论文研究-基于改进UKFNN和NSGA-Ⅱ的工业过程决策参数稳健优化.pdf

所需积分/C币:9 2019-07-22 18:00:28 1.02MB .PDF
36
收藏 收藏
举报

针对工业生产过程建模误差的不确定性和最优决策参数的执行误差的不确定性,提出采用改进无迹卡尔曼神经网络(unscented Kalman filter artificial neural network,UKFNN)动态建模保证建模精度;采用改进非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)稳健优化设计最优决策参数保证执行效果,得到稳定最优输出。采用只需对输入/输出数据进行计算即可得到不可测的未知噪声统计信息的样本有效噪声估计(gamma test,GT)来计算观测噪声统计值,保证UKFNN的建模精度;再采用改进选择算子和交
2718 计算机应用研究 第32卷 距最优个体较近的个体作为下一代个体,具体为:首先通过联凑法确定隐层神经元数,公式为q=√n+7+k。其中:q为隐 赛规模为2的联箦选择算子选择m个候选个体,再从m个个含神经元数;n为输入神经元数;为输出神经元数;k为1-10 休中选岀相对最优的个休作为父代个休A;再選过联赛规模为的常数。随机产生神经网络初始值,对不同隐层神经元的神经 2的联赛选择算子选择n个候选个体,分别计算所有n个个体网络进行训练,得到相应训练检验误差统计值MSE,通过比较 和A的儿何距离,选择距离A最近的个体作为父代个体B。A、MSE,得Hq的最佳取值,具体可参考文献[19]。本文确定q B作为下一代个体。 =9,得到滤波方程为 2)改进交叉算子需要说明,这里采用均匀交叉算子对 x(k-1)=x(h) 其进行改进,也即对进行交叉的个体的任一基因都以相同的概 y(k-1)=2 (17) 率进行交叉,以形成新个体,从而克服了传统单点交叉产生较 1-exp[Σx,X(k)+x1 优新个体概率较小的缺陷,能够很好地维持群体多样性,防止 陷入局部最优值。然后依照已有的NGSA-Ⅱ算法1,可以 其中:x=[x;,x,x,x2],x为第j个输入变量和i隐含神经元 之间的权值;x为第讠个隐含神经元的阈值;x:为第氵个隐含神 归纳求解步骤如下 a)确定种群规模N最大遗传代数 Maxgen、交叉率、道择经元和输出神经元之间的权值;x2为输出神经元的阙值;X(k) 为输人数据。采用衰减记忆的OT进行观测噪声方差的计算 率、初始种群Pb。 b)通过新的选择算子对P进行选择,对选出的个体执行 (M=10,P=10)得到HCN过程观测噪声方差R如图1所示。 采用9-9-1的神经网络结构分别对RPNN, UKFNN以及本文 新的均匀交叉以及基本变异操作产生新个体,放入Qn,至规模 改进UKNN进行比较研究。按顺序选择前150组数据作为训 达到N。将P和Q合并,得到规模为2N的种群Rn。对R 进行非劣分类操作按传统选择将R中的所有非支配个体送练样本,后50组数据作为检验样本,得到BPN、 UKFNN以及 本文改进 UKFNN建模效果如图2~4所示。其屮 表示 择为非支配集,得到规模为N的非劣支配个体PN。 c)终止。若n< Maxgen,n=n+1,转到步骤b),否则,将相应神经网络模型转换率; 表示实际HCN转换率。 PN中的非支配个体作为输出 八 3氢氰酸工业生产过程实验研究 约求¥鹰6索 3.1氢氰酸工业生产过程 100 l50200 20406080100120140 氡氰酸生产工业流程复杂,其原料气为氨气、天然气、空5 第个氢氰酸数据 第i个氢氰酸数据 气。三种原料气经净化、混合、氧化和酸洗四个工段,才能得到 图 Gamma test观测噪声估计结果图2BP神经网络训练拟合效果 纯净HCN气体。HCN生产设备都和空气接触受温度混度、2 大气噪声等外界囚素影响,系统存在复杂非线性动态特性以及絲70 受不确定因素影响。使用UKN对系统进行自适应动态建则个州时 模,冉使用NSGA-Ⅱ对模型参数进行稳健优化设计,得到稳健 最优解,提高ⅣCN转换率。 160170180190200 20406080100120140 综合对HCN生产工艺的分析,选择九个决策参数作为模 第个氢氰酸数据 第汗个氢氰酸数据 图3BP神经网络检验拟合效果图4UKF神经网络训练拟合效果 型输入,以HCN的转换率(α)作为模型输出。决簧参数分别 图2、3是采用BPNN建立HCN转换率的训练检验结果。 为:TN(氨的补偿温度)、FN(氨的补偿流量)、CN〈天然气/氦 可以看出,BPNN训练拟合效果较检验拟合效果更优,BPNN所 气)、AN(空气/压力)、TD(大混合器出口温度)、PN(氨气的补建模型属静态模型,不能有效反映工业过程动态特性。