收藏本站
《中南大学》 2006年
收藏 | 手机打开
二维码
手机客户端打开本文

微粒群算法及其在锌电解整流供电系统优化中的应用研究

王俊年  
【摘要】: 鉴于科学研究和实际工程中许多问题的复杂性、约束性、非线性、多局部极小和建模困难等特点,寻找适用于各种不同需求的新型智能优化方法一直是许多学科的一个重要研究方向。群智能优化技术是模仿自然界群体生物行为特征而产生的一类新兴智能优化算法,该算法在没有集中控制且不提供全局模型的前提下,为求解复杂问题的最优解提供了基础。 本文在研究群智能优化算法的模型之一——微粒群算法的基本原理和研究现状的基础上,针对基本微粒群算法研究中存在的一些问题,提出了多种改进的微粒群算法,并研究这些改进算法在复杂科学研究和工程问题中的应用策略。本文的研究目的:一方面是探索微粒群算法的改进形式,使之能够有效地解决神经网络训练、复杂多峰函数寻优、多目标优化等理论问题;另一方面是将改进的微粒群算法应用于复杂工业系统的优化控制与决策。本文的主要研究工作包括以下几个方面: 1.在分析基本微粒群算法和协同微粒群算法特点的基础上,借鉴生态学中的种群划分思想,设计出一种多种群协同进化微粒群算法,并分析了该算法的收敛性能;在分析径向基函数神经网络结构的基础上,提出了基于多种群协同进化微粒群算法的径向基函数神经网络结构和权值优化设计策略,并在混沌序列预测、系统辨识、语音信号处理等应用仿真实验中验证了算法的有效性。 2.将一种“基于密度”的聚类算法与小生境微粒群算法相结合,提出了一种基于聚类的小生境微粒群算法(CBNPSO),克服了目前存在的算法在多峰函数寻优中存在的缺陷。提出的算法组合了两种方法来实现小生境技术的思想:第一,采用多种群策略实现全局和各子微粒群按不同的PSO算法进化:第二,采用聚类算法区分微粒群中存在的不同子微粒群。 3.研究了微粒群算法在聚类分析中的应用。提出了将微粒群算法与山峰聚类思想结合起来寻找聚类中心的方法,克服了传统的C均值或模糊C均值等聚类算法中存在的聚类结果与参数设置密切相关、聚类结果与初始聚类中心的选择以及样本输入顺序密切相关、要求设置的参数较多等缺陷。(1)将变惯性系数的ι-best PSO与山峰聚类法相结合,得到一种基于微粒群优化算法的山峰聚类算法;(2)简化山峰函数的计算,提出了一种基于微粒群算法的快速山峰聚类算法;(3)将小生境微粒群算法山峰聚类的思想结合起来,提出了基于小生境微粒群算法的山峰聚类法,实现了自动获取多维未知样本数据的聚类中心个数和位置。 4.在研究应用微粒群算法实现多目标优化的关键技术的基础上,提出了一种随机多目标微粒群算法(SMOPSO),并应用齐次马尔科夫链理论对SMOPSO的收敛性进行了分析。仿真实验表明,该算法不仅计算简单,而且能够获得较多的分布比较均匀的非劣解。 5.以某冶炼厂锌电解分时供电调度系统为对象,在已有文献研究的基础上,建立了锌电解生产过程分时供电优化调度系统的多目标优化数学模型,应用整数空间的随机多目标PSO算法实现锌电解过程分时供电的优化调度,克服了采用单目标模拟退火算法进行优化调度时存在惩罚因子选取的先验知识不足、搜索效率较低等缺点。锌电解过程分时供电优化调度系统不仅有效缓解了城市用电矛盾,而且为企业带来了巨大的经济效益。 6.在研究锌电解整流供电系统控制特点的基础上,建立了基于整流效率的锌电解生产整流供电系统优化控制数学模型,并针对该模型设计出一种递阶多目标微粒群算法,用于整流所直流电力经济运行的优化决策,在保证电解过程分时供电调度措施要求的输出电流稳流精度情况下,以提高整流效率为中心,优化并联运行多台机组的投运组合和电流分配,达到有效提高整流所整流效率、节约能源的目的,为有色金属电解生产的节能降耗提供了一种新的思路和方法。 7.开发了锌电解整流供电智能优化与监控系统,实现了锌电解整流供电系统的遥测、遥信、遥控、遥调等“四遥”功能,达到无人值班、优化运行和稳流控制的目的,进一步提高了有色金属生产的自动化和智能化水平。 最后总结了整个论文研究工作的成果,并展望了微粒群算法需要进一步研究的方向及其在复杂工业系统优化控制中的应用研究。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 刘翱;马晓茜;;基于微粒群算法和模糊神经网络的火灾探测研究[J];消防科学与技术;2007年06期
