基于智能優(yōu)化的軟測量建模方法研究及應用.pdf

1、近年來，為了保證生產(chǎn)過程的正常進行和獲得最大的經(jīng)濟效益，先進控制技術紛紛被應用于現(xiàn)代生產(chǎn)過程中。其中之一的軟測量技術，已在解決工業(yè)生產(chǎn)中質(zhì)量指標的實時測量和控制問題中嶄露頭角。眾所周知，軟測量技術的核心問題是建模，而模型參數(shù)的優(yōu)化是關鍵。近期隨著計算智能的發(fā)展，一些新型的智能算法不斷提出，同時也因其高效的優(yōu)化性能，被成功應用于解決很多實際問題。
　　 因此，本論文將針對軟測量建模中單一或多模型參數(shù)優(yōu)化的需求，在對常用的智能優(yōu)化算

2、法局部和全局搜索等特性對比分析的基礎上，將細菌覓食算法(Bacteria Foraging Optimization Algorithm，BFOA)與PSO、GA等智能優(yōu)化算法相結合，得到相應的改進算法，并將其應用于不同模型參數(shù)的優(yōu)化中，以期提高模型的預測精度和泛化能力。具體工作主要包括:
　　 1)針對單一軟測量建模中模型參數(shù)的優(yōu)化需求，在對PSO與BFOA算法特性深入分析之后，將二者有機結合提出了一種新型細菌覓食粒子群混合優(yōu)

3、化算法。該算法將PSO粒子移動的思想引入BFOA，以期有效解決細菌覓食算法趨向性操作中細菌位置更新盲目性的問題。改進后的算法，經(jīng)使用典型測試函數(shù)尋優(yōu)驗證，結果表明算法收斂速度及尋優(yōu)能力均得以改善;進而將其用于成品油研究法辛烷值LS-SVM模型參數(shù)的優(yōu)化，預測結果表明基于BSOA-LSSVM的軟測量模型具有更高的預測精度高及更好的泛化能力。
　　 2)在對BFOA趨向性操作深入分析的基礎上，首先對趨向性操作的步長引入了自適應機制，

4、其次將GA變異及交叉算子引入BFOA，進而提出了一種自適應細菌覓食遺傳混合算法。在對該算法采用典型測試函數(shù)驗證其尋優(yōu)性能后，將其應用于基于FCM的多模型參數(shù)優(yōu)化中，建立了工業(yè)乙烯濃度的預測模型，預測結果表明該方法能有效滿足系統(tǒng)的復雜特性，更為準確的估計主導變量。
　　 采用以上兩種改進細菌覓食算法并將其用于單一或多模型模型參數(shù)的優(yōu)化中，仿真結果表明兩種改進混合算法可以有效彌補算法本身的缺陷，實現(xiàn)優(yōu)勢互補，提高算法的局部搜索及全局