热工控制系统的智能优化整定技术研究

论文摘要

本文在分析传统遗传算法和模拟退火算法不足的基础上分别对它们进行了改进。其中,对传统遗传算法的改进主要集中在缩小搜索范围、交叉算子、选择操作三个方面;对传统模拟退火算法的改进主要在于采用了回温退火策略、加入记忆器。把改进的这两种方法分别应用在热工控制系统控制器参数优化中,仿真结果表明改进的遗传算法在很大程度上克服了传统算法的早熟、容易陷入局部最优而很难跳出的缺陷,同时大大提高了优化效率和解的精度;改进的模拟退火算法很好的克服了传统算法由于初始温度不够高,终止温度不够小,所造成的容易陷入局部最优,而不容易跳出的缺陷,提高了算法优化的成功率。加入记忆器而避免了在搜索的过程中,由于采用恶化解也可以接受的接受准则而丢掉曾经搜索到的优质解,保证了最后搜索到的解就是算法目前找到的最好的解。

论文目录

• 中文摘要
• 英文摘要
• 第一章 绪论
• 1.1 选题背景及意义
• 1.2 优化整定技术的研究现状及应用现状
• 1.3 论文主要的工作内容
• 第二章 遗传算法在热工控制系统优化中的应用
• 2.1 引言
• 2.2 遗传算法简介
• 2.3 遗传算法的基本特点及基本操作
• 2.4 遗传算法在自控领域的应用
• 2.5 基于实数编码的改进遗传算法
• 2.5.1 搜索范围的缩小
• 2.5.2 交叉算子的改进
• 2.5.3 排序选择的改进
• 2.6 遗传算法的编程实现
• 2.6.1 算法的各个控制参数和控制操作的确定
• 2.6.2 用VC编程实现算法
• 2.7 仿真与应用
• 2.7.1 改进算法的比较
• 2.7.2 与其它优化算法的比较
• 2.8 做成功能模块嵌入整定仪中应用结果
• 2.9 小结
• 第三章 模拟退火算法在热工控制系统优化中的应用
• 3.1 序言
• 3.2 模拟退火算法的提出
• 3.3 模拟退火算法与局部搜索算法的差异
• 3.4 模拟退火算法的特性和影响算法的重要因素
• 3.5 冷却进度表的选取
• 3.6 传统模拟退火算法的工作原理
• 3.7 模拟退火算法的改进
• 3.7.1 回温退火策略的应用
• 3.7.2 加入记忆器来保证优化解的质量
• 3.7.3 改进算法的实现
• 3.7.4 改进算法在热工控制系统优化中的应用
• 3.8 小结
• 第四章 遗传算法和模拟退火算法的比较
• 4.1 引言
• 4.2 遗传算法和模拟退火算法的比较
• 4.2.1 搜索策略的比较
• 4.2.2 搜索能力的比较
• 4.2.3 优化实例的比较
• 第五章 结论与展望
• 参考文献
• 致谢
• 在学期间发表论文和参加科研情况