基于改进 UKFN N和 NSGA-Ⅱ的工业过程决策参数稳健优化.pdfVIP

第３２卷第９期 计 算 机 应 用 研 究 Ｖｏｌ３２ Ｎｏ９ ２０１５ 年９ 月　 Ａｐｐｌｉｃａｔｉｏｎ Ｒｅｓｅａｒｃｈ ｏｆＣｏｍｐｕｔｅｒｓ Ｓｅｐ．２０１５ 基于改进 ＵＫＦＮＮ和 ＮＳＧＡ 的 Ⅱ 工业过程决策参数稳健优化 李太福 ，侯　杰 ，姚立忠 ，易　军１ ２ １ １ （１．重庆科技学院 电气与信息工程学院，重庆４０１３３１；２．大连理工大学控制科学与工程学院，辽宁大连 １１６０２４） 摘　要：针对工业生产过程建模误差的不确定性和最优决策参数的执行误差的不确定性，提出采用改进无迹卡 尔曼神经网络（ｕｎｓｃｅｎｔｅｄ Ｋａｌｍａｎ ｆｉｌｔｅｒ ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ，ＵＫＦＮＮ）动态建模保证建模精度；采用改进非支配 排序遗传算法（ｎｏｎｄｏｍｉｎａｔｅｄ ｓｏｒｔｉｎｇ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ ，ＮＳＧＡ ）稳健优化设计最优决策参数保证执行效果， Ⅱ Ⅱ 得到稳定最优输出。采用只需对输入／输出数据进行计算即可得到不可测的未知噪声统计信息的样本有效噪声 估计（ｇａｍｍａｔｅｓｔ，ＧＴ）来计算观测噪声统计值，保证ＵＫＦＮＮ 的建模精度；再采用改进选择算子和交叉算子的ＮＳ ＧＡ 对工业过程进行稳健优化，得到能够保证系统稳健最优输出的决策参数。最后采用笔者的建模优化方案 Ⅱ 对氢氰酸生产过程进行实验研究，有效提高了氢氰酸转换率，为噪声不确定工业过程的建模优化提供了一条可 行途径。 关键词：工业过程；动态建模；稳健优化；卡尔曼滤波；神经网络；多目标优化；非支配排序遗传算法 中图分类号：ＴＰ１８２　　　文献标志码：Ａ　　　　　文章编号：１００１３６９５（２０１５）０９２７１６０４ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１５．０９．０３６ Ｇｅｎｅｒｉｃ ｈｙｂｒｉｄ ｄｙｎａｍｉｃ ｍｏｄｅｌｉｎｇ ａｎｄ ｒｏｂｕｓｔ ｏｐｔｉｍｉｚｉｎｇ ｏｆｉｎｄｕｓｔｒｉａｌ ｐｒｏｃｅｓｓｅｓ ｕｓｉｎｇ ｉｍｐｒｏｖｅｄ ＵＫＦＮＮ ａｎｄ ＮＳＧＡ ｆｏｒ ｐｅｒｆｏｒｍａｎｃｅ ｏｐｔｉｍｉｚａｔｉｏｎ Ⅱ Ｌｉ Ｔａｉｆｕ ，Ｈｏｕ Ｊｉｅ ，Ｙａｏ Ｌｉｚｈｏｎｇ ，Ｙｉ Ｊｕｎ１ ２ １ １ （１．Ｓｃｈｏｏｌ ｏｆＥｌｅｃｔｒｉｃａｌ ＆Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｃｈｏｎｇｑｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆＳｃｉｅｎｃｅ ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈｏｎｇｑｉｎｇ ４０１３３１，Ｃｈｉｎａ；２．Ｓｃｈｏｏｌ ｏｆ Ｃｏｎｔｒｏｌ Ｓｃｉｅｎｃｅ ＆Ｅｎｇｉｎｅｅｒｉｎｇ，Ｄａｌｉａｎ ＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，ＤａｌｉａｎＬｉａｏｎｉｎｇ １１６０２４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｏ ｇｅｔ ｔｈｅ ｐｒｅｃｉｓｅ ｍｏｄｅｌ ａｎｄ ｔｈｅ ｏｐｔｉｍａｌ ｄｅｃｉｓｉｏｎ ｐａｒａｍｅｔｅｒｓ ｏｆｔｈｅ ｎｏｎｌｉｎｅａｒ ｄｙｎａｍｉｃ ｉｎｄｕｓｔｒｉａｌ ｐｒｏｃｅｓｓ ｗｉｔｈ ｕｎ ｃｅｒｔａｉｎ ｎｏｉｓｅ，ｔｈｉｓｐａｐｅｒ ｐｒｏｖｅｄ ａ ｇｅｎｅｒｉｃ ｈｙｂｒｉｄ ｓｔｒａｔｅｇｙ ｂａｓｅｄ ｏｎ ｄｙｎａｍｉｃ ｍｏｄｅｌｉｎｇ ａｎｄ ｒｏｂｕｓｔ ｏｐｔｉｍｉｚａｔｉｏｎ ｕｓｉｎｇ ｔｈｅ ｉｍ ｐｒｏｖｅｄ （ｕ