一种采用随机数直接搜索方法的应用及其改进

应用随机数直接搜索的单纯形最优化方法，将系统高阶模型简化为低阶等效模型，并对控制系统调节器参数进行在线寻优，在保留该方法原有优点的基础上对搜索范围的变化规定作了改进，即依据目标函数值的大小来改变收缩系数，以达到搜索参数快速收敛于最优点的目的．仿真结果表明：改进后的方法只需迭代１０～１５次就可获得满意的结果，与原ＬＪ法相比搜索时间可缩短２０％～５０％左右．

渐进辨识法的改进及在化工过程中的应用

提出了一种基于随机数直接搜索法(NLJ)的渐进辨识方法。该方法不但消除了渐进法对输入信号的条件限制,并且提高了NLJ的辨识精度,获得了工业对象的近似模型,对生产运行影响较小,在实际PID整定中得到了较好效果。

基于NLJ方法的PID控制参数寻优自整定

在运用递推最小二乘法在线辨识系统模型参数的基础上,采用NLJ方法(随机数直接搜索法)以ITAE(时间乘误差绝对积分)指标最优为目标对PID控制参数寻优整定。使用该方法在FESTO过程控制系统上进行液位设定值跟踪控制实验,并于传统Z-N参数整定法进行了比较,该方法控制效果比较理想。

基于满意度的NLJ算法的过热汽温PID参数优化仿真研究

本文结合火力发电锅炉热工控制系统中过热汽温的控制特性及重要性,在现有的过热汽温控制方法存在不足的情况下,引进了一种基于满意控制理论的多目标优化思想,并把这种思想融合到随机数直接搜索算法中,对传统的随机数直接搜索算法中的目标函数进行改进,并把改进后的算法运用到火力发电厂锅炉过热汽温控制上,通过实验,说明改进后的随机数直接搜索PID控制对火力发电厂热工系统中的过热汽温具有良好的控制效果。

基于历史数据集模型辨识研究

流程工业回路在投运过程中通常采用单一模型及控制器参数,过程存在的非线性、时变性特点,模型无法适配于实际工况,同时,系统运行过程中,辨识实验的执行具有一定难度,导致辨识过程无法进行。对此,提出一种利用历史数据集辨识模型的方法:以最小二乘法作为辨识算法,利用信息标准估计模型阶次,随机数直接搜索法用于估计滞后,辨识出ARX模型结构,然后将模型处理为一阶滞后传递函数模型。通过单变量及多变量仿真数据集对方法进行验证,模型拟合结果表明辨识方法的有效性。