基于蚁群算法-模糊技术的火电厂主汽温控制系统的研究.doc

分类号：学校代码：密级：华北电力大学硕士学位论文题目：基于蚁群算法模糊技术的火电厂主汽温控制系统的研究英文题目：研究生姓名：钟学飞研究方向：工业过程综合自动化导师姓名：刘延泉专业：控制理论与控制工程职称：副教授年月日一；薯豳酊声明尸明本人郑重声明：此处所提交的硕士学位论文基于蚁群算法模糊技术的火电厂主汽温控制系统的研究，是本人在华北电力大学攻读硕士学位期间，在导师指导下进行的研究工作和取得的研究成果。据本人所知，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得华北电力大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名：互卑虹日期：丝竺：兰：竺关于学位论文使用授权的说明本人完全了解华北电力大学有关保留、使用学位论文的规定，即：学校有权保管、并向有关部门送交学位论文的原件与复印件；学校可以采用影印、缩印或其它复制手段复制并保存学位论文；学校可允许学位论文被查阅或借阅；学校可以学术交流为目的，复制赠送和交换学位论文；同意学校可以用不同方式在不同媒体上发表、传播学位论文的全部或部分内容。（涉密的学位论文在解密后遵守此规定）作者签名：日期：丝！竺！至：！导师签名：一“华北电力大学硕士学位论文摘要摘要随着我国电力行业的迅速发展，大型火力发电机组得到普遍应用，对控制系统的要求也越来越高，借助智能控制来完成机组的控制任务势在必行。模糊控制无需依赖被控对象的精确数学模型，比较适合大迟延、大惯性、非线性及时变性的控制系统。文中分析了几种在模糊控制系统中引入积分作用的实例，对基本蚁群算法进行了改进，并把蚁群优化算法和模糊控制结合起来应用于主汽温控制系统，仿真结果表明，其控制效果和抗干扰能力优于常规的控制。关键词：蚁群优化，模糊控制，串级控制，主汽温，（）：，幡鼍分嗣华北电力大学硕士学位论文目录目录中文摘要英文摘要第一章绪论选题背景及其意义。研究现状立论依据本文所研究的内容本文的章节设置第二章蚁群算法引言蚁群算法原理蚂蚁的信息系统蚁群的自组织行为蚁群算法的特性蚁群算法的基本模型蚁群算法的优缺点蚁群优化算法的意义蚁群算法的改进蚁群算法的改进思路。蚁群算法改进实例蚁群优化算法的仿真研究蚁群优化算法流程本文蚁群算法的改进。第三章模糊控制模糊控制系统模糊控制系统的基本结构模糊控制器的基本结构模糊控制器的设计模糊控制器设计中的几个突出问题华北电力大学硕士学位论文目录精确量的模糊化处理基本模糊控制器模糊规则的设计模糊控制状态表模糊推理方法输出信息的模糊判决建立查询表模糊控制自整定模糊一控制器的结构自整定设计思想型模糊控制及其仿真自适应模糊控制器的改进常规控制系统仿真仿真结果对比：第四章锅炉主汽温控制系统引言减温水量扰动下主蒸汽温度的动态特性主汽温常规控制策略带有导前微分信号的主汽温控制系统串级控制系统主汽温串级控制系统一第五章汽温控制策略本文采用的主汽温控制策略仿真结果结论第六章总结参考文献致谢在学期间发表的学术论文情况，华北电力大学硕士学位论文选题背景及其意义第一章绪论科学技术的发展有它的阶段性、连续性和必然性，其发展过程包含着开拓创新的过程，必然带动一些新学科的建立和发展，控制领域也不例外。世纪年代之前，工业生产大多处于手工操作状态，主要凭经验用人工控制生产过程，劳动生产率很低。世纪年代前后，过程控制得到了发展，它主要解决单输入单输出的定值控制系统的分析和综合问题。世纪年代逐渐发展起来并且日趋完善的现代控制理论在工业生产过程中的应用受到种种的限制，没有收到预期的效果。主要是因为现代的工业过程往往是高维多变量复杂系统，难以用一个简单而精确的数学模型加以描述，而且现代的工业过程一般具有非线性、时变性、耦合性和不确定性等特点，即使做了大量的简化得到线性定常模型，求解出某些高等控制策略，在实施中也难以达到预期的效果。