【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
论文部分内容阅读
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。
其他文献
智能电网的建设给电力行业的发展带来了机遇和挑战,随着电动汽车和大型电力电子设备接入电网,电网的结构将变得越来越复杂,电网的运行状态必将会受到严重的影响。电网运行状态的好坏直接关系到电力系统生产和运行的安全稳定。因此,对于电网运行状态评估技术的研究显得尤为的重要。从电网运行状态评估中的潮流计算出发,本文通过研究输电线路的热平衡方程,明确了输电线路导体的能量转化机制,分析了电力元件之间的热阻模型,并对
长行程和高精度是当前驱动进给系统面临的需求和挑战。以传统电机作为宏执行器,虽然能提供较大的行程,但是响应速度慢和精度低的缺陷,使其难以在精密定位系统中发挥作用。而
实际工业对象往往存在模型不确定性，采用定常数学模型的预测控制系统难以获得期望的控制性能，甚至系统的稳定性也难以得到保证。因此，针对不确定系统开展鲁棒预测控制理论研究具
液位监测是石油开采行业乃至整个工业领域的一项重要工艺技术,其运行情况的好坏与精度,对平稳、安全的生产流程会有直接的影响。及时准确的获取液位监测仪器反应的异常工况,
车牌识别技术是智能交通系统的重要组成部分。但是，由于现有车牌识别技术尤其是车牌定位技术存在对环境变化敏感，受图像质量、光线等影响大等问题，对相关产品的施工条件提出了苛
近年来,随着海水淡化技术、太阳能热利用及热泵技术的迅速发展,太阳能供海水淡化技术也逐步成为目前能源界研究开发的热点,太阳能热泵技术的发展也同样逐步得到推广。就基于
人工神经网络技术(ANN)经过几十年的发展,其相关的理论体系也越发完善。随着研究的不断深入,其在模式识别、故障诊断、最优控制、目标追踪以及金融时序预测等领域取得了广泛
本研究课题以预应力钢绞线中频感应装置温度控制系统为控制对象,主要分析了其性能指标,基本原理,硬件与软件实现过程,论述了一种可行的钢绞线热处理温度控制系统的设计方案。
本论文针对目前市场上流行的GSM/GPRS网络式防盗系统的功能简单、覆盖范围小、传输速度慢等缺陷,提出了基于3G网络的汽车防盗系统。采用嵌入式技术同传感器技术、GPS全球定位
发电单元由锅炉、汽轮机、发电机环节组成，是动力系统中一类重要的、复杂的元件。本质上，发电单元是电力大系统的一部分，是其中的一个子系统，与电力大系统的其余部分之间存在相互