技術特征：

1.流程工業(yè)控制回路對象的混合精英隨機搜索優(yōu)化方法，其特征在于：將MERSO方法應用于流程工業(yè)生產(chǎn)裝置控制回路對象模型的參數(shù)辨識及操作參數(shù)優(yōu)化時，根據(jù)裝置相應閉環(huán)控制回路的輸入輸出數(shù)據(jù)，較準確地估計過程對象模型的參數(shù)，隨后設計回路控制器的動態(tài)最優(yōu)參數(shù)，實現(xiàn)石化生產(chǎn)裝置中溫度、壓力、液位、流量等過程回路動態(tài)最優(yōu)控制；

溫度變量一般采用二階純滯后對象模型來表示，如下式(1)所示：

$G_m\left(s\right)=\frac{cs+d}{{\mathrm{as}}^2+bs+1}\·e^{-\mathrm{\τ}s}---\left(1\right)$

其中G_m(s)為溫度對象的傳遞函數(shù)，a,b,c,d分別為溫度對象模型參數(shù)，τ為過程對象純滯后時間，s為拉普拉斯算子；

PID控制器模型如下式(2)所示：

$G_c\left(s\right)=K(1+\frac{1}{T_{i}s})\left(\frac{1+T_d}{1+0.1T_d}\right)---\left(2\right)$

其中G_c(s)表示PID控制器傳遞函數(shù)模型，K為PID控制器比例參數(shù)，T_i為PID控制器積分參數(shù)，T_d為PID控制器微分參數(shù)；

MERSO方法的主要步驟如下：

第一步：確定有效的溫度對象的建模數(shù)據(jù)、性能指標與約束條件；

不需要外加任何測試信號，直接根據(jù)數(shù)據(jù)挖掘技術獲得有效的溫度對象建模數(shù)據(jù)，包括溫度閉環(huán)控制系統(tǒng)的輸入與輸出數(shù)據(jù)，并以此估計過程模型的參數(shù)a,b,c,d,τ；根據(jù)具體的裝置過程生產(chǎn)的要求，提出相應的性能指標與約束條件；

在估計溫度過程模型參數(shù)時，選用誤差平方和的性能指標如下式(3)所示：

$F_1={\∫}_0^t{\[y\left(t\right)-\widehat{y\left(t\right)}\]}^{2}dt---\left(3\right)$

式中F₁為誤差平方和的性能指標，y(t)為溫度控制回路的輸出，為溫度控制回路輸出的估計值,t為時間；

在設計溫度回路控制器參數(shù)時，采用ITAE即時間誤差絕對值積分性能指標如下式(4)所示：

$F_2={\∫}_0^{\mathrm{\∞}}t|y\left(t\right)-Sv\left(t\right)|dt---\left(4\right)$

其中，F(xiàn)₂為ITAE性能指標，y(t)為溫度控制回路的輸出，Sv(t)為溫度控制回路的設定值；

約束條件如下式(5)所示：

或

式中，y_max(t)為溫度控制回路輸出響應的穩(wěn)態(tài)值；

第二步：隨機產(chǎn)生m組初始值及搜索半徑，每組初始值具有n個待估計的模型參數(shù)；

選擇足夠多的隨機數(shù)，使其數(shù)值在-0.5～+0.5之間，并將他們分為100組，每組20個，用矩陣表示為y(100,20)；

任選m組初始值初始搜索半徑可選為初值的若干倍，如下式(6)所示：

$r_{km}^0\left(n\right)=2.0a_{km}^0\left(n\right)---\left(6\right)$

式中，r為搜索半徑，其通式是其中j＝0,1...20表示迭代次數(shù)，k＝0,1...P表示每組每次求解狀態(tài)方程的次數(shù)；m表示每次迭代計算的組數(shù)；n表示待估計的模型參數(shù)的個數(shù)；

第三步：對m組初始值均采用隨機搜索優(yōu)化方法獲得m組本次局部最優(yōu)解；

按下式計算過程模型的參數(shù)或設計控制器參數(shù)，k＝0,1...P，P一般可取10-50；

$a_{km}^{\left(j\right)}\left(i\right)=a_{km}^{(j-1)}\left(i\right)+y_{km}{r}_{km}^{\left(j\right)}\left(i\right)---\left(7\right)$

將這些參數(shù)帶入溫度閉環(huán)控制系統(tǒng)的方程，求解出y(t)，再計算出性能指標F₁、F₂，然后繼續(xù)在隨機數(shù)中選出n×m個y_km，重復上述計算，直至第P組，從中獲得m個本次局部最優(yōu)解；

第四步：從m個本次局部最優(yōu)解中選擇最好的三個解，作為本次迭代精英解，對三個精英解，作三水平正交分析法，得到一組本次迭代最優(yōu)解；

第五步：其他的m-3個非精英解向本次迭代最優(yōu)解逼近；

根據(jù)經(jīng)驗，定義收斂因子為：

在每一次迭代計算結束之后，將搜索半徑縮小倍：

第六步：重復步驟第三步進行下一次迭代計算，直至迭代20次，獲得滿意的結果。