2 张磊;汪渤;戴绍忠;;PSO网络优化双重卡尔曼滤波在初始对准中的应用[J];弹箭与制导学报;2009年02期
3 王俊年,申群太,沈洪远,周鲜成;一种改进的小生境微粒群算法[J];山东大学学报(工学版);2005年03期
4 卞鹏;;基于微粒群算法的交通流量组合预测研究[J];重庆工商大学学报(自然科学版);2011年01期
5 代睿;曹龙汉;何俊强;唐超;刘小丽;;基于微粒群算法的无刷直流电机单神经元自适应控制[J];电工技术学报;2011年04期
6 李成基;何光远;张学鲛;;基于微粒群算法和BP网络的结构损伤识别[J];山西建筑;2009年02期
7 廖璟;申群太;;差分演化的微粒群算法[J];科学技术与工程;2007年08期
8 徐守江;陈艳男;;基于微粒群算法的圆度误差评价[J];计量技术;2006年07期
9 刘瑞芳;王希云;;基于线搜索的微粒群算法在机械设计中的应用[J];机械工程与自动化;2009年05期
10 张更新,赵辉,王红君,苏君临;基于动态参数的微粒群算法(PSO)的研究[J];天津理工大学学报;2005年04期
11 王万良;唐宇;;微粒群算法的研究现状与展望[J];浙江工业大学学报;2007年02期
12 魏占海;刘松林;黄海明;;基于微粒群算法的舰船维修保障系统优化研究[J];舰船电子工程;2008年08期
13 彭北青;;具有时间窗的开放式车辆路径的改进微粒群算法[J];工业工程与管理;2008年06期
14 杨劲松;凌培亮;;微粒群算法在模糊Petri网参数优化中的应用[J];中国工程机械学报;2009年04期
15 杨文涛;司应硕;;微粒群算法在图像检索中的应用[J];华北水利水电学院学报;2011年02期
16 汪镭,康琦,吴启迪;微粒群算法优化信息的分组延迟传播模式[J];同济大学学报(自然科学版);2005年06期
17 梅慧;叶春明;;微粒群算法的置换Flow-Shop调度问题[J];工业工程与管理;2006年04期
18 徐勇军;魏汝祥;钱筱丹;;微粒群算法在求解舰船维修间隔期中的应用[J];中国修船;2007年05期
19 穆华平;曾建潮;焦长义;;基于小世界邻域结构的微粒群算法研究[J];太原科技大学学报;2009年01期
20 万方刚;瞿立新;;微粒群算法在水利工程多资源均衡优化中的应用[J];水电能源科学;2009年02期
中国重要会议论文全文数据库 前10条
1 楼厦;刘爱伦;;基于微粒群优化的BP网络学习算法研究[A];上海市化学化工学会2006年度学术年会论文摘要集[C];2006年
2 张文广;史贤俊;廖剑;李新;;RBF神经网络在惯导系统传递对准中的应用[A];中国自动化学会控制理论专业委员会C卷[C];2011年
3 侯艳芳;冯红梅;;基于神经网络的调制识别算法的研究[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年
4 沈建荣;杨林泉;陈琳;;神经网络的稳定性判据与区域经济结构调整[A];系统工程与可持续发展战略——中国系统工程学会第十届年会论文集[C];1998年
5 石山铭;李富兰;丁俊丽;;神经网络的知识获取[A];全国青年管理科学与系统科学论文集(第1卷)[C];1991年
6 吴清烈;徐南荣;;基于神经网络的一种多目标决策方法[A];复杂巨系统理论·方法·应用——中国系统工程学会第八届学术年会论文集[C];1994年
7 李晓钟;汪培庄;罗承忠;;神经网络与模糊逻辑[A];中国系统工程学会模糊数学与模糊系统委员会第五届年会论文选集[C];1990年