这就给智能控制理论的发展带来了机遇。智能控制是指人们应用人工智能的理论和技术及运筹学的优化方法与控制理论的方法和技术相结合，在未知环境下，仿效人类的智能，实现对系统的控制。智能控制是传统控制发展的高级阶段，它是当代科学技术高度分化，而又走向高度综合的重要产物。目前，智能控制主要包括模糊控制、神经网络控制、自学习控制、自适应控制、专家控制及遗传算法理论等。智能控制作为一种新的控制方法，近年来已广泛应用到了各种过程控制中，当前，国内外学者对智能控制系统的应用研究较为广泛，已涉及到各个不同领域和生产部门。火力发电厂在我国电力工业中占有主要地位，是我国的重点能源工业之一。大型火力发电机组具有效率高、投资省、自动化水平高等优点，在国内外发展的很快。我国近期将以万和万机组为骨干机组，并逐步发展万以上的大型机组。在火力发电厂中，主蒸汽温度是一个十分重要的被控参数能否有效的控制主蒸汽温度是提高电厂效益，保证机组安全运行的前提条件。主汽温控制的目的就是维持过热器出口的主蒸汽温度在一定的范围内，并且保护过热器，使其管壁温度不超过允许的工作温度。过热汽温是锅炉汽水通道中温度最高的地方，过热器的材料是耐高温的合金钢，过热器正常运行时的温度一般接近于材料所允许的最高温度。因此，过热汽温的上限一般不应超过额定值。对于这样的传热对象，它的任何调节作用总有显著的延迟和惯性，要达到这样小的温度偏差不是很容易的【】。过热汽温的扰动主要有：燃华北电力大学硕士学位论文烧工况不稳定、蒸汽流量变化和减温水量变化。所以有必要设计一种能适应多种工况而且鲁棒性较强的主蒸汽温度控制系统，智能控制方法在处理上述问题时有其突出的优势，故研究一种基于智能控制方法的火电厂主汽温控制方法具有重要的意义。研究现状控制是比例积分微分控制的简称。在生产过程自动控制的发展历程中，控制是历史最久、生命力最强的基本控制方式。控制有其自身的优点：（）原理简单，使用方便；（）适应性强；（）鲁棒性强，对控制对象特性的变化不大敏感。直到现在，控制凭借其优点在热工控制系统中依然占据着主导地位。但是当被控对象特别难以控制而控制要求又特别高的情况，常规的控制难以达到生产要求，为了改善常规控制的性能，人们已经做了大量的工作：（）人们对自整定进行了大量的研究，产生了许多自整定规则，如闭环搜索法和基于规则的整定法等直接自整定方法，基于时域、频域或低阶离散时间模型的间接自整定方法等；（）对算法提出了许多改进，出现了非线性控制、选择性控制、控制以及自适应控制等。上述两种算法在某些领域己经得到了成功的应用，但都存在着或多或少的闯题，如结构复杂、参数整定规则较多、效果不理想等，对复杂的热工过程控制而言，其应用存在着一定的难度【】。智能控制能够有效的克服被控对象和环境所具有的高度复杂性和不确定性，并且能够达到所期望的目标。但是，现在得系统变得越来越复杂，而且人们对控制品质的要求也越来越高，单一的控制策略已经不能满足控制要求，因此根据生产过程的要求采用多种控制策略的组合，以便进行更有效的控制已成为必然。数据库一一一一控制知识库：丁上璐知信与评价机构规划与控制处理决策传感爨境执行嚣千付一图智能控制系统结构图酷。华北电力大学硕士学位论文文献【】针对火电厂热工控制系统普遍存在的大滞后和特性时变的特点，采用模糊神经网络控制，通过利用神经网络的学习能力来优化模糊逻辑的经验规则以及比例因子的调整，从而来实现对主蒸汽温度的有效控制。文献】给出了具体的一阶惯性加纯滞后系统的预测函数控制算法，并将和控制相结合，提出了串级主汽温控制策略。文献】为了提高大滞后复杂对象的控制质量，将神经网络观测器、状态反馈与控制相综合，提出了基于神经网络观测器的状态反馈一控制方法，将神经网络的学习能力融入到常规控制系统中。总之，在智能控制与结合的控制上，人们作了大量的研究，但是从仿真效果来看，或多或少的存在一些不足，如快速性、鲁棒性、稳定性等各个方面还是不太令人满意。