人工鱼群算法及其在热工过程控制中的应用

论文摘要

随着智能控制理论研究的不断深入及其在控制领域的广泛应用,群智能算法用于热工过程控制逐渐发展起来。人工鱼群算法是基于群智能的一种优化方法,它从构造动物简单的底层行为做起,通过各动物个体的局部寻优行为,最终在群体中使全局最优值突现出来,具备分布并行的寻优能力。本文介绍了人工鱼群算法的基本思想,给出了算法的具体实现步骤,并将其应用于热工过程辨识和控制器参数优化设计。仿真研究充分表明了该方法的可行性和有效性。

论文目录

• 中文摘要
• 英文摘要
• 第一章 引言
• 1.1 选题背景及其意义
• 1.1.1 概述
• 1.1.2 选题背景及意义
• 1.2 国内外算法研究现状
• 1.3 主要研究内容
• 第二章 人工鱼群算法的研究
• 2.1 人工鱼群算法原理
• 2.1.1 算法描述
• 2.1.2 算法结构及相关定义
• 2.1.3 行为描述
• prey）'>2.1.3.1 觅食行为（AF_prey）
• swarm）'>2.1.3.2 聚群行为（AF_swarm）
• follow）'>2.1.3.3 追尾行为（AF_follow）
• bulletin）'>2.1.3.4 公告板（AF_bulletin）
• 2.1.4 行为选择
• 2.1.5 各个行为对收敛的影响分析
• 2.1.6 各个参数对收敛的影响分析
• 2.1.6.1 视野和步长
• 2.1.6.2 拥挤度因子
• 2.1.6.3 人工鱼个体的数目
• 2.2 人工鱼群算法的特点
• 2.3 人工鱼群算法流程图
• 2.4 复杂函数优化的人工鱼群算法
• 2.5 小结
• 第三章 基于人工鱼群算法的系统辨识
• 3.1 系统辨识的基本原理
• 3.2 基于人工鱼群算法的热工过程辨识
• 3.2.1 基于人工鱼群算法的热工过程辨识原理
• 3.2.2 模型参数估计
• 3.2.3 利用现场数据的辨识
• 3.3 小结
• 第四章 基于人工鱼群算法的控制器参数优化设计
• 4.1 PID控制器参数优化概述
• 4.1.1 人工鱼群算法在PID控制器参数优化设计应用中的问题
• 4.1.1.1 适应度函数设计
• 4.1.1.2 控制变量可行解域的生成
• 4.1.1.3 算法的终止条件
• 4.1.2 人工鱼群算法步骤
• 4.2 基于人工鱼群算法的PID控制器参数优化设计
• 4.2.1 单回路PID参数优化
• 4.2.2 主汽温串级控制系统PID参数优化
• 4.3 小结
• 第五章 结论与展望
• 5.1 结论
• 5.2 课题研究展望
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况