8 房育栋;余英林;;高阶自组织映射及其学习算法[A];1995年中国控制会议论文集(上)[C];1995年
9 王晓晔;杜朝辉;吕德忠;刘建峰;;神经网络模糊控制在温度控制系统中的应用[A];1997中国控制与决策学术年会论文集[C];1997年
10 金龙;吴建生;;基于遗传算法的神经网络短期气候预测模型(摘要)[A];新世纪气象科技创新与大气科学发展——中国气象学会2003年年会“气候系统与气候变化”分会论文集[C];2003年
中国重要报纸全文数据库 前10条
1 本报记者 伍平;协同进化经典理论或被推翻[N];云南科技报;2009年
2 于翔;数字神经网络中的协同应用[N];网络世界;2009年
3 健康时报特约记者  张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年
4 吴单华 何莹;应对城市化挑战 寻求可持续方向[N];建筑时报;2007年
5 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
6 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年
7 实习记者 闫松;群体突破协同进化时代将来临[N];大众科技报;2007年
8 奇 云;蜂鸟与鲜花协同进化和谐共存[N];大众科技报;2005年
9 徐艳梅 司高飞;生态学对企业的启发[N];中国企业报;2005年
10 王胜男;人与病毒注定要协同进化[N];中国绿色时报;2005年
中国博士学位论文全文数据库 前10条
1 王俊年;微粒群算法及其在锌电解整流供电系统优化中的应用研究[D];中南大学;2006年
2 刘志祥;深部开采高阶段尾砂充填体力学与非线性优化设计[D];中南大学;2005年
3 戴雪龙;PET探测器神经网络定位方法研究[D];中国科学技术大学;2006年
4 马戎;智能控制技术在炼钢电弧炉中的应用研究[D];西北工业大学;2006年
5 文敦伟;面向多智能体和神经网络的智能控制研究[D];中南大学;2001年
6 吴大宏;基于遗传算法与神经网络的桥梁结构健康监测系统研究[D];西南交通大学;2003年
7 杜文斌;基于神经网络的冠心病证候诊断标准与药效评价模型研究[D];辽宁中医学院;2004年
8 熊雪梅;参数化模糊遗传神经网络及在植物病害预测的应用[D];南京农业大学;2004年
9 李智;电站锅炉燃烧系统优化运行与应用研究[D];东北大学;2005年
10 王承;基于神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2005年
中国硕士学位论文全文数据库 前10条
1 杨立儒;基于神经网络的电路故障诊断的研究与实现[D];解放军信息工程大学;2010年
2 刘兰兰;基于神经网络和遗传算法的H型钢粗轧工艺参数优化研究[D];山东大学;2011年
3 田鹏明;基于神经网络的振动主动控制研究[D];太原理工大学;2012年
4 姜宇;发动机裂解设备故障诊断技术的研究[D];吉林大学;2012年
5 邢远凯;基于决策树和遗传算法的神经网络研究及应用[D];浙江大学;2010年
6 高宝建;基于神经网络的月降水预报模型在洪泽湖的应用研究[D];南京信息工程大学;2012年
7 陈少华;基于Hopfield神经网络控制系统的研究[D];山东科技大学;2010年
8 来建波;基于神经网络的路段行程时间预测研究[D];云南大学;2011年
9 闫超;基于BP神经网络的煤矿深埋硐室软岩流变参数反演分析[D];安徽理工大学;2011年
10 段成均;时滞神经网络稳定性分析[D];重庆交通大学;2011年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978