正式因为这些原因，本文决定采用蚁群算法和模糊控制来组成火电厂主蒸汽温度的控制系统。立论依据蚁群算法的主要优点在于由于大规模的并行计算，使蚁群避开了局部最优；由于采用正反馈机制，收敛速度加快，使用构造性的贪婪算法，能在搜索的早期阶段找到较好的可接受的解【。而模糊控制是采用模糊集理论对一类不确定性系统进行有效控制的方法，两者是否能很好的结合起来实现对火电厂主蒸汽温度的有效控制是作者首要考虑的问题。在控制领域不管是经典控制理论还是现代控制理论都有一个共同的特点：都需要建立在系统的精确数学模型基础之上。但是随着科学技术的进步，一些更复杂、难度更大和更精确的工业过程开始出现，要建立它们的数学模型很困难，有的即使建立了模型也很难用计算机实现，有些复杂的系统即使建立了数学模型，也能用计算机实现，但又不能保证所建立的模型与实际系统相吻合。于是，无需依赖被控对象精确数学模型的模糊控制便应运而生了。模糊控制研究的对象一般具有以下三方面的特削】：（）对象模型不确定，包括两层意思，一是模型未知或知之甚少；二是模型的结构和参数可能在很大范围内变化。（）具有非线性特性。（）对象具有复杂的任务和要求。而电厂主蒸汽温度是典型的具有大迟延、大惯性、非线性及时变性的控制系统，大量的文献资料表明，用模糊控制技术对主汽温进行控制是可行且有效的。基本的模糊控制（即控制器）是不具备积分作用的，为了改善模糊控制器的稳态性能，通常的做法就是在模糊控制器中引入积分作用，如果模糊控制没有积分环节，很可能在平衡点附近出现小振幅的极限环振荡现象，这种极限环振荡是由输入量的模糊化和输出量的解模糊等因素，使系统具有多值继电器特性而引起的。在对模糊控制器结构改进之后，虽然在实现上变得简单了，但仍然需要整定控制器以及调整算法中的参数华北电力大学硕士学位论文对于这些参数还没有很好的整定方法，只能依赖于专家经验，但并不是任何情况下都有足够的专家经验，同时专家经验也不能保证整定出的参数是最优的，解决这一问题可以采用寻优的方法【。蚁群算法是群体智能的一种典型实现，蚁群算法正反馈式的信息传递和积累保证了寻优的快速性，分布式的计算避免了算法的早熟性收敛，具有贪婪启发式搜索的特征保证了在搜索的早期就能找到可以接受的问题答案。所以利用蚁群算法对模糊控制系统寻优成为可能。基于以上种种因素，本文采用模糊控制与蚁群算法结合的控制策略来实现主汽温的有效控制，可以说这是采用多策略的智能控制与结合实现主汽温控制的又一次有益的尝试与探索。本文所研究的内容本文首先分析了普通模糊控制器的结构，以及设计模糊控制器、模糊控制规则时需要注意的几个问题。然后对模糊控制进行了分析和总结，发现基本的模糊控制器没有积分作用，影响了系统的稳态性能，虽然有一些引入积分作用的方法，但是要实现自适应模糊控制器的自调整功能，需要整定的参数比较多（个），而且没有好的整定方法，只能依赖专家经验。这就使得这种模糊控制器的设计变得困难起来。本文通过对各种模糊控制的分析，采用了一种改进的自适应模糊控制器，这种设计使得需要整定的参数减少为个，简化了自适应模糊控制器的设计过程。之后，采用控制对象对这种控制器组成的控制系统进行了仿真研究，通过与现有的几种模糊控制器的仿真结果进行比较，表明这种控制器在快速性、适应性、稳定性等方面综合性能优于其它的控制器。为了能提高模糊控制器参数的优化质量，本文对蚁群算法进行了分析，并对现有的蚁群优化算法进行了改进，通过仿真实验表明，改进的蚁群算法在寻优效率上有一定的提高。最后，本文对现有的几种常用的火电厂主蒸汽温度控制方法进行了分析，并在此基础上进行了火电厂主蒸汽温度控制系统设计，将改进的自适应模糊控制器、改进的蚁群算法和串级控制结合起来，用改进的蚁群算法对改进的自适应模糊控制器的参数进行寻优。