基于改进pso的神经网络优化方法及其在热工系统中的应用

《基于改进pso的神经网络优化方法及其在热工系统中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、华J匕电力人学硕十学位论文摘要摘要本文首先对粒子群算法的收敛性进行了系统地分析，针对粒子群算法的早熟现象，将自适应变异、混沌、模拟退火以及小生境等方法引入到粒子群算法中，构成了混合Pso算法。通过几个标准测试函数的仿真，表明了改进算法的收敛速度快、精度高：随后提出PSO．BP混合算法来对神经网络PID的权值进行优化，从而实现了对主汽温系统的动态PID控制。仿真结果表明，被控系统具有很好的抗干扰性能和较强的鲁棒性。最后提出了简化的减法聚类法并与PSO—BP算法结合，完成了对T-S模糊模型的结构辨识和参数优化

2、。基于现场主汽温系统数据的T-S模型建模结果表明，通过上述方法建立的模型具有较强的辨识精度和泛化能力。关键词：粒子群算法，智能优化，主汽温系统，神经网络，T-s模糊模型ABSTRACTFirstly'thePSOalgorithmisanalyzedsystematicaUy．InordertoaVoidprematllreconvergence，theHybridPSo(HPSo)algorithmispresentedbyintroducedadaptiVemutationoperation，chao

3、s，simulateda芏lnealingandnichetectmologyetc．SimulationresultsshowthattheHPSOhasbetterconVergentspeedandaccuracythanstaIldardPSOonfourbenclⅡ11ark如nctionoptimizationprobIems．Secondly’ahybridalgori也mcombiningPSoalgoritlⅡnwithBPalgorithm，alsoref．erredtoasPSo—B

4、PalgoritIⅡn，isproposedtotraintheinitialweightsofneuralnetworkcontroller(NNC)．ThesimlutionresultsshowthatNNCbasedonPSo—BPalgofithmcanef．feCtiVelycontrolmainsteamtemperaturesyStemandmakethecontrolledobjectiVehaVeaquitegooddistllrbancefesistanceaIldastrongro

5、bustness．Lastly，thesimplifiedsm)tractiVeclust嘶ngandPSO—BPalgorithmareproposedforTakagi—Sugenomzzymodelonstructureidentificationandparametersoptimization．T-Smodelisbuiltaccordingtothefielddataofthemainsteamtemperaturesystem．Theexperimentalresultsdemonstrat

6、ethatT．Smodelingbymeansoftheproposedmethodshasbetteridentificationaccuracyandgeneralizationability．SuiMing(ControlTheoryandControlEngineering)DirectedbyPro￡HanPuKEYWoRDS：ParticleSwarmoptimization，Intelligentoptimj2ation，Superheatedsteam1’emperatureSystem，

7、FeedforwardNeuralNetworl‘'T’aka酉一SugenoFuzzyModeI华J匕电力人学硕十学位论文摘要摘要本文首先对粒子群算法的收敛性进行了系统地分析，针对粒子群算法的早熟现象，将自适应变异、混沌、模拟退火以及小生境等方法引入到粒子群算法中，构成了混合Pso算法。通过几个标准测试函数的仿真，表明了改进算法的收敛速度快、精度高：随后提出PSO．BP混合算法来对神经网络PID的权值进行优化，从而实现了对主汽温系统的动态PID控制。仿真结果表明，被控系统具有很好的抗干扰性能和较强的鲁棒

8、性。最后提出了简化的减法聚类法并与PSO—BP算法结合，完成了对T-S模糊模型的结构辨识和参数优化。基于现场主汽温系统数据的T-S模型建模结果表明，通过上述方法建立的模型具有较强的辨识精度和泛化能力。关键词：粒子群算法，智能优化，主汽温系统，神经网络，T-s模糊模型ABSTRACTFirstly'thePSOalgorithmisanalyzedsystematicaUy．InordertoaVoidprematllrecon