遗传算法优化带遗忘因子最小方差性能评估

发布时间：2021-02-05 21:49

　　为提高性能评估指标精度,针对带遗忘因子的线性回归算法（LR）的遗忘因子选值问题,提出了遗传算法优化ILR的性能评估算法。传统带遗忘因子的LR算法是基于过程数据的性能评估方法,在遗忘因子的取值上采用经验取值的方法,导致评估结果不准确,缺乏严谨性。通过遗传算法对遗忘因子进行优化,可以得到准确度更高的性能评估指标。以火电厂控制回路进行仿真分析,仿真结果表明,相对于传统的带遗忘因子的LR算法,引入遗传算法优化后,性能评估结果更准确、严谨,具有更广泛的应用前景。 

【文章来源】：控制工程. 2020,27(09)北大核心

【文章页数】：6 页

【部分图文】：

改进ILR算法性能评估步骤流程图

(1) 6号低加水位控制回路：采集了系统的输出和设定值数据约10 000个（采样时间为1 s）。系统过程数据曲线，如图3所示。用传统ILR算法和结合遗传算法后的ILR对其回路进行性能评估。10组数据的性能评估指标，见表1。

根据表1的性能指标数值绘制曲线图，如图4所示。从曲线图得到带遗忘因子的LR算法[15]性能指标波动范围是[0.544,0.961]，改进后带遗忘因子的LR算法性能指标波动范围是[0.599,0.964]，该范围比传统算法的到的指标范围小，能准确判断该回路的性能较好。

【参考文献】：
期刊论文
[1]低加水位控制系统的回路性能评估[J]. 刘阳,王亚刚.  电子科技. 2017(05)
[2]浅析火力发电厂热工系统控制性能评价方法[J]. 李思忍.  计量与测试技术. 2017(01)
[3]火电机组蒸汽温度控制系统性能评估[J]. 洪晋生,王亚刚,李晓枫.  电子科技. 2016(08)
[4]控制回路性能评估在蒸馏中的应用[J]. 侯咏武,王亚刚.  信息技术. 2015(06)
[5]带遗忘因子的线性回归性能评估算法及应用[J]. 刘学彦,王昕,王振雷.  控制工程. 2014(06)
[6]基于遗忘因子最小二乘的自适应学习控制[J]. 丁健,杨慧中.  控制工程. 2013(06)
[7]遗传算法综述[J]. 常洪江.  电脑学习. 2010(03)
[8]遗忘因子法参数辨识及其在Matlab中仿真实现[J]. 石贤良,吴成富.  微计算机应用. 2005(04)
[9]PID控制器性能评价[J]. 孙金明,左信,季德伟,陈育昆.  化工自动化及仪表. 2004(05)
[10]遗传算法理论综述[J]. 郑立平,郝忠孝.  计算机工程与应用. 2003(21)

硕士论文
[1]工业控制过程的方差性能评价算法研究[D]. 鲍丙瑞.南京理工大学 2013
[2]控制系统性能评估算法与应用研究[D]. 李华银.浙江大学 2010



本文编号：3019633