基于粒子群算法混合优化的广义预测控制器研究(8)

第１９卷第４期２００７年２月

、ｂ１．１９Ｎｏ．４

系统仿真学报

Ｆｅｂ．．２００７

将模型简化可得到一阶对象模型为：一—坐Ｌ。一ｓ

２９０ｓ＋１

取参数：ｎ＝２０，ｍ＝ｌ，九＝０．８，Ｑ＝０．５。ＰＳＯ的种群数目为２０，最大迭代次数为１００，ｃ１＝ｃ２＝２，６＝０．０００１，ｂ＝１０，０％－－－－２０％。其中Ａｕ限制在［－５，５］之间，阀门开度在［０，１００】之间，在第１００分钟给系统加降负荷扰动，从仿真图中可以看到，喷水减温阀门开度变大，系统输出温度在偏离设定值４℃后回到设定温度５４０℃，如图７所示。

Ｕ

髓趟旱｝

釜

蜊

赠ｊ了

Ｏ

２０

４０

６０

８０

１００

１２０

１４０

１６０

１８０

２００

迭代次数

图８改进ＰＳＯ算法寻优的进化曲线图

锯１０

蔫５ｑ．需

参考文献：

【１】

Ｆｉｌａｌｉ

Ｓ．Ｃｏｍｐａｒｉｓｏｎｏｆｔｈｒｅｅｏｐｔｉｍｉｚａｔｉｏｎｃｏｎｔｒｏｌｃｏｕｐｌｅｄｗｉｔｈ

ｍｅｔｈｏｄｓ

ａｎ

ｆｏｒｃｏｎｓｔｒａｉｎｅｄ

ｇｅｎｅｒａｌｉｚｅｄｐｒｅｄｉｃｔｉｖｅ

ｅｓｔｉｍａｔｉｏｎｂｙｇｅｎｅｔｉｃ

ＰＳＯＧＰＣ将粒子群算法与无约束广义预测控制中的梯度寻优法相互配合，改进粒子群优化算法，提高寻优速率、

［８】

ｏｌａｎｌｃｏｎｔｒｏｌ

ｓ，ＤｕｍｕｒＤ．Ｆｅａｓｉｂｉｌｉｔｙ。ｆｃ。ｎｓｔｒａｉｎｃｄｇｅｎｅｒａｌｉｚｅｄｐｒｅｄｉｃｔｉｖｅｗｉｔｈｉｎｉｎｖａｒｉａｎｔ

ｓｅｔｓ

ｆｒａｍｅｗｏｒｋ［Ｃ］／／５ｔｈ

ＩＥＥＥＡｓｉａｎＣｏｎｔｒ０１

精度，不仅对无约束被控对象能够获得很好的控制效果，而

且通过仿真研究表明该方法在被控对象存在多种约束条件

［９】

ＣｕｎｆｅｒｅｎｃｅＡＳＣＣ，０４，ＭｅＩｂｏｕｒｎｅ，Ａｕｓｔｒａｔｉａ．２００４．

李国勇．输入受限的隐式广义预测控制算法的仿真研究［Ｊ］系

情况时同样可以得到很好的控制效果。这种改进的广义预测统仿真学报，２００４，１６（７）：１５３３—１５３５ 控制器将有利于促进广义预测控制在更多工业过程控制中的应用。该方法的理论研究与仿真模型得到安徽省电力科学研究院的支持，在此表示感谢。（上接第７０６页）

搜索“diyifanwen.net”或“第一范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，第一范文网，提供最新人文社科基于粒子群算法混合优化的广义预测控制器研究(8)全文阅读和word下载服务。