作        者：周建新，楊衛東，李　擎
（北京科技大學信息工程學院）

摘　　　要：針對熱連軋監控ＡＧＣ系統具有多變量、強耦合、非線性、大滯后及參數時變的特點，提出了一種改進蟻群神經網絡，采用動態局部信息素更新和自適應調節信息素揮發的全局信息素更新相結合的方式對蟻群算法進行了改進。并利用改進后的蟻群算法對神經網絡權值和閾值進行優化，利用優化后的神經網絡對ＰＩＤ控制器參數進行整定。改進的蟻群算法穩定性好，尋優效率高，避免了神經網絡參數陷入局部極小等問題，從而實現大滯后系統的優化控制。仿真結果表明，在監控ＡＧＣ系統中，在對象的滯后時間發生變化的情況下，基于改進蟻群神經網絡的優化控制系統具有動態響應速度較快，對外部擾動具有良好的魯棒性，使控制品質得到很大的提高。
關　鍵　詞：蟻群算法；神經網絡；時滯；ＰＩＤ

引　      言：蟻群算法具有較強的魯棒性、優良的分布式計算機制，易與其他方法結合等優點，如今已經成為人工智能領域的一個研究熱點［１］。ＬｉＳＨ等將蟻群算法與神經網絡的融合策略應用于解決異步傳輸模式網中的呼叫接納控制問題，并取得了很好的仿真效果；ＺｈａｎｇＳＢ等在ＬｉＳＨ等研究的基礎上，將蟻群算法與神經網絡的融合策略應用于解決ＡＴＭ網中的ＣＡＣ問題和用法參數控制問題；洪炳熔等提出了用蟻群算法學習反向傳播神經網絡的權值，并將其應用于求解非線性模型的辨識問題及倒立擺的控制問題， 隨后又提出了用蟻群算法學習Ｈｏｐｆｉｅｌｄ神經網絡的權值策略，并將其用于ＴＳＰ的求解［２］。但是傳統的蟻群算法的處理能力還是有限的［３］，容易出現收斂速度慢，容易陷入局部較優等問題，所以傳統蟻群算法在處理神經網絡訓練過程中有著一定的缺陷。在本文中，利用一種改進蟻群
算法，將其引入到神經網絡權值優化中，克服了蟻群算法在連續域中對組合優化的缺陷，又能避免ＢＰ算法容易陷入局部較優的問題，并用提出的蟻群神經網絡對ＰＩＤ控制器參數進行整定，對熱連軋監控ＡＧＣ系統進行控制取得了良好效果。

登錄網站后可下載文件