粒子群優(yōu)化算法及其在過(guò)程工業(yè)上的應(yīng)用.pdf

1、隨著現(xiàn)代工業(yè)過(guò)程的精細(xì)化水平和生產(chǎn)控制要求的不斷提高,智能算法在過(guò)程工業(yè)上的應(yīng)用不斷豐富,工程上對(duì)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(jìn)的變參數(shù)粒子群算法,克服了標(biāo)準(zhǔn)算法在解決復(fù)雜高維優(yōu)化問(wèn)題以及帶約束優(yōu)化問(wèn)題上的缺陷,并將改進(jìn)算法應(yīng)用于解決工業(yè)過(guò)程統(tǒng)計(jì)建模以及優(yōu)化控制中遇到的實(shí)際問(wèn)題,取得了較好的應(yīng)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(jìn)粒子群算法的原理和實(shí)現(xiàn),針對(duì)過(guò)程統(tǒng)計(jì)建模以及優(yōu)化控制問(wèn)題的特點(diǎn),提出一種針對(duì)高維優(yōu)化問(wèn)題的變參數(shù)合作粒子群優(yōu)化算法。該算法增強(qiáng)了粒子搜索全局優(yōu)化解的能力,并通過(guò)種群合作減少了高維問(wèn)題中對(duì)粒子數(shù)目的要求,提高了算法效率。在多個(gè)基準(zhǔn)單峰和多峰優(yōu)化問(wèn)題上測(cè)試已有的改進(jìn)算法以及本文所提出的算法,證明了本文算法在多個(gè)性能指標(biāo)上的優(yōu)越性。
　　 2、針對(duì)丙烯聚合生產(chǎn)控制中聚丙烯熔融指數(shù)在線測(cè)量的控制要求,以及過(guò)程

3、變量間相關(guān)性高的特點(diǎn),提出一種基于改進(jìn)粒子群優(yōu)化算法和神經(jīng)網(wǎng)絡(luò)的聚丙烯熔融指數(shù)統(tǒng)計(jì)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(xùn)練的效率和精度,并融合了主成分分析、統(tǒng)計(jì)建模等方法,降低了預(yù)報(bào)模型的復(fù)雜度。使用該統(tǒng)計(jì)模型對(duì)工廠實(shí)際生產(chǎn)過(guò)程進(jìn)行預(yù)報(bào),獲得了具有實(shí)際應(yīng)用價(jià)值的研究結(jié)果;并與國(guó)內(nèi)外相關(guān)研究報(bào)道相比較,表明了本文所提出的預(yù)報(bào)方法的有效性和更高的準(zhǔn)確性。
　　 3、在粒子群優(yōu)化算法解決無(wú)約束優(yōu)化問(wèn)題的基礎(chǔ)上,