图5 偿压力)、PC(天然补偿压力)、PA(空气补偿压力)、P(汽包压7分别为采用UKN、改进UkN建立动态模型。从训练 力)。对HCN生产数据进行预处理:粗大误差剔除,36准则处样本和检验样本拟合效果均可看出,收进UKNN比 UKFNN 理,五点三次平滑法处理。得到经过处理后的200组数据如表 更优,远远优于BPNN静态模型,动态模型性能优于静态模型, 所示 HCN实际生产过程相吻合。 UKFNN出于将数据观测方差 表IHCN实验数据 置零,受观测噪声统计值的不准确使建模效果变差。采用改进 CN AN/MPa /MPa/MP UKFNN,采用GT对观测数据进行计算得到不确定可观测噪声 a 31.16001.1516.2212.01 992.867971.78 方差,有效圯解决由丁观測噪声统计值的不准确对 UKENN建 31.5 600 1.1506.1782.00 2.002.9080n1.46模效果的影响保证LKNN建模的稳定性。通过改进UK上NN 建立了较传统 UKFNN更优的HCN牛产过程模型。 601136217221.991.92.99817443.3改进NSGA-决策参数稳健优化实验研究 3.2改进UKF神经网络动态建模实验研究 采用改进NSGA-Ⅱ对HCN进行稳健最优决策参数的确 三层神经网络可以任意逼近非线性函数6,本文采用三定,以指导实际生产过程,提高HCN转换率。采用 UKFNN建 立了HCN生产过程的动态模型,每一时刻均有一不同模型,模 层神经网络。 Sigmoid函数(/(x) )原则上可以无限逼 1+e 型繁多,本文仅对UKFN模型I进行详细说明,对其他模型 近非线性函数13,囚此隐层传递函数选择Smod函数,同时只给出最后优化结果。考虑HCN生产过程的控制精度,在决 为了简化,输出传递函数采用 Purell函数((x)=αx)。用试策参数x的±2%邻域内随机生成50个决策参数,得到优化 第9期 李太福,等:基于改进 UKFNN和NSGA-Ⅱ的工业过程决策参数稳健优化 2719 日标凼数如式(18)(19)所示,分别表示系统性能指标尽可能统运行效率。优化结果如表3所示。 优和性能指标受决策参数扰动影响波动(方差)尽可能小2层表3基于改进KFNN模型1的HCN转换率稳健最优决策参数 含义,所得结果即为稳健最优决策参数。 TN C AN a MPa/MPa/MPa/M'a°C objl: max 2((X/(N) 29.69546.6791.1276.31.991.98922.807474.65 (f(X)-f(X)) 为了检验最优决策参数的稳健性能,通过计算机模拟在决 同时采用改进NSGA-Ⅱ和传统NGA-Ⅱ进行HCN生产过策参数=2%的邻域内随机牛成100个样本,将样本代人模 程稳健优化设计,其中相同操作参数设置为N-50, Maxgen-型,据统计高于实际转换率的样本占总数的71.8,平均转换率 50,交叉率0.6,变异率0.06。改进算法候选个体分别为m=为72879。以上结果反映了最优决策参数具有很好的稳使性 5,n=5。其中决策参数X的取值范围如表2所示。得到两种能,采用改进NGAⅡ进行决策参数的稳健优化,得到较好效 算法 Pareto解的标l和2的平均值如图8、9所示,优化过程果。采用改进NSGA-Ⅱ对其余模型进行优化,得到稳健最优 Pareto解的个数如图10所示。 HCN转换率输出如图12所示,提高了HCN转换牽。 表2HCN决策参数取值范围 0∵∴[·稳僻Pr解优化结果§小4崇 FN CN AN 0.5 C/(m3·h-1) 实际值 MP / MPa /MPa /MPa /ncC 70 1.。·优化结果 Min18.77462.821.126.111.91.91.92.11 Max43.68708.081.176.372.22.21.2.23.181 7070.57171.57272.57373.5740 100150200 氢氰酸数据 冬11改进NSGA-‖稳健 图12模型1-模型200的 最优 Pareto解分布图 稳健优化结果 68 4结束语 160170180190200 20406080100120140 第个氢氰酸数据 第i个氢氰酸数据 本文针对噪声不确定性复杂非线性动态工业生成过程的 图5UKF神经网终 图6改进UKF神经网络 建模优化问题进行研究 检验拟合效果 训练拟合效果 a)在建模阶段,针对工业过程的动态非线性特性,采用具 有良好非线性动态自适应调整能力的无迹卡尔曼神经网络建 模方法。