【正文】 一種 趨勢是將模糊、神經(jīng)、遺傳算法等相結(jié)合產(chǎn)生融合的系統(tǒng)辨識方法 ,例如 文 [33]通過并行遺傳算法實現(xiàn)對 RBF神經(jīng)網(wǎng)絡(luò)權(quán)值 ,寬度和中心位置等有關(guān)參數(shù)的估計 ,其特點是速度快、精度高 。使粒子群算法的收斂速度得到了提高 ,并且有效抑制了粒子群算法的早熟。文 [31]將粒子群算法用于火電廠再熱蒸汽溫度對象的辨識 ,并針對應(yīng)用中的實際問題對辨識方法進行改進 ,得到了一種改進后的粒子群辨識方法。否則 ,返回 第二步 ,繼續(xù)下一循環(huán)。 第 4 步 .對每個微粒 ,將其適應(yīng)值與其經(jīng)歷過的最好位置作比較 ,如果較好 ,則將其作為當前的最好位置 ,否則繼續(xù)執(zhí)行下一步。同其他算法相比 ,具有思想簡單、易于實現(xiàn)等優(yōu)點 ,在短短的時間里得到了很快發(fā)展 ,并已成功應(yīng)用于組合優(yōu)化、模式識別等領(lǐng)域 ,得到了廣泛研究和應(yīng)用 ,為解決系統(tǒng)辨識問題提供了一條可能的途徑 . 基于 粒子群 的過程辨識算法 結(jié)合過程模型參數(shù)辨識問題 ,下面描述算法實現(xiàn)步驟。 文 [28]研究了人工魚群算法在電力系統(tǒng)負荷模型參數(shù)辨識中的應(yīng)用，實證了該算法在電力系統(tǒng)負荷參辨識中的有效性?？梢圆捎眠B續(xù)多次所得值的均方差小于允許誤差，或連續(xù)多次迭代所得值均不超過已得到的極值作為收斂判據(jù)。一般用隨機的方法產(chǎn)生，個體的狀態(tài)決定了當前狀態(tài)下食物濃度的大小。 5）公告板 ： 算法中設(shè)立一個公告板，用以記錄最優(yōu)人工魚個體狀態(tài)及該人工魚位置的食物濃度值，每條 人工魚的行動一次后就將自身當前狀態(tài)與公告板進行比較，如果優(yōu)于公告板則用自身狀態(tài)取代公 告板狀態(tài)。 3） 追尾行為 ： 設(shè)人工魚當前狀態(tài)為 iX ，搜索當前鄰域內(nèi)的伙伴中 jY 為最大的伙伴 jX 如果 伙伴 jX 的狀態(tài)具有較高的食物濃度并且不太擁擠，則朝伙伴 jX 的方向前進 1 步；否則執(zhí)行覓食行為。魚的生活行為可以總結(jié)為三種典型的行為：覓食行為，聚群行為，追尾行為。文 [25]研究了基于蟻群算法的 循環(huán)流化床鍋爐 床層溫度 辨識 方法，給出了 辨識 的基本原理， 也 得到了較好的辨識 結(jié)果。 在求解組合優(yōu)化和 數(shù)據(jù)的特征聚類方面取得了良好的 應(yīng)用 ， 但是 經(jīng)典蟻群算法只能用于解決特定組合優(yōu)化問題 ， 算法搜索時間長、容易陷入局部最優(yōu)解等 。 基于 蟻群 算法 的系統(tǒng) 建模 蟻群優(yōu)化 (ACO)算法是 Dorigo等學者于 20世紀 90年代初提出的[23],是模擬自然界中蟻群的覓食行為而形成的 — 種模擬進化算法 .該算法所定義的問題求解模式能夠?qū)栴}求解的快速性、全局優(yōu)化特征及有限時間內(nèi)答案的合理性結(jié)合起來 , 在求解組合 優(yōu)化問題方面表現(xiàn)出突出的優(yōu)越性 。可得到被控對象的定性與定量相結(jié)合的模型。 TS 模型[15,16]是以局部線性化為出發(fā)點 ,具有結(jié)構(gòu)簡單、逼近能力強的特點 ,已成為模糊辨識中的常用模型 ,而在 TS 模型的基礎(chǔ)上又形成了一些新的辨識方法 [17,18]。因此，無論從模糊控制理論研究方面來看，還 起 是從仿真技術(shù)發(fā)展來看，以及模糊邏輯相關(guān)理論的發(fā)展來看 ，模糊辨識建模理論方法都具有重要的理論和實際意義，它不僅極大豐富了辨識理論方法，推動了辨識理論的發(fā)展，而且有力地推動了模糊控制理論和仿真非模糊輸入 模糊化接口 知識庫 數(shù)據(jù)庫 規(guī)則庫 模糊邏輯推理 解模糊接口 非模糊輸出 技術(shù)的發(fā)展。 3)可以辨識性能優(yōu)越的人類控制器。知識庫由數(shù)據(jù)庫和規(guī)則庫組成模糊邏輯推理是基于模糊規(guī)則系統(tǒng)的中心 ?；谀：?guī)則的系統(tǒng)也可稱為模糊推理系統(tǒng)、模糊模型或模糊組合存儲器。自從 20世紀 60 年代以來，研究者已經(jīng)提出了許多動態(tài)系統(tǒng)的辨識方法，但總的來說，系統(tǒng)辨識無論在理論上還是實際應(yīng)用中，遠沒有達到完善的程度，對于非線性時變動態(tài)系統(tǒng)的辨識，是實際 中經(jīng)常遇到的困難，目前常用的有兩種方法 :一是用多個線性模型在平衡點附近近似描述非線性系統(tǒng)，這對于有嚴重非線性的系統(tǒng)如何做到平穩(wěn)切換、減小系統(tǒng)誤差仍然缺乏有效地方法 。