在同样的优化目标条件下，算法所需迭代次数明显减少，能够快速准确地获取发酵过程优化对象的控制轨线，优化能力和控制效果显著提高。 正文内容 微生物发酵工程是生物工程和现代生物技术及其产业化的基础。随着发酵工业的技术进步和现代生产对过程优化的要求不断提高，对发酵过程控制技术的要求也越来越高。微生物发酵过程具有高度非线性和时变性，经典的优化算法和调控手段，远不能满足发酵过程控制与优化的需要。粒子群优化算法采用群体搜索策略，易于并行处理、鲁棒性强，可有效地解决复杂的优化问题，将粒子群优化算法引入发酵过程控制是提高发酵工业生产效率的新的有效途径。因此，对基于粒子群优化算法的发酵过程控制的研究，具有重要的理论意义和应用价值。 本文在分析群智能优化算法研究现状的基础上，通过改进标准粒子群优化算法中粒子运动的策略，提出引入粒子最差位置的粒子群优化算法（W-PSO）；在此基础上，进一步根据粒子内能对群体进行自适应分群，提出群能量恒定的粒子群优化算法（SEC-PSO）；通过建立粒子微观动态模型，给出了调整算法中参数选择的依据和公式；最后将改进算法应用于发酵过程控制器参数整定、系统建模和过程优化，并通过实验分析验证其可行性和有效性。 实验结果表明，改进的粒子群优化算法在处理复杂函数优化问题时，可以有效地克服标准粒子群算法后期收敛速度慢，容易陷入局部最优的缺点。将其应用于反馈控制器参数优化及发酵过程模型参数估计和流加轨线控制中，在同样的优化目标条件下，算法所需迭代次数明显减少，能够快速准确地获取发酵过程优化对象的控制轨线，优化能力和控制效果显著提高。 微生物发酵工程是生物工程和现代生物技术及其产业化的基础。随着发酵工业的技术进步和现代生产对过程优化的要求不断提高，对发酵过程控制技术的要求也越来越高。微生物发酵过程具有高度非线性和时变性，经典的优化算法和调控手段，远不能满足发酵过程控制与优化的需要。粒子群优化算法采用群体搜索策略，易于并行处理、鲁棒性强，可有效地解决复杂的优化问题，将粒子群优化算法引入发酵过程控制是提高发酵工业生产效率的新的有效途径。因此，对基于粒子群优化算法的发酵过程控制的研究，具有重要的理论意义和应用价值。 本文在分析群智能优化算法研究现状的基础上，通过改进标准粒子群优化算法中粒子运动的策略，提出引入粒子最差位置的粒子群优化算法（W-PSO）；在此基础上，进一步根据粒子内能对群体进行自适应分群，提出群能量恒定的粒子群优化算法（SEC-PSO）；通过建立粒子微观动态模型，给出了调整算法中参数选择的依据和公式；最后将改进算法应用于发酵过程控制器参数整定、系统建模和过程优化，并通过实验分析验证其可行性和有效性。 实验结果表明，改进的粒子群优化算法在处理复杂函数优化问题时，可以有效地克服标准粒子群算法后期收敛速度慢，容易陷入局部最优的缺点。将其应用于反馈控制器参数优化及发酵过程模型参数估计和流加轨线控制中，在同样的优化目标条件下，算法所需迭代次数明显减少，能够快速准确地获取发酵过程优化对象的控制轨线，优化能力和控制效果显著提高。 微生物发酵工程是生物工程和现代生物技术及其产业化的基础。随着发酵工业的技术进步和现代生产对过程优化的要求不断提高，对发酵过程控制技术的要求也越来越高。微生物