采用改进蚁群算法的热工过程模型参数辨识
2016-04-11章程明张雨飞
发电设备 2016年2期
章程明, 张雨飞
(东南大学 能源与环境学院, 南京 210096)
采用改进蚁群算法的热工过程模型参数辨识
章程明, 张雨飞
(东南大学 能源与环境学院, 南京 210096)
摘要:在基本蚁群算法基础上引入人工免疫的思想,对算法中初始信息素分布、信息素调整机制及选择概率函数等方面做出改进,使蚁群辨识方法能够更快、更精确地逼近实际系统的输出。结合仿真实验结果表明,该方法比基本蚁群算法具有更高的寻优效率和辨识精度。
关键词:热工过程; 系统辨识; 蚁群算法; 人工免疫
电力生产系统结构复杂,系统之间强耦合,难以试验建模,至今没有普遍适用的控制传递函数模型[1-2],根据现场运行参数直接求得热工过程的传递函数一直是控制领域研究的重要课题之一。近年来,群体智能(Swarm Intelligent)的快速发展及其在系统辨识中的应用,弥补了传统热工过程辨识方法的不足[3]。国内外学者对神经网络[4-6]、遗传算法[7-8]、粒子群算法[9]等群体智能算法在过程模型辨识的应用进行了广泛研究,其中蚁群算法作为一种模拟蚂蚁群体智能行为的仿生优化算法,采用正反馈并行自催化机制,具有较强的鲁棒性、优良的分布式计算机制、容易和其他方法相结合的特点,成为人们研究的热点算法之一[10-11]。然而由于基本蚁群算法前期信息素匮乏,求解初期过程耗时较长;算法迭代参数单一,信息素容易出现发散式增长,使求解后期陷入局部最优。
对此,笔者在基本蚁群算法中引入人工免疫的思想,利用其快速的全局搜索能力,产生蚁群算法在算法前期所需的初始解及初始信息素分布,避免盲目搜索,提高算法效率;……
登录APP查看全文