特别地,针对噪声不确定性对建模效果的影响,采用 只需要对输人/输出数据诖行估计即可得到噪声方差的Gam ◆改进NSG4-Ⅱ优化方法 :.1m。[NsGAⅡ优化方沄 ma test方法进行噪声佔计。最终得到了适合于对噪声不确定 160170180190200-01020304050非线性动态过程精确建模的 Gamma test噪声估计改进 第i个氢氰酸数据 第代进化过栏 图7改进UKF神经网络 图8两种算法进化过程 UKFNN建模方法。 检验拟合效果 Pareto解ojl的平均值 b)在参数优化阶段,针对噪声不确定性对优化参数的执 改进NA优化3,N行带来的不良影响,本文采用稳健优化思想在参数优化阶段即 对系统的不确定性进行考察,以得到可以被有效执行的最优参 数。鉴于稳健优化是本质多日标优化问题,采用NSGA-Ⅱ设计 方法进行稳健优化的求解。为了克服传统选择算子和交叉算 o·NSGA-Ⅱ优化方法 改进NSCA-Ⅱ优化 GA-Ⅲ优化力法 子导致的NSGA-Ⅱ早熟现象对优化结果带来的不良影响,本文 4050 30 第I代进化过程 第I代进化过程 提出了基于距离改进选择算子和基于均匀交又改进交叉算子 图9两种算法进化过程 图10两种算法进化过程 的NSGA-Ⅱ方法。 Pareto解obj2的平均值 Pareto解个数 最后采用本文方法对氢氰酸工业过程进行∫实验研究,验 在进化过程中,改进算法的 Pareto平均值明显优于传统方 证了方法的有效性。由于采用离线实验方法,所以本文方法需 法,比较可知,改进NsGA-Ⅱ较好地促使种群向性能指标最优 要与实时控制软件相结合来达到更好的在线控制效果,发展相 方向进化,改善了算汏收敛性。改进NSGA-优化得到每代 Pareto解的数量明显多于传统NSGA-Ⅱ,说明改进的算法提高 应的在线建模和参数优化方法是下一步研究的方向 了 Pareto解的多样性。通过以上分析可知,改进NSGA-Ⅱ进行参考文献: 稳健多日标优化所得结果较传统方法在保持算法多样性、促使 「I]孙玥辉.复杂工业系统的稳态优化控制硏究「D].哈尔滨:哈尔 改进NGAⅡ对ICN生产过程进行优化得到最终P解的()滨理工大学,2007 种群向 Pareto解收敛、防止早熟等方面具有更优的效果。采用 [2 Wu Xuedong, Wang Yaonan. Extended and unscented kalman filte- ring based feed-forward neural networks for time series predictionL] 分布如图Ⅳ所示。目标I反呋决策参数的优化情况,目标2 Applied Mathematical Modeling, 2012, 36(3: 1123-1131 反映决策参数对系统扰动的抗干扰能力。由于所得日标1较13 Li dongli, Wang jiang,. Che yangi. On neural network training al 优,目标2的范围在0.25,0.65],也即输出波动较小,考虑到 gorithm based on the unscented kalman filter C //Proc of the 29th HCN生产过程的实际控制精度较高,选择日标2最大的 Pareto Chinese control conference. 2010: 1447-1450 解对应的决策参数作为HCN生产过程的指导参数,以改善系 (下转第2723页) 第9期 曹春萍,等:基于ISA和结构特性的微博话题检测 723 表3各系统的实验结果评佑指标 文本解决数据稀疏性冋题,ISλ建模増强了对文本濬在语义的 系统名称 P Cdet) norm 利用,可以解决由微博的草根特性所导致的措辞多样性问题 0.3582 0.1706 1.2123 结合时间信息的相似度计算方法可以大大降低错失率 0.2930 0.1543 1.0491 但是对于本文的工作仍有如下方面需要改进:a)本文对 2 0.1278 0.8994 于虚假微博尚末研究,需妟∏后深入分析其相关特性,使得热 0.1372 0.9725 0.0493 0.7054 点话题更为准确;b)本文的方法对于海量的徵博数据处理具有 0.2020 0.0865 0.6259 定的局限性,下一步仍可继续完善和推进这一方面的工作。 为了更加清晰地展示实验结果,生成如图3所示的各系统参考文献: 的性能损耗对比,它展示了这六个系统在11个话题上的性能。