-
题名基于BPNN与ISPEA的工业决策参数稳健优化
- 1
-
-
作者
李太福
廖志强
辜小花
易军
葛继科
-
机构
重庆科技学院电气与信息工程学院
福建省计量科学研究院国家光伏产业计量测试中心
-
出处
《控制工程》
CSCD
北大核心
2015年第4期742-746,共5页
-
基金
国家自然科学基金(51375520)
重庆市基础与前沿研究计划项目(cstc2013jj B40007)
重庆市高校创新团队(KJTD201324)
-
文摘
为降低目标性能对工业决策参数因不确定性而变化的敏感性,实现即稳健又靠近理想性能的目标,提出了一种工业过程决策参数的稳健优化方法。首先用神经网络建立复杂工业过程模型,确定决策参数与目标性能之间的映射关系;再用模型的目标性能均方差构建稳健准则,通过稳健准则量化目标的稳健性;然后将稳健准则与目标性能作为两个目标,构造出多目标稳健优化模型,利用具有多体交叉和大搜索范围的改进的强度Pareto进化算法(Improve Strength Pareto Evolutionary Algorithm,ISPEA)对多目标稳健优化模型进行搜索,搜索稳健性和目标性能最好的解,据此对实际生产进行指导。通过对氢氰酸(HCN)生产工艺的仿真验证,显示了该方法的有效性。
-
关键词
决策参数
稳健优化
神经网络
改进增强进化算法
-
Keywords
Decision parameters
robustness optimization
BP neural networks
ISPEA
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
