基于粒子群优化算法的过程模型辨识.pdfVIP

第27卷第9期 电 力 自动 化 议 备 Vo1.27No.9 2007年9月 ElectricPowerAutomationEquipment Sept.2007 由 基于粒子群优化算法的过程模型辨识 徐志成 (常州机电职业技术学院 机械与电子工程系，江苏 常州 213164) 摘要:参数辫识是过程建模的基础，提出了一种基于拉子群优化(PSO)算法的模型参数辫识方 法，将过程模型的每个参数作为拉子群体中的一个拉子，利用粒子群体在参数空间进行高效并 行的搜索来获得过程模型的最佳参数值，可有效提高参数辫识的精度和效率。对火电厂热工过 程进行参数辫识的仿真结果表明，利用PSO算法辫识过程模型参数，无论过程模型是否是时滞 对象，该辫识方法对过程模型的阶次不敏感，对于不同的输入信号，均f得到满意的辫识精度和 效率，因此得到了较为精确的过程模型，模型输出与实际输出基本一致。 关键词:拉子群优化;模型辫识;热工过程 中图分类号二TK224 文献标识码:A 文章编号:1006一6047(2007)09一0075一04 数据对(xi,yi)(i=1,2,...，n)求解偏差平方和 0 引言 J(0)=互[y,-f(x,,0)72 (2) 过程建模是控制系统的设计基础，历来受到控 为最小的0值。可以看出其实质就是将模型参数辨 制理论界的高度重视。建立过程的数学模型一般有 识问题转化为函数优化问题。 机理建模和辨识建模2种基本方法。机理建模通过 分析过程的运动规律，运用已知的定律、定理和原理 2 PSO算法原理 建立过程的数学模型，通常其只能用于对简单过程的 PSO算法是一种新型演化计算方法n[[o]。其算法 建模。对于复杂的实际过程，机理建模存在很大的 基本原理为[[ill:设在D维空间中有m个微粒，每个 局限性。辨识建模是利用过程输人输出数据所提供 微粒的坐标为X=(xa,xa,...，二。)，并具有与优化目 的信息建立过程的数学模型，是过程控制界常用的一 标函数f(二)相关的适应度(通常可以直接将目标函 种建模方法，它根据过程所提供的输人输出测量信 数作为微粒的适应度)，同时，每个微粒具有各自的 息，在某种准则意义下，估计模型的未知参数，其本 速度V=(。:，‘。:，，二，。司。对于第i个微粒，其所经历 质是对模型参数的优化。常用的辨识方法有最小二 的历史最好位置记为只=(Pa,Pa,**,Po;)，记全体所 乘法[I]、极大似然估计法z[[1、基于神经网络的参数辨 有微粒经过的最好位置为pa=(ggrz,...,gm)。对第t 识法3[1遗传算法14-5〕等。 代的第E个微粒,PSO算法根据式(3)计算第L十1代 粒子群优化PSO(ParticleSwarmOptimization)算 的第1维的速度和位置。 法16-91，通过对简单社会模型的模拟，将需寻优的参