基于量子計算的熱工過程辨識研究及應用.pdf

1、人們在認識和改造客觀世界的過程中，總存在一些難以用現(xiàn)有的知識去定量描述的系統(tǒng)，系統(tǒng)辨識就是根據(jù)測量系統(tǒng)產(chǎn)生的各種信號去構造系統(tǒng)的模型，它是聯(lián)系現(xiàn)實和數(shù)學模型的紐帶。在優(yōu)化計算方面，量子計算相比于經(jīng)典優(yōu)化計算，在某些方面可能擁有后者無法比擬的優(yōu)勢。
　　 本文利用量子計算與量子優(yōu)化的方法對熱工過程進行了辨識，分別從線性單入單出系統(tǒng)傳遞函數(shù)模型的辨識、多變量子空間模型辨識和非線性神經(jīng)網(wǎng)絡模型辨識等三個方面進行了研究。主要創(chuàng)新成果有:

2、
　　 (1)針對量子粒子群算法(QPSO)的收斂速度和尋優(yōu)精度問題，提出了一種改進的QPSO算法。首先，采用混沌序列初始化粒子的初始角位置;其次，在算法中加入變異處理，有效地增加了種群的多樣性，避免早熟收斂。函數(shù)優(yōu)化測試結果表明:本文提出的算法具有良好的優(yōu)化效果。同時利用本文提出的算法對經(jīng)典的具典型意義的傳遞函數(shù)族模型進行了辨識，辨識結果證明了這種算法的有效性。利用此算法，在結合某DCS的基礎上，編制出了一種通用的熱工對象模型

3、辨識算法模塊，并應用于某循環(huán)流化床電廠的辨識，取得了令人滿意的辨識結果。
　　 (2)用實例證明了狀態(tài)子空間辨識方法是一種有差辨識方法。為了獲得辨識參數(shù)的一致無偏估計，在經(jīng)典狀態(tài)子空間辨識的基礎上，提出了基于優(yōu)化算法的兩段辨識方法。首先利用經(jīng)典狀態(tài)子空間辨識獲取被辨識對象的初始信息，然后利用改進的量子粒子群算法對其進行優(yōu)化，通過實例驗證了本文所提出算法的有效性。最后對某電廠協(xié)調(diào)控制系統(tǒng)的數(shù)據(jù)進行辨識。辨識的結果表明:本文所提出的

4、方法可以適用于工業(yè)過程多變量系統(tǒng)的辨識，且具有良好的辨識精度。
　　 (3)量子遺傳算法是基于量子計算原理的概率優(yōu)化方法，在量子門更新過程中，旋轉角的大小直接影響優(yōu)化的結果和進化的速度。本文針對模糊量子遺傳算法(FQGA)容易導致系統(tǒng)陷入局部最優(yōu)的缺點，將量子衍生交叉算法的思想引入FQGA，提出了一種新的量子遺傳算法。同時利用該方法構造徑向基函數(shù)神經(jīng)網(wǎng)絡并進行非線性系統(tǒng)的辨識。其特點是通過這種新的量子遺傳算法實現(xiàn)對RBF神經(jīng)網(wǎng)絡