一种改进粒子群算法及其在热工过程模型辨识中的应用
, PP. 97-100
Keywords: pso算法,选择与变异,热工过程,模型辨识,收敛性
Abstract:
为了提高基本粒子群优化(pso)算法的收敛性，提出了一种引入选择与变异机制的改进pso算法。该算法选择一定范围的优秀粒子代替较差粒子，并使粒子以不同的概率变异。仿真试验表明，引入选择与变异机制使pso算法的收敛速度得到了提高，并且有效抑制了pso算法的早熟。将改进pso算法应用于热工过程模型辨识，在较少的迭代次数内得到了比较精确的模型辨识结果，且具有很好的收敛性能，获得了满意的辨识效果。
| [1] | 刘长良，于希宁，姚万业，等．基于遗传算法的火电厂热工过程模型辨识[j]．中国电机工程学报，2003，23(3)：170-174．[2]王田，薛建中，习志勇，等．基于rbf神经网络辨识的过热蒸汽温度控制[j]．热力发电，2008，37(10)：87-91．[3]吕伟杰，刘鲁源．小波网络在直接转矩控制定子电阻辨识中的应用[j]．中国电机工程学报，2004，24(2)：116-119．[4]吕剑虹，陈建勤，刘志远，等．基于模糊规则的热工过程非线性模型的研究[j]．中国电机工程学报，2002，22(11)：133-137．[5]林金星，沈炯，李益国．基于免疫原理的径向基函数网络在线学习算法及其在热工过程大范围工况建模中的应用[j]．中国电机工程学报，2006，26(9)：14-19．[6]jkennedy，reberhart.particleswarmoptimization[c].proc.ieeeint.conf.neuralnetworks，1995：1942-1948.[7]yshi，rceberhart.amodifiedparticleswarmoptimizer[c].proc.ieeeint.conf.evol.comput，anchorage，alaska，1998：69-73.
|
Full-Text
