本文關(guān)鍵詞：基于改進粒子群算法的模型降階

  更多相關(guān)文章： 高維模型 模型降階 粒子群算法 自適應(yīng)雙態(tài)粒子群算法

【摘要】：隨著現(xiàn)代社會的飛速發(fā)展,工業(yè)過程不斷復(fù)雜,在實際應(yīng)用中出現(xiàn)的被控對象規(guī)模也越來越大,因此導(dǎo)致系統(tǒng)模型的階數(shù)也越來越高,這也造成了計算難度的加大以及控制成本的增加。因此模型降階理論這個方面一直都是熱門研究領(lǐng)域,盡管近些年國內(nèi)外很多研究學(xué)者在這方面做了很多貢獻,即通過對實際中存在的難以控制的高階對象進行降階處理,以簡單的低階模型來替代實際高階對象,從而降低設(shè)計控制器的難度,提高控制效果和精度。但是在已有的成果中還有我們可以去進一步探索的領(lǐng)域。本文在總結(jié)前人工作的基礎(chǔ)上,主要將高階模型與改進粒子群優(yōu)化算法結(jié)合的模型降階方法做了進一步的研究。本論文研究的主要內(nèi)容包括如下兩個方面:在模型降階問題上,本文主要是隨機選擇若干高階系統(tǒng)模型分別降為典型低階模型,這樣做有利于工程的實現(xiàn),同時也保證了系統(tǒng)的穩(wěn)定性;在改進的粒子群優(yōu)化算法方面,則通過研究人工免疫與粒子群算法,提出了一種基于自適應(yīng)免疫雙態(tài)粒子群優(yōu)化算法(AIBPSO)的模型降階方法,并分析降階后系統(tǒng)與原系統(tǒng)在誤差匹配尺度下的誤差參數(shù)和兩者在階躍響應(yīng)下的仿真輸出曲線。文中一方面將一般的模型降階方法(如Padé逼近法)與基于粒子群優(yōu)化算法的模型降階方法,從時域與頻域兩方面進行對比;另一方面也將基于基本粒子群優(yōu)化算法的模型降階方法與基于AIBPSO的模型降階方法,從不同性能指標(biāo)下的適應(yīng)度值變化曲線進行對比,對比結(jié)果皆表明本文所提出的基于AIBPSO的模型降階方法在針對高階系統(tǒng)模型降階中有著較好的效果。
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18;TP13

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前9條

1 林青松;肖培智;宋曉娜;;基于模型降階的最優(yōu)分數(shù)階PID控制器設(shè)計[J];計算機測量與控制;2014年08期

2 馬凡;馬偉明;付立軍;康軍;范學(xué)鑫;葉志浩;王剛;;一種非線性多時間尺度系統(tǒng)模型降階方法[J];中國電機工程學(xué)報;2013年16期

3 曾泰山;魯春元;陳劍;;求解大規(guī)模線性時不變系統(tǒng)的最優(yōu)H_2模型降階問題的共軛梯度法[J];中山大學(xué)學(xué)報(自然科學(xué)版);2011年02期

4 章萌;章衛(wèi)國;孫勇;寧東方;;基于混沌粒子群優(yōu)化算法的彈性飛機模型降階[J];系統(tǒng)仿真學(xué)報;2009年23期

5 姜立強;郭錚;劉光斌;;利用外點罰函數(shù)和粒子群算法實現(xiàn)模型最優(yōu)降階[J];電光與控制;2007年04期

6 鄧娜;蘇慶新;;離散時間系統(tǒng)Hankel最優(yōu)模型降階及其應(yīng)用[J];控制工程;2006年06期

7 楊淑媛;焦李成;劉芳;;量子進化算法[J];工程數(shù)學(xué)學(xué)報;2006年02期

8 鄭力新,黃東海,周凱汀;采用遺傳算法實現(xiàn)時域模型降階[J];華僑大學(xué)學(xué)報(自然科學(xué)版);2003年02期

9 胡壽松,林道垣,謝義成;經(jīng)典模型降階方法述評[J];南京航空航天大學(xué)學(xué)報;1989年04期

，

本文編號：1234035