通过对二级减温水系统进行仿真分析，仿真结果表明本文所采用的基于蚁群算法模糊技术的控制系统具有较好的自适应能力，并且在控制品质和鲁棒性方面都明显优于常规的控制系统。既便是在被控对象的参数发生较大变化和系统受干扰的情况下，仍能保证系统良好的动、静态特性。华北电力大学硕士学位论文本文的章节设置第一章绪论介绍了火电厂主蒸汽温度控制系统的重要性和研究现状，并说明了本文的立论依据、研究内容。最后介绍本文的章节设置。第二章蚁群算法首先，对蚁群算法的基础知识进行了介绍，之后分析了蚁群算法的改进思路并介绍了目前几种改进蚁群算法的实例，最后通过对改进的蚁群算法进行了仿真实验。第三章模糊控制首先，介绍了模糊控制的基础知识，分析了几种改进的模糊控制系统，并进行了仿真，之后分析了为本文采用的模糊控制器，并进行了仿真实验，最后把本文采用的控制器的仿真结构与各种的模糊控制器进行比较，说明本文采用的模糊控制器的优越性。第四章锅炉主汽温控制系统分析了影响汽温变化的种种因素以及汽温对象的特性，以及比较常用的几种主汽温的控制策略。第五章主汽温的控制策略介绍了本文设计的基于蚁群算法的模糊控制器用作汽温温差控制系统的二级减温水系统主调节器的控制方案，并选择某汽温对象进行了控制仿真，并通过负荷变化时对象变化后和系统受扰动的控制效果来说明本文设计的方案的有效性。第六章结论总结本文所做的工作。华北电力大学硕士学位论文引言第二章蚁群算法蚂蚁属于社会性昆虫，是地球上常见而且数量较多的昆虫种类之一。经研究发现，蚂蚁在移动过程当中会释放特有的分泌物信息素，它是蚂蚁与蚂蚁之间重要的通信媒介。当一只蚂蚁随机移动时，它能准确的检测到同伴释放的信息素，并且沿着该路线移动，同时释放信息素，从而增强了该路线上的信息素数量。整个蚁群通过信息素进行信息传递，形成正反馈，使其他路径上的蚂蚁逐渐集中到最优的那条路径上来。年，布鲁塞尔自由大学的计算机科学家等人首先提出了蚁群算法（，）。蚁群算法的特点是通过正反馈、分布式协作和具有结构性特征的贪婪式搜索模式来找到最优路径。其中正反馈保证了蚁群寻优的快速性，分布式计算避免了蚁群在寻优空间中的过早收敛，贪婪式搜索模式有助于在搜索的早期阶段就找到可行的问题解。年，又在他的博士论文中提出了蚁群系统，在这篇论文中，给出了蚁周、蚁量和蚁密三种不同的模型，并且通过大量实验，确定了算法主要参数的有效区间蚁群算法提出至今已经有十多年的时间，通过世界各地的研究者的精心研究，其理论已经形成一个较为完整的体系，而应用范围已经遍及电力、水利、通信、采矿、化工、交通、建筑等领域。蚁群算法原理蚂蚁的信息系统蚂蚁的个体结构和行为很简单，单个工蚁只能做不超过个动作，其中大部分是在传递信息，但是这些简单的蚂蚁个体聚集在一起构成的蚁群，却表现高度结构化的社会组织，在很多情况下能够完成远远超过蚂蚁个体能力的复杂任务。蚂蚁社会中的单个蚂蚁有不同的分工，会按照蚁群的需要从事不同的劳动。作为社会昆虫的一种，蚂蚁社会除了有组织的分工以外，还有相互的通讯和信息传递。蚁群有着独特的信息系统，其中包括视觉信号、声音通讯和更为独特的信息素。蚁群的许多行为受信息素的调控，遇警时，信息素可以刺激蚁群兴奋，具有使蚁群按计划执行某项活动的作用，除此之外，蚂蚁用信息素来表明身份，同伴也靠信息素来辨认识别，失去同巢的信息素就会失去生命，在这蚁群中无立足之地。华北电力大学硕士学位论文蚁群的自组织行为在蚁群中没有一个组织和控制中心，每个蚂蚁都靠几条简单的规则来决定自己的行动，我们称之为蚁群的自组织行为。及其同事在对阿根廷蚂蚁进行实验中，建造了一座有两个分支的桥其中一个分支的长度是另一个分支的两倍，同时把蚁巢同食物源分隔开来。如图所示。图蚂蚁从蚁巢至食物源这里从蚁巢到食物源绕过障碍物有两条道路：蚁巢食物源和蚁巢食物源，两条路径的长度分别是和。假定蚂蚁单位时间内可移动一个单位长度的距离，蚁群中蚂蚁数量为，开始时所有路径上都没有残留的信息素。