[1]蔣盛益,麦忐凯,庞观松,等·微博信息挖掘技术研究综述[J] S1和S2分别采用了合并徵博讨论树和IsA建模的方法使得 图书情报工作,2012,56(17):136-142 性能于S,S3采用了结合时间信息的相似度计算使得错失「21张晨逸,孙建伶,丁轶群基于 MB- LDA模型的微博主题挖据 [J].计算机研究与发展,20l1,48(10):1795-1802. 率明显低于S,S1S2、S3与S。的对比证明了单个改进方法的 [3]马彬,洪宇,陆剑江,等,基于线索树双层聚类的微博话题检测 有效性。S2、S、S3之间的比较进一步示了改进方法组合使 [J].中文信息学报,2012,26(6):121-128 用的效果,可以看岀,S3的错失率是最低的且性能最稳定。综「4]杨亮,林原,林鸿飞.基于情感分布的微博点事件发现[冂.中 上,本文提出的方法提高了检测系统对于不同内容的检测性 文信息学报,2012,26(1):84-90,109 能,并且当结合时间信息来计算相似度时,大大降低了系统的[5] Sharifi B, Hutton M A,KliJ. Summarizing microblogs with topic 错尖率,证明了该方法的有效性。 models[C// Proc of NAACL-HLT. 2010: 685-688 experimental results comparison chart cal areas using Twitter and Wikipedia[ C]//Proc of ARCS Work shops.2012:1-5 [7 Liu Zitao, Yu Wenchao, Chen Wei, ct al. Short text feature selection for microblog mining [C//Proc of the 4th International Conference on Computational Intelligence and Software Engineering. 2010: 1-4 [8]盖杰,三怡,武港山.潜在语义分祈理论及其应用[冂].计算机应用 研究,2004,21(3):9-12,20 图3各系统的性能损耗对比 L9」龙志祎,程葳·基于词聚类的热点话题检測算法J」.计算杌工程 与设汁,2011,32(6):22142217 3结束语 [10]孙胜平中文微博客热点话题检测与跟踪技术研究[D].北京:北 京交通大学 微博热点话题的发现有着极大的现实意义和应用需求,介[1荣,项亮,刘明荣,等基于隐主题分析和文本費类的微博客祈闻 于传统的主题检测方法不可以直接应用到微博文本中,本文通 话题发现研究[J].模弌识别与人工智能,2012,25(3):382-387 [12]郑斐然,苗夺谦,张志飞,等,一种口文缴博新訢闻话题检测的方法 过深人分析中文微博的特点,结合短文木建模的研究,提出一 「J1.计算机科学、2012,39(1):l38-141 种基于潜在语义分析和结构特性相结合的微博话题检测方法。[l3]赵文淸,俟小可.基于词共现图的中文微博新闻话题识別[冂].智 实验结果表明,基丁合并微博讨论树的方法可以帮助扩屐微博 能系统学报,2012,7(5):444-449 (上·接第2719页) [13]涛,陶薇.考随机因素的汽车悬架参教多目标稳健优化[J] [4 Fitzgerald R J. Divergence of the kalman kilter LJ. IEEE Trans on 振动与冲击,2009,28(11):146-149. Automatic Control, 1971, 16(6): 7361-747 [14 Li Zhihuan, Li Y inhong, Duan Xianzhong. Non-dominated sorting ge- [5高羽,张建秋,小波变换域怗计观测噪声方差的Klm詛滤波算決 netic algorithm-II for robust multi-objective optimal reactive power 及其在致据融合申的应用[J].电子学报,2007,35(1):108-11 dispatch L I]. IET Generation, Transmission Distribution 6赵韬才,尹成友,张立。基于小波变换的KF改进算法及其应 2010.4(9):1000-1008 用[J].