發(fā)布時(shí)間：2021-09-05 17:24

　　引入個(gè)體位置變異的方法對(duì)標(biāo)準(zhǔn)粒子群算法進(jìn)行了改進(jìn),并將其應(yīng)用于火電廠主蒸汽壓力系統(tǒng),進(jìn)行傳遞函數(shù)的參數(shù)辨識(shí)。改進(jìn)后的算法豐富了種群的多樣性,提高了搜索的速度。將改進(jìn)后的基于個(gè)體位置變異的粒子群算法和標(biāo)準(zhǔn)粒子群算法進(jìn)行辨識(shí)對(duì)比實(shí)驗(yàn),結(jié)果表明,改進(jìn)后的算法能有效降低辨識(shí)誤差,同時(shí)明顯縮減運(yùn)行時(shí)間。 

【文章來源】：儀器儀表用戶. 2019,26(09)

【文章頁數(shù)】：4 頁

【部分圖文】：

變異率曲線Fig.1Mutationratecurve

鄒媛青·基于個(gè)體位置變異粒子群算法的主蒸汽壓力系統(tǒng)參數(shù)辨識(shí)第9期552基于個(gè)體位置變異的粒子群算法應(yīng)用于主蒸汽壓力系統(tǒng)傳遞函數(shù)辨識(shí)2.1主蒸汽壓力系統(tǒng)的傳遞函數(shù)模型現(xiàn)有某超超臨界燃煤機(jī)組的燃料量——主蒸汽壓力數(shù)據(jù)序列[5]，記原始數(shù)據(jù)的輸入輸出序列分別為u、y，原始數(shù)據(jù)顯示如圖2所示。根據(jù)經(jīng)驗(yàn)，超超臨界機(jī)組的燃料量——主蒸汽壓力的關(guān)系可用高階等容帶純遲延模型表示[5]。故假設(shè)待辨識(shí)的傳遞函數(shù)為：（8）2.2目標(biāo)函數(shù)設(shè)辨識(shí)得到的輸出序列為y1，考慮到原始輸出序列y的數(shù)值很小，為便于評(píng)價(jià)辨識(shí)精度，將目標(biāo)函數(shù)設(shè)置為辨識(shí)誤差平方的累積值乘以一個(gè)較大的常數(shù)值。本次辨識(shí)的目標(biāo)函數(shù)設(shè)置如下：（9）式（9）中，Tmax表示程序結(jié)束運(yùn)行的時(shí)間。2.3參數(shù)設(shè)置本文的辨識(shí)實(shí)驗(yàn)，對(duì)照算法是標(biāo)準(zhǔn)粒子群算法（PSO），驗(yàn)證的算法是本文新提出的基于個(gè)體位置變異的粒子群算法（MPSO2）。兩種算法的參數(shù)設(shè)置如下：粒子種群中粒子數(shù)目為100；算法運(yùn)行最大迭代次數(shù)N=100；變異率計(jì)算公式（7）中，取最大變異率Pm,max=0.6，最小變異率Pm,min=0.3，常數(shù)M=1000；慣性權(quán)重ω=0.729；個(gè)體學(xué)習(xí)因子取c1=1.49445，種群學(xué)習(xí)因子取c2=1.49445；最小適應(yīng)度值取MinFit=3.15×10-5；數(shù)據(jù)采樣時(shí)間取Ts=10s；待辨識(shí)參數(shù)共4個(gè)，分別是K、T、n、τ；參數(shù)K的范圍為[0.01,0.1]，其速度范圍為[-0.0001,0.0001]；參數(shù)T的范圍為[50,150]，其速度范圍為[-5,5]；參數(shù)n的范圍為[2,4]，其速度范圍為[-1,1]；參數(shù)τ的范圍為[20,80]，其速度范圍為[-4,4]。2.4辨識(shí)結(jié)果考慮到兩種算法均含有隨機(jī)操作，每次的結(jié)果會(huì)有差異，將兩種算法各運(yùn)行10次，把辨識(shí)結(jié)果分別列于表1和表2中，表格中，Q表示辨識(shí)的目標(biāo)值，time表示程序的運(yùn)行時(shí)間。對(duì)比表1和表2可?

【參考文獻(xiàn)】：
期刊論文
[1]基于個(gè)體位置變異的粒子群算法[J]. 鄭俊觀,王碩禾,齊賽賽,張煥東,張立園.  石家莊鐵道大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[2]基于變異策略的粒子群算法[J]. 高立群,吳沛鋒,鄒德旋.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(11)



本文編號(hào)：3385772