文[14]將一種改進的基于實數(shù)編碼的自適應(yīng)遺傳算法應(yīng)用于熱工對象的系統(tǒng)辨識 ， 克服了多項式模型存在參數(shù)取值范圍難以確定的問題 ,使模型辨識 能適用于高階系統(tǒng) ,并具有較高的辨識精度。而針對現(xiàn)有的遺傳算法易陷入局部最優(yōu) (收斂到局部極小 )的局限 ,產(chǎn)生了一種改進的遺傳算法 [11],改進的遺傳算法可成功地應(yīng)用于系統(tǒng)辨識 ,同時確定出系統(tǒng)的結(jié)構(gòu)和參數(shù) ,此算法簡單有效 ,亦可應(yīng)用于非線性系統(tǒng)辨識。 遺傳算法的優(yōu)越性主要表現(xiàn)在 :首先，它在搜索過程中不易陷入局部最優(yōu)，即使在所定義的適應(yīng)度函數(shù)是不連續(xù)、非規(guī)則的或有噪聲的情況下，它也能夠在遺傳算子的作用下保持搜索的全局化，并且以較大的概率找到全局最優(yōu)解。 5)雜交 ： 簡單的雜交 (一點雜交 )可分兩步進行 :首先根據(jù)雜交概率從群體中隨機選擇個體對，其次在配對個體中隨機設(shè)定雜交點，彼此交換相應(yīng)的部分編碼。 3)構(gòu)造適應(yīng)度函數(shù) ：適應(yīng)度函數(shù)一般根據(jù)優(yōu)化問題的目標函數(shù)而定。 遺傳算法 辨識原理 遺傳算法包含編碼，初始群體的生成、構(gòu)造適應(yīng)度函數(shù)和遺傳操作 (選擇、雜交和變異 )等主要處理步驟。但是 由于非線性模型的特性多種多樣 ,對于某一系統(tǒng)的辨識問題 ,網(wǎng)絡(luò)的選擇、網(wǎng)絡(luò)結(jié)構(gòu)的確定等在理論和實踐上都有待進一步探討。文獻 [8]討論了 BP 神經(jīng)網(wǎng)絡(luò)在 300MW 循環(huán)流化床鍋爐主汽壓 系統(tǒng)辨識 中的應(yīng)用。 3)辨識的收斂速度不依賴于待辨識系統(tǒng)的維數(shù) ,只與神經(jīng)網(wǎng)絡(luò)本身及所采用的學習算法有關(guān) ,傳統(tǒng)的辨識算法隨模型參數(shù)維數(shù)的增大而變得很復(fù)雜 。 圖 1 神經(jīng)網(wǎng)絡(luò)辨識原理 圖中 TDL (Tapped Delay Line) 為多分頭時延系統(tǒng) ,在辨識非線性系統(tǒng)時 ,我們可以根據(jù)非線性靜態(tài)系統(tǒng)或動態(tài)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)辨識結(jié)構(gòu) [2],利用神經(jīng)網(wǎng)絡(luò)所具有的對任意非線性映射的任意逼近能力 ,來模擬實際系統(tǒng)的輸入輸出關(guān)系 ,而利用神經(jīng)網(wǎng)絡(luò)的自學習、自適應(yīng)能力 ,可以方便地給出工程上易于實現(xiàn)的學習算法 ,經(jīng)過訓練得到系統(tǒng)的正向或逆向模型。 神經(jīng)網(wǎng)絡(luò) ,包括前向 網(wǎng)絡(luò)和遞歸動態(tài)網(wǎng)絡(luò) ,將確定某一非線性映射的問題轉(zhuǎn)化為求解優(yōu)化問題 ,通過調(diào)整網(wǎng)絡(luò)的權(quán)值矩陣來實現(xiàn)這一優(yōu)化過程。如 把神經(jīng)網(wǎng)絡(luò)、遺傳算法、小波網(wǎng)絡(luò)、模糊理論 ，群智能 等知識應(yīng)用于系統(tǒng)辨識中 ,發(fā)展為很多新的系統(tǒng)辨識方法。 2)傳統(tǒng)的系統(tǒng)辨識方法對于線性系統(tǒng)的辨識具有很好的辨識效果 ,但對于非線性系統(tǒng)往往不能得到滿意的辨識結(jié)果 。以脈沖響應(yīng)為基礎(chǔ)的系統(tǒng)辨識方法主要 有 脈沖響應(yīng)法、相關(guān)函數(shù)法和局部辨識法。 可見，系統(tǒng)辨識是 從大量的試驗輸入、輸出數(shù)據(jù)中，找出一個與實際對象逼近的模型，該模型能表示真實對象的本質(zhì)特性，這個模型使指標函數(shù)趨于最小，也就是說模型與實際對象等價 。這種方法得出的數(shù)學模型稱之為機理模型，這種建立模型 的方法稱為解析法。 identify 1引言 近年來，隨著火電機組向大容量、高參數(shù)和高效率方向發(fā)展，對機組熱工自動控制系統(tǒng)