检测技术与自动化装置专业优秀论文 粒子群优化算法及其在发酵过程控制中的应用研究.doc

检测技术与自动化装置专业优秀论文 粒子群优化算法及其在发酵过程控制中的应用研究.doc

  1. 1、本文档共25页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
检测技术与自动化装置专业优秀论文 粒子群优化算法及其在发酵过程控制中的应用研究

检测技术与自动化装置专业优秀论文 粒子群优化算法及其在发酵过程控制中的应用研究 关键词:群智能优化算法 粒子群优化算法 发酵过程 过程优化控制 反馈控制器 摘要:微生物发酵工程是生物工程和现代生物技术及其产业化的基础。随着发酵工业的技术进步和现代生产对过程优化的要求不断提高,对发酵过程控制技术的要求也越来越高。微生物发酵过程具有高度非线性和时变性,经典的优化算法和调控手段,远不能满足发酵过程控制与优化的需要。粒子群优化算法采用群体有哪些信誉好的足球投注网站策略,易于并行处理、鲁棒性强,可有效地解决复杂的优化问题,将粒子群优化算法引入发酵过程控制是提高发酵工业生产效率的新的有效途径。因此,对基于粒子群优化算法的发酵过程控制的研究,具有重要的理论意义和应用价值。 本文在分析群智能优化算法研究现状的基础上,通过改进标准粒子群优化算法中粒子运动的策略,提出引入粒子最差位置的粒子群优化算法(W-PSO);在此基础上,进一步根据粒子内能对群体进行自适应分群,提出群能量恒定的粒子群优化算法(SEC-PSO);通过建立粒子微观动态模型,给出了调整算法中参数选择的依据和公式;最后将改进算法应用于发酵过程控制器参数整定、系统建模和过程优化,并通过实验分析验证其可行性和有效性。 实验结果表明,改进的粒子群优化算法在处理复杂函数优化问题时,可以有效地克服标准粒子群算法后期收敛速度慢,容易陷入局部最优的缺点。将其应用于反馈控制器参数优化及发酵过程模型参数估计和流加轨线控制中,在同样的优化目标条件下,算法所需迭代次数明显减少,能够快速准确地获取发酵过程优化对象的控制轨线,优化能力和控制效果显著提高。 正文内容 微生物发酵工程是生物工程和现代生物技术及其产业化的基础。随着发酵工业的技术进步和现代生产对过程优化的要求不断提高,对发酵过程控制技术的要求也越来越高。微生物发酵过程具有高度非线性和时变性,经典的优化算法和调控手段,远不能满足发酵过程控制与优化的需要。粒子群优化算法采用群体有哪些信誉好的足球投注网站策略,易于并行处理、鲁棒性强,可有效地解决复杂的优化问题,将粒子群优化算法引入发酵过程控制是提高发酵工业生产效率的新的有效途径。因此,对基于粒子群优化算法的发酵过程控制的研究,具有重要的理论意义和应用价值。 本文在分析群智能优化算法研究现状的基础上,通过改进标准粒子群优化算法中粒子运动的策略,提出引入粒子最差位置的粒子群优化算法(W-PSO);在此基础上,进一步根据粒子内能对群体进行自适应分群,提出群能量恒定的粒子群优化算法(SEC-PSO);通过建立粒子微观动态模型,给出了调整算法中参数选择的依据和公式;最后将改进算法应用于发酵过程控制器参数整定、系统建模和过程优化,并通过实验分析验证其可行性和有效性。 实验结果表明,改进的粒子群优化算法在处理复杂函数优化问题时,可以有效地克服标准粒子群算法后期收敛速度慢,容易陷入局部最优的缺点。将其应用于反馈控制器参数优化及发酵过程模型参数估计和流加轨线控制中,在同样的优化目标条件下,算法所需迭代次数明显减少,能够快速准确地获取发酵过程优化对象的控制轨线,优化能力和控制效果显著提高。 微生物发酵工程是生物工程和现代生物技术及其产业化的基础。随着发酵工业的技术进步和现代生产对过程优化的要求不断提高,对发酵过程控制技术的要求也越来越高。微生物发酵过程具有高度非线性和时变性,经典的优化算法和调控手段,远不能满足发酵过程控制与优化的需要。粒子群优化算法采用群体有哪些信誉好的足球投注网站策略,易于并行处理、鲁棒性强,可有效地解决复杂的优化问题,将粒子群优化算法引入发酵过程控制是提高发酵工业生产效率的新的有效途径。因此,对基于粒子群优化算法的发酵过程控制的研究,具有重要的理论意义和应用价值。 本文在分析群智能优化算法研究现状的基础上,通过改进标准粒子群优化算法中粒子运动的策略,提出引入粒子最差位置的粒子群优化算法(W-PSO);在此基础上,进一步根据粒子内能对群体进行自适应分群,提出群能量恒定的粒子群优化算法(SEC-PSO);通过建立粒子微观动态模型,给出了调整算法中参数选择的依据和公式;最后将改进算法应用于发酵过程控制器参数整定、系统建模和过程优化,并通过实验分析验证其可行性和有效性。 实验结果表明,改进的粒子群优化算法在处理复杂函数优化问题时,可以有效地克服标准粒子群算法后期收敛速度慢,容易陷入局部最优的缺点。将其应用于反馈控制器参数优化及发酵过程模型参数估计和流加轨线控制中,在同样的优化目标条件下,算法所需迭代次数明显减少,能够快速准确地获取发酵过程优化对象的控制轨线,优化能力和控制效果显著提高。 微生物发酵工程是生物工程和现代生物技术及其产业化的基础。随着发酵工业的技术进步和现代生产对过程优化的要求不断提高,对发酵过程控制技术的要求也越来越高。微生物

文档评论(0)

almm118 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档