在时，只蚂蚁由蚁巢出发向食物源移动，由于路径上没有残留的信息素，当蚂蚁到达点时，选择路径与的概率相同，因此，只蚂蚁选择路径到达食物源，只蚂蚁选择继续前进。在时，选择路径的蚂蚁到达食物源，并准备返回。在时，两组蚂蚁在点相遇，此时，路径与路径上信息素数量相同，由食物源返回的蚂蚁只选择路径，另外只选择路径。在时，选择路径的只蚂蚁返回蚁巢，而，和上各有只蚂蚁。在时，应经返回的只蚂蚁再次有蚁巢来到点，并且再次面临与的选择。这时有只蚂蚁分别通过路径和路径返回到点，这时，上的轨迹数是，而上是，因此会有较多的蚂蚁选择路径去食物源，从而增强该路径上的信息素。随着该过程的进行，会有更多的蚂蚁选择路径，这样两条路径上的信息素差距越来越大，直至绝大多数蚂蚁都选择了最短路线。在实际的蚂蚁系统中，如果蚂蚁已经选择了较长的路径后，再向他们出示较短的路径，蚂蚁仍然不会选择这条捷径，因为较长的那条路径已经被蚂蚁用信息素做了标记。华北电力大学硕士学位论文在人工蚂蚁系统中，为了克服这个问题，人们发明了“信息素衰减”，如果有信息素的衰减，那么较长路径上的信息素就难于维持稳定，这样即使后来出现较短的路径，人工蚂蚁仍然后选择较短的路径。这种性质有一个很大的优点，那就是可以防止系统收敛到最优解之外的解上蚁群算法的特性一般来说，一种算法要实现全局优化功能，只需要满足：具有局部优化的能力和具有从一个局部状态转移到下一个更好的局部最优状态的能力。蚁群算法具备这样两个条件，使得人们可以看到通往全局最优的希望之路。人工蚁群系统具有的主要性质有：（）协作的个体群。每个蚂蚁都能建立一个可行解，但通过蚁群中蚂蚁的协作，蚂蚁群体总是能寻找到最小费用的可行解。（）人工蚂蚁活动在一个离散的环境中，它们的行动是一个离散状态到另一个离散状态的转换。（）人工蚂蚁有其内在状态。这种内在状态用来储存当前路径信息，这种记忆可用来构造可行解、评价解的质量、路径反向追踪。（）人工蚂蚁从一点移动到相邻结点时遵循某种概率决策规则。（）在寻找可行解的过程中，每一个人工蚂蚁可以被赋予一个初始状态和一个或多个终止条件。（）信息素的更新。当蚂蚁移动至邻域点时更新信息素，称为“在线单步信息素更新”。当蚂蚁构造出一个解，并沿原路返回时更新信息素，称为“在线延迟信息素更新”。蚁群算法的基本模型选择一种标准问题是衡量一种算法好坏，并与其他算法比较的前提，这里选择旅行商问题（，）。问题是一种典型的组合优化问题。其定义是：给定个城市的集合，问题等价于寻找一条只经过各城市一次的具有最短长度的闭合路径。在基本的实施步骤中，用到的变量和常数有：岛（）（，）为时刻城市上的蚂蚁数。龟（）为蚂蚁总数。嘞篁为边弧，）的能见度（）。勺为边弧（，）在时刻的信息素强度。华北电力大学硕士学位论文勺苟七搴露为第只蚂蚁在时刻与时刻之间留在边弧，）上的单位长度的信息素量。峰舻旒疮最优路径上纳昧函数值（）称为模型。峰学嚣优路径上仁，称为模型。苟：嘞，若翌在最优路径上（）”，其他、称为模型。信息素强度可按下面的公式进行更新：（）（）（）一代表时刻到，时刻之间信息素的挥发程度。为一个小于的常数以避免信息素无限制的累积。在具体的仿真实验中，我们把时刻的信息素强度设为一个很小的常数，这样可以避免计算机在计算过程中出错。为保证一直蚂蚁在一次周游（次迭代）结束前访问所有的城市，我们将每只蚂蚁与一个称为禁忌表的数据结构联系起来。当一次周游结束后，禁忌表可以用来计算蚂蚁的当前解。为了满足一次周游后蚂蚁能够自由选择路径，计算之后要清空禁忌表。我们定义，为包含第只蚂蚁禁忌表的动态增长矢量，（）为表中的第个元素（即第七只蚂蚁在当前游走中访问的第个城市）。劈为蚂蚁从城市到得转移概率。梦。，：芝主：兰三蹄，若，一勉“，。，其他其中口和为控制信息素和能见度之间相对重要性的参数。蚁群算法的优缺点蚁群算法是继模拟退火算法、遗传算法、禁忌搜索算法、人工神经网络算法之后的又一种启发式随机搜索算法。作为一种新兴算法，它也有自身的优缺点【】。