[发明专利]采用改进的遗传优化算法精确辨识热工过程状态空间模型参数的方法

说明书

本发明公开了一种采用改进的遗传优化算法精确辨识热工过程状态空间模型参数的方法，其主要步骤是确定模型的结构与辨识参数、确定优化算法结构参数、求得适应度值、编码，十进制转为二进制、最优染色体高频变异、最优染色体保存机制、选择、交叉和变异、解码，二进制转为十进制和自适应空间变异。本发明引入最优染色体保存机制可避免算法后期随机搜索；最优染色体高频变异，可增强算法全局寻优能力；自适应空间变异，对全局最优解进行一定范围的实数空间变异，且空间变异的范围会随着陷入局部最优的代数增加而增加，直到跳出局部最优解，可增强算法局部寻优的能力。

技术领域

本发明属于工程技术领域，尤其是一种采用改进的遗传优化算法精确辨识热工过程状态空间模型参数的方法。

背景技术

现实热工过程模型多为非线性，大迟延，大惯性，非线性状态空间模型。当前一般采用基本遗传算法来实现。

基本遗传算法(SGA)是一种基于适者生存的自然选择机制和生物遗传的进化搜索算法，其主要特点是群体搜索策略，具有较强的全局搜索能力且对被优化的数学模型无先验要求，被广泛用于自动控制、图像识别、机器学习和故障诊断等领域，但同时也暴露出其理论和技术上的许多不足和缺陷。

SGA中的三个基本算子，选择算子、交叉算子和变异算子。交叉与变异算子可以通过交叉和变异概率来产生新的抗体，但其搜索盲目性和随机性，故求出全局最优解的概率不高，且对最优个体无保存机制，在进化的中后期如随机搜索。

因此，基本遗传算法(SGA)对高维、非线性的复杂系统求解问题，往往产生早熟现象。

发明内容

有鉴于此，为解决现有技术存在的上述问题，申请人提供了一种采用改进的遗传优化算法精确辨识热工过程状态空间模型参数的方法。

具体地，该技术方案为：一种采用改进的遗传优化算法精确辨识热工过程状态空间模型参数的方法，包括如下步骤：

步骤一、确定模型的结构与辨识参数

热工过程状态空间模型写为：

为n维状态变量的导数，X为n维状态变量，n为状态变量个数，A＝A(X)，A(X)为关于状态变量X的函数，n×n阵A为系统矩阵，B＝B(X)，B(X)为关于状态变量X的函数，n×p阵B为输入矩阵，p为输入变量个数，C＝C(X)，C(X)为关于状态变量X的函数，q×n阵C为输出矩阵，q为输出变量个数，D＝D(X)，D(X)关于状态变量X的函数,q×p阵D为传输矩阵，U为p维输入，Y为q维输出，n,q,p为自然数；确定辨识参数(c₁,c₂,...,c_z),其中，c为辨识参数，z为辨识参数个数；

步骤二、确定优化算法结构参数

确定染色体个数popsize，辨识参数个数z，二进制码长[L₁,L₂,...,L_z]，迭代次数，G，交叉概率P_c,变异概率P_m，高频变异概率P_max，高频变异染色体组数n₁，自适应变异染色体组数n₂，a自适应变化因子，辨识参数变化范围，最小范围MinX＝[x_min1,x_min2,...,x_minz]；最大范围MaxX＝[x_max1,x_max2,...,x_maxz],x_minj和x_maxj为第j个辨识参数对应的最小值和最大值，1≤j≤z，z为辨识参数个数；

步骤三、求得适应度值J