基于黃金分割法的熱工參數(shù)辨識(shí)及PID參數(shù)優(yōu)化.pdf

1、熱工參數(shù)辨識(shí)和PID參數(shù)優(yōu)化在某個(gè)角度上都能轉(zhuǎn)化為最優(yōu)化問題。隨著群體智能理論在各個(gè)領(lǐng)域的快速發(fā)展，相繼有許多學(xué)者將群體智能算法用于熱工參數(shù)辨識(shí)和PID整定。然而群體智能算法用于熱工參數(shù)辨識(shí)和PID參數(shù)優(yōu)化時(shí)具有隨機(jī)性強(qiáng)、收斂慢、耗時(shí)長的特點(diǎn)。本文針對(duì)這些不足，旨在將確定性的尋優(yōu)算法應(yīng)用于熱工參數(shù)辨識(shí)和PID參數(shù)優(yōu)化。
　　本文首先介紹了如何將熱工參數(shù)辨識(shí)和PID參數(shù)優(yōu)化問題轉(zhuǎn)化為最優(yōu)化問題；然后仿真研究了在兩類問題中目標(biāo)函數(shù)沿各

2、個(gè)方向上大體上呈單峰性的特點(diǎn)；再將黃金分割法分別與坐標(biāo)輪換法、Powell直接法相結(jié)合形成兩種新的確定性算法，其結(jié)合過程即先根據(jù)坐標(biāo)輪換法或Powell直接法確定一維搜索方向，再利用黃金分割法進(jìn)行一維尋優(yōu)；最后將結(jié)合后的兩種方法分別應(yīng)用于熱工參數(shù)辨識(shí)和PID參數(shù)優(yōu)化，并與標(biāo)準(zhǔn)粒子群算法相比較以凸顯改進(jìn)算法的高效性。此外，本文又結(jié)合了IMC-PID，針對(duì)熱工系統(tǒng)中普遍存在的一階時(shí)滯、二階時(shí)滯過程，以ITAE為目標(biāo)函數(shù)，利用黃金分割法對(duì)IM