在現(xiàn)代工業(yè)過程中,學者們提出了更多的先進控制技術,但是這些技術多數(shù)是需要基于精確對象數(shù)學模型的。系統(tǒng)辨識是建立過程對象數(shù)學模型的一種有效的方法。目前,我們已經(jīng)具備了完善和成熟的經(jīng)典的傳統(tǒng)辨識方法,比較流行的辨識算法包括：最小二乘算法、遺傳算法、差分進化算法、粒子群算法等,可以在一定程度上克服傳統(tǒng)的估計方法的缺點。但是,在這些算法中還有一些可以提出改進措施的地方。在本論文中,首先我們基于標準的粒子群算法提出了一些改進措施,并將該改進算法稱之為改進的二階粒子群算法,隨后將該改進算法應用在一類模型結構已知的可以描述成塊聯(lián)模型的非線性系統(tǒng)工業(yè)過程中,仿真結果表明該改進算法在非線性系統(tǒng)中的應用是非常有效的。然后,針對一類多輸入、單輸出的靜態(tài)系統(tǒng),提出了一種系統(tǒng)辨識的新方法。該新方法可以實現(xiàn)多變量系統(tǒng)的結構和參數(shù)的同時辨識�；舅枷胧牵和瑫r將典型的數(shù)學模型與輸入變量相互組合,形成眾多的子模型,然后在眾多子模型中選取擬合實際系統(tǒng)最佳的子模型,同時確定該模型的參數(shù),最終我們將系統(tǒng)的結構辨識問題轉化為模型優(yōu)化問題。隨后利用結合了全局和局部搜索的混合PSO-SQP算法,同時實現(xiàn)了系統(tǒng)的結構辨識和參數(shù)辨識。... 

【文章來源】：北京化工大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 本課題的研究意義和目的
    1.2 系統(tǒng)辨識的發(fā)展簡介
        1.2.1 系統(tǒng)辨識的定義和歷史
        1.2.2 系統(tǒng)辨識研究的現(xiàn)狀和趨勢
        1.2.3 辨識方法簡述
    1.3 本論文的工作
第二章 常用辨識方法的概述與仿真
    2.1 系統(tǒng)辨識簡介
        2.1.1 系統(tǒng)模型
        2.1.2 建立系統(tǒng)數(shù)學模型的方法
        2.1.3 對象模型
        2.1.4 系統(tǒng)辨識的基本步驟
    2.2 最小二乘法的研究
        2.2.1 最小二乘法原理
        2.2.2 系統(tǒng)辨識的最小二乘方法
        2.2.3 基于基本最小二乘方法的辨識仿真
        2.2.4 基于改進的加權最小二乘方法的辨識仿真
    2.3 遺傳算法的研究
        2.3.1 遺傳算法簡介
        2.3.2 遺傳算法的基本原理
        2.3.3 基于遺傳算法的辨識仿真
    2.4 差分進化方法的研究
        2.4.1 差分進化方法簡述
        2.4.2 差分進化方法簡單流程
        2.4.3 基于差分進化方法的辨識仿真
第三章 基于改進二階粒子群算法的非線性模型辨識與仿真
    3.1 引言
    3.2 PSO方法介紹
        3.2.1 方法描述
        3.2.2 設定PSO算法參數(shù)
    3.3 二階粒子群辨識方法的研究
        3.3.1 二階粒子群辨識方法
        3.3.2 改進的二階粒子群辨識方法
    3.4 非線性模型簡介及仿真研究
        3.4.1 非線性系統(tǒng)模型簡介
        3.4.2 塊連非線性系統(tǒng)模型的研究
        3.4.3 基于改進的二階粒子群算法的Hammerstein模型仿真
        3.4.4 基于改進的二階粒子群算法的Wiener模型仿真
    3.5 小結
第四章 基于混合粒子群算法的多變量系統(tǒng)辨識的研究
    4.1 引言
    4.2 系統(tǒng)模型辨識問題描述
        4.2.1 模型結構參數(shù)
        4.2.2 系統(tǒng)模型描述
        4.2.3 原模型的選取
    4.3 基于混合粒子群算法模型辨識的研究
        4.3.1 慣性權重逐減的粒子群算法
        4.3.2 PSO-SQP辨識方法簡介
        4.3.3 基于混合粒子群算法的多變量系統(tǒng)的仿真
    4.4 小結
第五章 總結與展望
    5.1 全文總結
    5.2 今后工作展望
參考文獻
致謝
研究成果及發(fā)表的學術論文
作者和導師簡介
碩士研究生學位論文答辯委員會決議書


【參考文獻】：
期刊論文
[1]基于DE算法的非線性預測控制及其應用[J]. 王毓棟,王京春.  控制工程. 2008(01)
[2]基于支持向量機的非線性動態(tài)系統(tǒng)辨識方法[J]. 吳德會.  系統(tǒng)仿真學報. 2007(14)
[3]一種閉環(huán)條件下的多變量系統(tǒng)辨識方法[J]. 靳其兵,夏丹陽.  微計算機信息. 2007(19)
[4]基于漸進黑箱理論的多變量辨識方法[J]. 劉波,趙均,錢積新.  化工自動化及儀表. 2007(03)
[5]粒子群優(yōu)化算法分析及研究進展[J]. 朱麗莉,楊志鵬,袁華.  計算機工程與應用. 2007(05)
[6]一種可在線實現(xiàn)的對象辨識新方法[J]. 甄新平,李全善,姜景杰,潘立登,聞光輝.  北京化工大學學報(自然科學版). 2006(06)
[7]基于一類混合PSO算法的函數(shù)優(yōu)化與模型降階研究[J]. 劉麗姮,王凌,劉波,金以慧.  化工自動化及儀表. 2006(02)
[8]多變量時滯系統(tǒng)的解耦模糊內模控制[J]. 陳娟,陳岳峰,潘立登,曹柳林.  電機與控制學報. 2006(02)
[9]粒子群優(yōu)化算法模型分析[J]. 潘峰,陳杰,甘明剛,蔡濤,涂序彥.  自動化學報. 2006(03)
[10]用于函數(shù)優(yōu)化的自適應類種子保留遺傳算法[J]. 鞏敦衛(wèi),孫曉燕.  控制理論與應用. 2005(05)



本文編號：3156675