学位论文 > 优秀研究生学位论文题录展示

基于粒子群优化算法的水箱过程装置控制研究

作　者: 李研博
导　师: 张燕
学　校: 河北工业大学
专　业: 控制科学与工程
关键词: 粒子群优化算法自适应混沌粒子群优化算法径向基函数神经网络多步预测控制
分类号: TP18
类　型: 硕士论文
年　份: 2011年
下　载: 20次
引　用: 0次
阅　读: 论文下载

内容摘要

粒子群优化算法(Particle Swarm Optimization,简称PSO)是由美国学者Kenndey和Eberhart在1995年提出的一种基于群智能的演化计算技术,是在鸟群,鱼群和人类社会的行为规律的启发下提出的一种智能优化算法。由于PSO的收敛速度快,设置参数少,操作更方便,是一种高效的优化搜索方法。所以,PSO算法从诞生起,就引起了国内外学者的广泛关注,并掀起了该方法的研究热潮。现在已广泛应用于目标函数优化,系统辨识,模糊系统控制,神经网络训练等诸多领域。虽然粒子群优化算法已在多个领域被成功的应用,但作为一种比较新的和快速发展的智能算法,它在系统化,规范化的理论基础方面的研究尚未成熟。如何将粒子群优化算法应用到更多的领域中,同样也是我们需要关注的。本文针对粒子群优化算法的收敛性问题和参数选取问题,提出了一种自适应混沌粒子群优化算法(ACPSO),并用于对RBF神经网络的优化中。然后将训练出的RBF神经网络模型用于非线性系统的直接多步预测控制中,预测结果表明经过了改进的粒子群算法训练的RBF神经网络,不仅具有收敛速度快的优点,而且具有很好的泛化能力,系统的预测精度也得到了提高。最后,将该预测控制算法在实验装置水箱过程控制装置上应用,得到了较好的控制效果。

基于粒子群优化算法的水箱过程装置控制研究

内容摘要

全文目录

相似论文