基于改進(jìn)粒子群算法的模型降階.pdf

1、隨著現(xiàn)代社會的飛速發(fā)展，工業(yè)過程不斷復(fù)雜，在實際應(yīng)用中出現(xiàn)的被控對象規(guī)模也越來越大，因此導(dǎo)致系統(tǒng)模型的階數(shù)也越來越高，這也造成了計算難度的加大以及控制成本的增加。因此模型降階理論這個方面一直都是熱門研究領(lǐng)域，盡管近些年國內(nèi)外很多研究學(xué)者在這方面做了很多貢獻(xiàn)，即通過對實際中存在的難以控制的高階對象進(jìn)行降階處理，以簡單的低階模型來替代實際高階對象，從而降低設(shè)計控制器的難度，提高控制效果和精度。但是在已有的成果中還有我們可以去進(jìn)一步探索的領(lǐng)域

2、。
　　本文在總結(jié)前人工作的基礎(chǔ)上，主要將高階模型與改進(jìn)粒子群優(yōu)化算法結(jié)合的模型降階方法做了進(jìn)一步的研究。本論文研究的主要內(nèi)容包括如下兩個方面：在模型降階問題上，本文主要是隨機選擇若干高階系統(tǒng)模型分別降為典型低階模型，這樣做有利于工程的實現(xiàn)，同時也保證了系統(tǒng)的穩(wěn)定性；在改進(jìn)的粒子群優(yōu)化算法方面，則通過研究人工免疫與粒子群算法，提出了一種基于自適應(yīng)免疫雙態(tài)粒子群優(yōu)化算法(AIBPSO)的模型降階方法，并分析降階后系統(tǒng)與原系統(tǒng)在誤差匹