基于改进粒子群算法的模型降阶

基于改进粒子群算法的模型降阶

ID:35065502

大小:3.26 MB

页数:59页

时间:2019-03-17

基于改进粒子群算法的模型降阶_第1页
基于改进粒子群算法的模型降阶_第2页
基于改进粒子群算法的模型降阶_第3页
基于改进粒子群算法的模型降阶_第4页
基于改进粒子群算法的模型降阶_第5页
资源描述:

《基于改进粒子群算法的模型降阶》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、萍0史众夫營觀■一…■:■呼.?,I■??.*..V‘1?,...专业硕±学位论文基芋改进粒子群算法的模型降阶ModelReductionBasedonImrovedParticlepSwarmOtimizationp'■':--V.;'■l.,’."V-.I,■.■.、C;;■._.!,..、?'.■:.-r?■i,.■?,.rrj,一-:"‘

2、I.?.?.>…..‘...、‘j...声-'.:,..勺.'苗:,.-.■.■■J?r:‘.尸.:...,‘,V.—.广-■.L;;‘,:...人;‘,‘..:.一:''-‘■■-.V■lI,.一'....;.J..’..?.]I.=..巧^..V苗巧年12,‘^:月..'.■?,■■.\':;r.,:少\'I--V,.(-V-v.

3、?,r.'-广\一,‘1.?‘...^.'''■一.'.‘?V;l.兰-‘..V''?'-1..:,..’—.尸I''.V:^,'...节..’'‘''1I.-‘'I-—’;r-’■.I,X'*?-'■'-■i??;\...?*?t—,1-.-?.??..-f.一'V:.1、.".■‘I

4、-'.^'..:、.■.'-’-'■.S-'‘.'■?>/.'’'-V‘■.'I.:A.f?‘-.....r'?'-.tir.■-'I’I1.:..f.人话r;.;靖。.’.■.■■I-■■-:■.'....'.V户山.中V:;如■’>.-?一?-.、.化v:..Vr国内图书分类号:TP273学校代码:10079国际图书分类号:681

5、.5密级:公开专业硕士学位论文基于改进粒子群算法的模型降阶硕士研究生:卢昌盛导师:王东风教授企业导师:王文治高级工程师申请学位:工程硕士专业领域:控制工程培养方式:全日制所在学院:控制与计算机工程学院答辩日期:2016年3月授予学位单位:华北电力大学ClassifiedIndex:TP273U.D.C:681.5ThesisfortheMasterDegreeModelReductionBasedonImprovedParticleSwarmOptimizationCandidate:LuChangshengSupervisor:Pr

6、of.WangDongfengSchool:SchoolofControlandComputerEngineeringDateofDefence:March,2016Degree-Conferring-Institution:NorthChinaElectricPowerUniversity华北电力大学硕士学位论文摘要随着现代社会的飞速发展,工业过程不断复杂,在实际应用中出现的被控对象规模也越来越大,因此导致系统模型的阶数也越来越高,这也造成了计算难度的加大以及控制成本的增加。因此模型降阶理论这个方面一直都是热门研究领域,尽管近些年国

7、内外很多研究学者在这方面做了很多贡献,即通过对实际中存在的难以控制的高阶对象进行降阶处理,以简单的低阶模型来替代实际高阶对象,从而降低设计控制器的难度,提高控制效果和精度。但是在已有的成果中还有我们可以去进一步探索的领域。本文在总结前人工作的基础上,主要将高阶模型与改进粒子群优化算法结合的模型降阶方法做了进一步的研究。本论文研究的主要内容包括如下两个方面:在模型降阶问题上,本文主要是随机选择若干高阶系统模型分别降为典型低阶模型,这样做有利于工程的实现,同时也保证了系统的稳定性;在改进的粒子群优化算法方面,则通过研究人工免疫与粒子群算法

8、,提出了一种基于自适应免疫双态粒子群优化算法(AIBPSO)的模型降阶方法,并分析降阶后系统与原系统在误差匹配尺度下的误差参数和两者在阶跃响应下的仿真输出曲线。文中一方面将一般的模型降阶方法(如Padé逼近法)与基于粒子

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。