优点：（）蚁群算法利用了正反馈原理，在一定程度上能加快进化过程，所以说蚁华北电力大学硕士学位论文群算法是一种正反馈算法。（）蚁群算法中单个蚂蚁通过不断地信息交流、传递能避免陷入局部最优，有很强的发现较好解的能力，所以说蚁群算法是一种分布式的本质并行算法。（）蚁群算法鲁棒性较强。（）蚁群算法容易与其他其他启发式算法结合，能较好的改善算法性能。缺点：（）蚁群算法中单个蚂蚁的移动具有随机性，虽然每个个体都在朝着最好解移动，但是如果群体的规模比较大时，寻找到较好的路径一般修要很长的时间。（）当群体中所有的蚂蚁发现的解完全相同时，不能对解空间进行进一步的搜索，容易出现搜索停滞的现象。蚁群优化算法的意义优化技术是一种以数学为基础，用于求解各种工程问题优化解的应用技术。作为一个重要的科学分支，它一直受到人们的广泛重视，并在诸多工程领域得到迅速推广和应用，如系统控制、人工智能、模式识别、生产调度和计算机工程等鉴于实际工程问题的复杂性、约束性、非线性、建模困难等特点，寻找一种适合于大规模并行且具有智能特征的优化算法已成为有关学科的一个主要研究目标和引人瞩目的研究方向。目前，除了遗传算法、模拟退火算法、禁忌搜索算法、人工神经网络等热门进化类算法，蚁群算法正在开始显露头角，为复杂困难的系统优化问题提供了新的具有竞争力的求解算法。蚁群算法的改进蚁群算法的改进思路蚁群算法是一种通过群体协作寻优的启发式优化算法，它的改进可以从以下两个方面进行考虑【】：（）蚁群算法的总体结构、组织模式和子系统间的信息联系模式。（）蚁群算法的参数设定和参数调整策略。蚁群算法改进实例（）最大最小蚁群算法（）基本的蚁群算法容易出现算法过早停滞的现象，这是因为蚂蚁过分集中的选择了几条路径，导致这几套路径上的信息素浓度过分集中，而其他路径由于没有蚂蚁通过，信息素浓度不断降低，而趋于，这样一直进行下去，信息素浓度低的路径将不会再被选华北电力大学硕士学位论文择，从而丧失了探索新路径的能力。是由德国学者和提出的，它通过限定信息素浓度的上下限，采取平滑机制能有效的防止算法的过早停滞现象。限定信息素浓度的上下限就是将每条路径上的信息素（）限定在，】之间，在每次迭代结束后如果乃，则令乃，如果乃缸，则令乃，这里。平均路径的长度决定了信息素浓度允许值上下限的选择，合理的选择信息素浓度的上下限，不会使某一条路径上的信息素浓度过高，而导致算法过早停滞，也不会因为某一条路径上的信息素浓度过低，而导致探索新路径的可能。（）具有变异和分工特征的蚁群算法在蚁群算法开始的时候，有的路径有蚂蚁走过，并释放信息素，有的路径没有蚂蚁走过，所以信息素浓度低，但是蚂蚁选择路径的策略是，信息素浓度大的路径会以较大的概率被选择。这样蚂蚁会主要集中在当前局部较短的几条路径上，导致算法一开始就失去解得多样性。我们可以设定一个信息素浓度阀值岛，当路径上信息素浓度未达到阀值岛时，让蚂蚁忽略较优解继续搜索。只有当路径上的信息素浓度达到阀值风时，蚂蚁在信息素的刺激下选择信息素累积较多的路径。这里，蚂蚁按照下式由状态礴专移到状态，：怒璺譬砒喊静铴（）。依劈选搏，其他、。其中，岛，是（，）中均匀分布的随机数。在全局修正规则中，只让迭代结束后选择最好路径的蚂蚁更新信息素。信息素的全局修正规则如下：（疗）（）（一）勺（）假设发现最好路径的蚂蚁，则。为了克服蚁群算法计算时间较长的缺陷，可以引入遗传算法中的变异因子，经过局部优化之后，整个群体的性能就会明显改善。蚁群算法的变异方法主要包括逆转变异和插入变异。如果变异后的路径优于变异前的路径，就保留这个最优解，否则维持原来的路径。现实中的蚂蚁群体中，蚂蚁有明确的分工，各自从事不同的工作。受此启发对蚁群算法中的蚂蚁进行分工，就出现了具有分工的蚁群算法。我们可以让每一种蚂蚁去搜索一个变量取值范围，这样就使得每种蚂蚁搜索的解空间大大减少，既降低了求解问题的华北电力大学硕士学位论文难度，又增强了蚁群算法的搜索能力。