粒子群優(yōu)化算法及其在過程工業(yè)上的應用.pdf

1、隨著現(xiàn)代工業(yè)過程的精細化水平和生產(chǎn)控制要求的不斷提高,智能算法在過程工業(yè)上的應用不斷豐富,工程上對智能算法在性能和精度上的要求也不斷提高。粒子群優(yōu)化算法是一類重要的智能算法。
　　 本文提出了一種改進的變參數(shù)粒子群算法,克服了標準算法在解決復雜高維優(yōu)化問題以及帶約束優(yōu)化問題上的缺陷,并將改進算法應用于解決工業(yè)過程統(tǒng)計建模以及優(yōu)化控制中遇到的實際問題,取得了較好的應用效果。本文的主要內(nèi)容包括:
　　 1、為了克服傳統(tǒng)粒子群

2、優(yōu)化算法的不足,討論多種改進粒子群算法的原理和實現(xiàn),針對過程統(tǒng)計建模以及優(yōu)化控制問題的特點,提出一種針對高維優(yōu)化問題的變參數(shù)合作粒子群優(yōu)化算法。該算法增強了粒子搜索全局優(yōu)化解的能力,并通過種群合作減少了高維問題中對粒子數(shù)目的要求,提高了算法效率。在多個基準單峰和多峰優(yōu)化問題上測試已有的改進算法以及本文所提出的算法,證明了本文算法在多個性能指標上的優(yōu)越性。
　　 2、針對丙烯聚合生產(chǎn)控制中聚丙烯熔融指數(shù)在線測量的控制要求,以及過程

3、變量間相關(guān)性高的特點,提出一種基于改進粒子群優(yōu)化算法和神經(jīng)網(wǎng)絡的聚丙烯熔融指數(shù)統(tǒng)計模型和模型在線矯正策略。該方法采用變參數(shù)的粒子群優(yōu)化算法提高訓練的效率和精度,并融合了主成分分析、統(tǒng)計建模等方法,降低了預報模型的復雜度。使用該統(tǒng)計模型對工廠實際生產(chǎn)過程進行預報,獲得了具有實際應用價值的研究結(jié)果;并與國內(nèi)外相關(guān)研究報道相比較,表明了本文所提出的預報方法的有效性和更高的準確性。
　　 3、在粒子群優(yōu)化算法解決無約束優(yōu)化問題的基礎上,