基于改进粒子群算法的工业过程参数辨识  

Industrial Process Parameter Identification Based on Improved Particle Swarm Optimization

作　　者：冯晨 王明春[1] 张雨飞[1] 段崇崇 

机构地区：[1]东南大学能源与环境学院,江苏南京210096

出　　处：《工业控制计算机》2018年第9期21-23,共3页Industrial Control Computer

摘　　要：粒子群算法存在着易陷入局部最优,过早收敛等缺点,提出一种将粒子群和模拟退火相结合的算法,并对学习因子做了相应的改进。在保持全局搜索速度较快的前提下,提高全局概率突跳的能力,理论上能够较好地克服粒子群算法本身容易陷入局部最优的缺点,并将新的算法用于热工过程参数辨识之中。实验证明,新的算法有较好的辨识效果。In this paper,a combination of particle swarm optimization and simulated annealing are proposed,and the learning factors are improved.Under the premise of keeping global search speed,can improve the ability of global probabilistic jump.Theoretically,it can overcome the shortcomings of PSO which is easy to fall into local optimum.The new algorithm is used to identify the parameters of the thermal process.

关 键 词：粒子群算法 参数辨识 模拟退火算法 建模 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TM621[自动化与计算机技术—控制科学与工程]