（）随机扰动蚁群算法为克服基本蚁群算法容易出现过早停滞现象，可以采用随机选择策略，并在进化过程中动态调整随机选择的概率，对信息素浓度大的路径可单独计算其概率。具有随机扰动特性的转移系数如下式：厂为具有倒指数的扰动因子厂，；（）称为随机变异率己是（，）中均匀分布的随机数。（勺（女）（女），勺（）觚（），芒（）：）（护乃（”气（”一气（柚），且已诺“（）伸一（勺（。）（。），蝌）：（气（），且乞正）佯哕【，其他对于信息素浓度大的某一条路径，可应用转移系数公式。而对于其他的可选路径则选择随机选择方式在上述公式中，参数口表示某一路径上信息素浓度对蚂蚁选择路径的影响程度，参数表示路径上信息素的更新程度。的物理含义为残留的信息素密度，需要忘记一部分过去积累的信息，以便新信息发挥更好的作用。（）自适应蚁群算法自适应蚁群算法可以根据寻优过程中解的分布均匀度，动态调整信息素的更新策略和路径选择概率，这样就可以很好的解决算法过早停滞和加速收敛之间的矛盾。当蚂蚁在所有路径上分布比较分散时，要强化正反馈信息，让几个较优路径有较大的被选择概率，同样，几条较优路径上的信息素浓度也应该得到较大程度的增强，这样可以加快算法的搜索速度；当蚂蚁在所有路径上分布相对集中时，应该强调解得多样化，使较多的路径被选取，同样在信息素更新时，应让较多路径上的信息素浓度得到增强，这样可以避免算法的早熟停滞。通过这样动态的调整路径选择概率和信息素更新策略，可以在有效的改善蚂蚁搜索速度的同时避免局部优化。此外，自适应蚁群算法根据蚂蚁分布范围内各条路径所构成的解得优劣及信息权重，对其信息素浓度进行有差别的动态更新，从而实现信息素浓度分布的自适应调节。（）动态蚁群算法在动态蚁群算法中，蚂蚁在选择下一个目标时没有固定的标准，这样可以在一定程度上避免进化停滞现象。在信息素更新时，引入挥发因子，挥发因子是动态变化的，信息素浓度越大，则挥发因子越大，信息素浓度越小，则挥发因子越小，这样避免了信息素的无限增大，也不肯能为零。华北电力大学硕士学位论文【（，）口切（厂，）是传统蚁群算法和最大最小蚁群算法中，蚂蚁选择下一个目标的依据，其中口，是常数。而在动态蚁群算法中，随着时间的推移，蚂蚁对信息素变的不再敏感，同样口，变成了与时间有关的函数。为了简化运算，可以令口，而按照迭代次数进行如下变化：刀次迭代之间，；以次迭代之间，；刀次迭代之间，：刀次迭代之间，。其中，为迭代次数。在动态蚁群算法中，挥发因子不再是常数，信息素的更新规则变为：（，）一【（，）】（，）（，）（）具有感觉和知觉特征的蚁群算法而是一个动态变化的函数，这时，局部（）心理学研究指出，感觉和知觉是客观事物作用于神经系统，通过引起神经系统的活动而产生的。在现实中，对相同的刺激，各生物体的感觉却不一样，有的生物体能感觉到，有的感觉不到，这说明了各生物体的感受性不同。感受性是用感觉阀值的大小来度量的。感觉阀值是能引起感觉的，持续了一定时间的刺激量。心理学上把刚刚能引起感觉的最小的刺激量，称为绝对感觉阀值（，）。受到阀值原理的启发，在蚁群系统开始搜索时，为保证解得多样性，只有当路径上信息素积累超过时，蚂蚁才会在信息素的刺激下选择信息素浓度较大的路径，在信息素未达到时，蚂蚁可以忽略该刺激物的存在，这样就可以在蚂蚁搜索的最初阶段，保证路径的多样性，避免了陷入局部最优。当蚂蚁开始搜索之后，刺激物的量发生变化也会引起感觉的变化，但并不是所有变化都能引起感觉，只有当刺激物的量变化达到一定的阀值后才会引起感觉的变化。我们把能引起差别感觉的刺激物的最小变化量，称为差别感觉阀值（，）。在一定的范围内，差别感觉阀值与原来量的比值是一个常数。即：了：（）、。上式中，世表示，为原来信息素的强度，为小于的常数。在蚁群算法中，可以取：（）（）华北电力大学硕士学位论文铹臣并（）式中，瞄主超专丽，筋主编，芍力表示时刻蚂蚁尼在路径（，）上遗留的总信息素浓度，略。