论文部分内容阅读
本文以“多容水箱实验系统”为研究对象,在实验室中做了大量的实验、分析和研究等。实验室的多容水箱系统可搭建单容水箱系统、双容水箱系统和三容水箱系统等。传统的机理建模方法很难辨识其模型的参数,然而改进的遗传算法能够很容易的辨识出多容水箱数学系统模型的参数。遗传算法是一种非常通用的能够寻求最优解或者近似最优解的随机搜索算法,其并行性和全局搜索能力较强。经过大量的研究表明:简单的遗传算法虽然表现出了在辨识模型方面的优势,但是在寻求最优解时出现的早熟现象,以及收敛速度慢的情况,严重影响了它的辨识效果,为此,就特别希望能够提出一种可以改善上述缺点的遗传算法。经过改进的遗传算法,其最大的亮点是收敛速度快,搜索到最优解的时间短。近年来,遗传算法在水箱系统上的研究比较少,尤其是遗传算法在辨识高阶的水箱系统模型参数方面的研究更是少之又少。本文以“多容水箱实验系统”为研究对象,主要研究了基于多容水箱系统的建模与仿真,再利用仿真曲线检验遗传算法的辨识效果。通过对多容水箱数学建模的研究,加深了对过程控制系统的理解,为教师科研项目的开展提供了对象和算法,同时对学生的具体实验研究提供一些参考。使用遗传算法和经过笔者改进的遗传算法对多容水箱系统分别辨识建模的具体操作内容如下:在调节水位平衡后,给定多容水箱一个阶跃信号,接着进行多容水箱系统动态特性实验。利用台湾研华公司生产的的PCI-1710HG在MATLAB中采集有关多容水箱系统的输出的水位高度变化的数据,并生成输出响应曲线,利用小波分析对采集到的实验数据进行滤波,然后利用遗传算法和改进的遗传算法辨识出多容水箱系统典型对象的模型参数,成功确定数学模型,并对将确定的数学模型在MATLAB中仿真研究,同时结合原始的数据曲线分别求取拟合残差,检验简单的遗传算法和经过改进的遗传算法的有效性的优劣。最终的比较得出,用第二种遗传算法比第一种遗传算法辨识出的数学模型精度要高。