基于PPSO的精馏塔模型参数闭环辨识

针对粒子群优化算法(particle swarm optimization,PSO)在高维空间复杂曲面寻优时易于陷入局部最小值的问题,分组扰动粒子群优化算法(partially-perturbed particle swarm optimization,PPSO)结合问题特征,采用启发式规则,实施参数分组扰动策略,对PSO算法进行改进,从而增大了跳出局部极小的可能性。本文主要研究PPSO在精馏塔模型参数闭环辨识上的应用,分别针对模型参数可辨识性,参数的不同分组,鲁棒性进行分析验证;并在其他精馏塔模型上进行了相应的验证。仿真实验表明,PPSO辨识算法比序列近似法等其它辨识算法具有更高的辨识精度,并且具有较强的鲁棒性;在其他精馏塔模型参数辨识上PPSO算法也同样取得了很好的辨识精度。实验结果证明了PPSO算法在精馏塔模型参数闭环辨识上的可行性和有效性。