无线电通信技术,208,34(4):46-48 [15 Mandal D, Pal SK, Saha P. Modeling of electrical discharge machi [7. Stefansson A, Koncar N, Jones A J. A note on the gamma test [J ning process using back propagation neural network and multi-objee Neural Computing and Applications, 1997, 5(3): 131-133 tive optimization using non-dominating sorting genetic algorithm-II [8 Ursula I. Smooth regression to esl imate effe:li allribules[ J] Journal of Applied Geophysics, 2011, 76(1): 1-12 L Journal of Materials Processing Technology, 2007, 186 (1):154-162 L 9 Ahmadi A, Han D W, Karamouz M, et al. Input data selection for solar radiation estimation [J]. Hydrological Processes, 2009, 23 16 Wang Zhenni, Tham M T, Morris A J. Multilayer feedforward neural (19):2754-2764. networks: a canonical form approximation of nonlinearit [J]. Inter- 10] Giuseppe C M, Sara S, Rita G, et ul. Robust optimum design of national Journal of Control, 1992, 56(3): 655-672 Hampers devices in random vibrations mitigation[J [17 Lupo C, Givannetti V, Mancini S. Memory effects in attenuation and Journal of Sound and vibration, 2008, 313(3): 472-492 amplification quantum processes[J]. Physical Review A, 2010 [11 Huang Hong, Ryozo O, Chen Hong, et al. Optimum design for 82(3):032312 smoke-control system in buildings considering robustness using CFD [ 18] Cybenko G. Approximation by superpositions of a sigmoid function and genetic algorithms [J]. Building and Environment, 2009, 44 IJ. Mathematics of Control, Signals and Systems, 1989, 2 (11):218-27. [12] ogist F, Houska b, Diehl M,etal. Robust multi- objective optimal[19]太福,侯杰,易军,等,基于UKF神经网络子空间遥近的非线 control of uncertain( bio) industrial processes [J]. Industrial Engi 性动态过程演化建模[J]应用基础与工程科学学报,2013,21 neering Science, 2011, 66(20): 4670-4682 (1):185-194

...展开详情
试读 5P 论文研究-基于改进UKFNN和NSGA-Ⅱ的工业过程决策参数稳健优化.pdf
立即下载 身份认证后 购VIP低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
  • 至尊王者

关注 私信
上传资源赚钱or赚积分
最新推荐
论文研究-基于改进UKFNN和NSGA-Ⅱ的工业过程决策参数稳健优化.pdf 9积分/C币 立即下载
1/5
论文研究-基于改进UKFNN和NSGA-Ⅱ的工业过程决策参数稳健优化.pdf第1页

试读结束, 可继续读1页

9积分/C币 立即下载