基于微粒群優(yōu)化算法的間歇過(guò)程迭代學(xué)習(xí)

2012年02月10日10:52:59 本網(wǎng)站我要評(píng)論(2)字號(hào)：T | T | T

賈　立，程大帥，施繼平，邱銘森

上海大學(xué)機(jī)電工程與自動(dòng)化學(xué)院自動(dòng)化系電站自動(dòng)化技術(shù)重點(diǎn)實(shí)驗(yàn)室

新加坡國(guó)立大學(xué)工程學(xué)院

摘　　　要：在實(shí)際的間歇過(guò)程優(yōu)化控制中面臨著模型參數(shù)不確定性的問(wèn)題，并且基于梯度的優(yōu)化控制技術(shù)在處理具有多個(gè)局部極值的目標(biāo)函數(shù)時(shí)，往往會(huì)陷入局部極值點(diǎn)。針對(duì)該問(wèn)題，提出一種基于微粒群優(yōu)化算法的間歇過(guò)程產(chǎn)品質(zhì)量迭代學(xué)習(xí)策略。結(jié)合間歇過(guò)程產(chǎn)品質(zhì)量控制問(wèn)題的特點(diǎn)和各種約束條件，利用微粒群優(yōu)化算法在非線(xiàn)性問(wèn)題求解及大尺度空間搜索上的優(yōu)勢(shì)，來(lái)改變間歇過(guò)程魯棒優(yōu)化收縮控制變量的搜索域，并用迭代法以迭代方式消除誤差，從而使優(yōu)化性能指標(biāo)漸次達(dá)到較優(yōu)。在理論研究的基礎(chǔ)上，提出的算法用于一類(lèi)典型的間歇過(guò)程重點(diǎn)產(chǎn)品質(zhì)量?jī)?yōu)化控制中，仿真結(jié)果表明產(chǎn)品終點(diǎn)質(zhì)量能夠充分逼近期望值，并且控制軌跡收斂，從而驗(yàn)證了算法的有效性和實(shí)用價(jià)值。

關(guān)　鍵　詞：間歇過(guò)程；微粒群優(yōu)化；迭代學(xué)習(xí)；產(chǎn)品質(zhì)量控制

１　引　言

間歇過(guò)程（ＢａｔｃｈＰｒｏｃｅｓｓ）具有小批量、多品種、系列化、合成步驟復(fù)雜、技術(shù)密集等特點(diǎn)，能夠滿(mǎn)足現(xiàn)代過(guò)程工業(yè)的要求。間歇過(guò)程中存在著大量的優(yōu)化控制問(wèn)題，這里的優(yōu)化是指在間歇生產(chǎn)結(jié)束時(shí)，間歇單元獲得較大的產(chǎn)品產(chǎn)率或較好的產(chǎn)品質(zhì)量。通常間歇過(guò)程的動(dòng)態(tài)優(yōu)化是基于過(guò)程已知的確定性模型進(jìn)行求解，但實(shí)際工業(yè)中卻面臨著模型參數(shù)不確定性問(wèn)題。并且，傳統(tǒng)的基于梯度的優(yōu)化控制技術(shù)在處理具有多個(gè)局部極值的目標(biāo)函數(shù)時(shí)，往往會(huì)陷入局部極值點(diǎn)，不能高效的求解目標(biāo)問(wèn)題。

近幾年，隨著計(jì)算機(jī)和人工智能等技術(shù)的發(fā)展，不斷涌現(xiàn)出新的智能優(yōu)化方法。這些算法能夠克服上述傳統(tǒng)方法需要目標(biāo)函數(shù)是連續(xù)、可導(dǎo)的限制。結(jié)合間歇過(guò)程產(chǎn)品質(zhì)量控制問(wèn)題的特點(diǎn)和各種約束條件。

本文提出一種基于微粒群優(yōu)化算法的間歇過(guò)程產(chǎn)品質(zhì)量迭代學(xué)習(xí)控制策略，改變間歇過(guò)程的魯棒優(yōu)化收縮控制變量的搜索域，使優(yōu)化性能指標(biāo)漸次達(dá)到較優(yōu)。

登錄網(wǎng)站后可下載文件