改进蚁群神经网络及其在滞后系统中的应用

作        者：周建新，杨卫东，李　擎
（北京科技大学信息工程学院）

摘　　　要：针对热连轧监控ＡＧＣ系统具有多变量、强耦合、非线性、大滞后及参数时变的特点，提出了一种改进蚁群神经网络，采用动态局部信息素更新和自适应调节信息素挥发的全局信息素更新相结合的方式对蚁群算法进行了改进。并利用改进后的蚁群算法对神经网络权值和阈值进行优化，利用优化后的神经网络对ＰＩＤ控制器参数进行整定。改进的蚁群算法稳定性好，寻优效率高，避免了神经网络参数陷入局部极小等问题，从而实现大滞后系统的优化控制。仿真结果表明，在监控ＡＧＣ系统中，在对象的滞后时间发生变化的情况下，基于改进蚁群神经网络的优化控制系统具有动态响应速度较快，对外部扰动具有良好的鲁棒性，使控制品质得到很大的提高。
关　键　词：蚁群算法；神经网络；时滞；ＰＩＤ

引　      言：蚁群算法具有较强的鲁棒性、优良的分布式计算机制，易与其他方法结合等优点，如今已经成为人工智能领域的一个研究热点［１］。ＬｉＳＨ等将蚁群算法与神经网络的融合策略应用于解决异步传输模式网中的呼叫接纳控制问题，并取得了很好的仿真效果；ＺｈａｎｇＳＢ等在ＬｉＳＨ等研究的基础上，将蚁群算法与神经网络的融合策略应用于解决ＡＴＭ网中的ＣＡＣ问题和用法参数控制问题；洪炳熔等提出了用蚁群算法学习反向传播神经网络的权值，并将其应用于求解非线性模型的辨识问题及倒立摆的控制问题， 随后又提出了用蚁群算法学习Ｈｏｐｆｉｅｌｄ神经网络的权值策略，并将其用于ＴＳＰ的求解［２］。但是传统的蚁群算法的处理能力还是有限的［３］，容易出现收敛速度慢，容易陷入局部较优等问题，所以传统蚁群算法在处理神经网络训练过程中有着一定的缺陷。在本文中，利用一种改进蚁群
算法，将其引入到神经网络权值优化中，克服了蚁群算法在连续域中对组合优化的缺陷，又能避免ＢＰ算法容易陷入局部较优的问题，并用提出的蚁群神经网络对ＰＩＤ控制器参数进行整定，对热连轧监控ＡＧＣ系统进行控制取得了良好效果。

登录网站后可下载文件

相关阅读:

• ...2013/10/10 16:00·基于改进蚁群算法的船舶人员疏散问题研究