热工参数辨识和PID参数优化在某个角度上都能转化为最优化问题。随着群体智能理论在各个领域的快速发展,相继有许多学者将群体智能算法用于热工参数辨识和PID整定。然而群体智能算法用于热工参数辨识和PID参数优化时具有随机性强、收敛慢、耗时长的特点。本文针对这些不足,旨在将确定性的寻优算法应用于热工参数辨识和PID参数优化。本文首先介绍了如何将热工参数辨识和PID参数优化问题转化为最优化问题;然后仿真研究了在两类问题中目标函数沿各个方向上大体上呈单峰性的特点;再将黄金分割法分别与坐标轮换法、Powell直接法相结合形成两种新的确定性算法,其结合过程即先根据坐标轮换法或Powell直接法确定一维搜索方向,再利用黄金分割法进行一维寻优;最后将结合后的两种方法分别应用于热工参数辨识和PID参数优化,并与标准粒子群算法相比较以凸显改进算法的高效性。此外,本文又结合了IMC-PID,针对热工系统中普遍存在的一阶时滞、二阶时滞过程,以ITAE为目标函数,利用黄金分割法对IMC-PID的滤波器参数进行快速寻优。进一步显示基于黄金分割法的优化策略在控制器参数寻优时的独特优势。基于现场数据的应用表明,结合后的两种方法在快速性、精确性上明显优于标准粒子群算法,并且耗时短、前期收敛快、设置参数少、占用内存少,更适合于热工对象的在线参数辨识和PID控制系统参数的在线优化。将两种应用相结合,则为热工控制系统调节参数的在线快速自整定提供了一套新途径。