基于微粒群优化算法的间歇过程迭代学习

在实际的间歇过程优化控制中面临着模型参数不确定性的问题,并且基于梯度的优化控制技术在处理具有多个局部极值的目标函数时,往往会陷入局部极值点。针对该问题,提出一种基于微粒群优化算法的间歇过程产品质量迭代学习策略。结合间歇过程产品质量控制问题的特点和各种约束条件,利用微粒群优化算法在非线性问题求解及大尺度空间搜索上的优势,来改变间歇过程鲁棒优化收缩控制变量的搜索域,并用迭代法以迭代方式消除误差,从而使优化性能指标渐次达到最优。在理论研究的基础上,提出的算法用于一类典型的间歇过程重点产品质量优化控制中,仿真结果表明产品终点质量能够充分逼近期望值,并且控制轨迹收敛,从而验证了算法的有效性和实用价值。