表示路径（，）对蚂蚁的吸引强度，岛表示路径，）对其他蚂蚁的吸引作用。蚂蚁后选择路径（，力的概率为：学南小口喊，其他这样，当路径，上的信息素浓度变化小于时，蚂蚁露选择路径主要依靠自己的潜意识，哪条路径蚂蚁走过的次数越多，被选择的概率就越大；当一条路径上信息素的浓度变化大于时，就会引起蚂蚁的感觉，信息素浓度大的路径被选择的概率就会变大。这样的做法可以有效地解决蚂蚁一味的相信同伴而造成的盲从现象，降低了大量蚂蚁聚集于少数局部最优路径而造成的早熟、停滞现象。蚁群优化算法的仿真研究蚁群优化算法流程蚁群优化算法的流程如图所示。本文蚁群算法的改进本文采用的蚁群优化算法引入了遗传算法的思想，先使用基本蚁群算法对模糊控制器的参数进行寻优，当寻优过程结束后，对蚁群算法寻优出来的参数进行高斯变异，然后把变异后的参数与变异前的参数进行比较，选择最优的参数作为输出结果。华北电力大学硕士学位论文图蚁群优化算法流程图华北电力大学硕士学位论文第三章模糊控制模糊理论和任何新学科一样经历了一个长期艰苦的过程。从世纪年代开始就有不少专家学者探索过模糊现象问题，并寻求解决的途径。例如，年波兰逻辑学家和哲学家卢卡瑟维兹（）创建了多值逻辑，为建立正式的模糊模型打下了基础。年，著名哲学家和数学家罗素（）就写出了“含糊性”的论文。年，英国学者布兰克（）在他的论文中提出了“轮廓一致”的概念这被看成是后来隶属函数的思想萌芽。直到年，美国加利福尼亚大学电气工程系教授在模糊集合论（呦）、模糊算法（）和模糊控制原理（）等著名论著中首先提出了“模糊集合和“模糊控制的概念。英国伦敦大学的第一次成功地将模糊逻辑和模糊推理用于锅炉和蒸汽机的控制，宣告了模糊控制的诞生。从此模糊控制开始蓬勃发展，模糊系统研究会议、模糊集合及其应用的国际学术交流会议相继展开，（）等国际性模糊理论及应用的研究机构相继成立，模糊控制理论及其应用成果不断涌现，使模糊控制理论的研究和应用得到了迅速发展。模糊控制的发展大致可以分为三个阶段：基本模糊控制，自调整、自组织、自适应模糊控制，人工智能模糊控制【。模糊控制系统模糊系统是一种经过改造后的自动控制系统，是一种基于知识或基于规则的系统。它以模糊数学、模糊语言形式的知识表示和模糊逻辑推理为理论基础，是采用计算机控制技术构成的一种具有反馈通道的、闭环结构的数字控制系统。它的组成核心是具有智能功能的模糊控制器，这也是它与传统自动控制系统的根本区别之处。模糊控制系统的基本结构模糊控制系统与一般的控制系统在整体结构上没有什么差别，所不同的是以模糊控制器取代了传统的控制器。如图所示。（）十图模糊控制系统结构框图华北电力大学硕士学位论文模糊控制器的基本结构模糊控制器（，）也称为模糊逻辑控制器（，）。一般的模糊控制器主要由模糊化、知识库、模糊推理和清晰化四个部分组成，其基本结构如图所示。：二：图一般模糊控制器的结构框图模糊化模糊化的作用是将精确量转化成模糊量。模糊化的具体过程如下：（）对输入量进行处理，使其变成符合模糊控制器要求的输入量，若参考输入量为，输出量为，通常计算和毒分别为控制器输入的误差和误差变化率。（）进行尺度变换，使其变换到各自的论语范围。（）进行模糊化处理，是原来精确的输入量变成模糊量，并用相应的模糊集合表示。知识库知识库通常由数据库和模糊控制规则库两部分组成。其中，数据库主要包括语言变量的隶属函数、尺度变换因子以及模糊空间的分级数等；模糊规则库包括了用模糊语言变量表示的一系列控制规则，他们反映了控制专家的经验和知识。模糊推理模糊推理具有模拟人的基于模糊概念的推理能力，是模糊控制器重要的组成部分。清晰化清晰化的主要作用是将模糊推理所得的控制量（模糊量）变换为实际用于控制的清晰量。其过程如下：（）将模糊的控制量经过清晰化处理变换为表示在论域范围的清晰量；（）将表示在论域范围的清晰量经过尺度变换转化成实际的控制量。华北电力大学硕士学位论文模糊控制器的设计模糊控