导读:本文包含了再生粒子群算法论文开题报告文献综述及选题提纲参考文献，主要关键词:催化裂化,柴油,BP神经网络,粒子群算法
再生粒子群算法论文文献综述
高玉梦,邢艺凡,付杰,张伟,赵进慧[1]（2017）在《基于粒子群算法的BP神经网络在催化裂化反应再生过程中的应用》一文中研究指出催化裂化反应再生装置是一个高度非线性、强耦合的系统,工艺的复杂性使对其难以建立准确模型。基于BP神经网络强大的自适应、自学习、泛化和非线性映射能力,以加工负荷、操作条件为输入变量,柴油产出为输出变量,建立5-11-1的BP神经网络结构的催化裂化反应再生过程柴油产出关于加工负荷,操作条件的模型。然后利用粒子群算法寻优BP神经网络初始最优权值和阈值,提高神经网络的预测精度。结果证明:基于PSO-BP神经网络的催化裂化反应再生过程的预测模型在预测精确度比未经优化的BP神经网络大大提高。(本文来源于《计算机与应用化学》期刊2017年11期）
高玉梦,邢艺凡,付杰,赵进慧[2]（2017）在《基于粒子群算法的BP神经网络在催化裂化反应再生过程中的应用》一文中研究指出催化裂化反应再生过程是一个高度非线性、强耦合的生产过程。由于工艺复杂对其难以建立准确模型。基于人工神经网络强大的自适应、自组织、自学习和非线性预测能力,以加工负荷、操作条件为输入变量,柴油产率为输出变量,建立5-11-1BP神经网络结构的催化裂化反应再生过程柴油产率关于加工负荷,操作条件的模型。然后利用粒子群算法寻优BP神经网络最优权值和阈值,提高神经网络的预测精度。结果证明:基于PSO-BP神经网络的催化裂化反应再生过程的预测模型在预测精确度比未经优化的BP神经网络大大提高。(本文来源于《第28届中国过程控制会议（CPCC 2017）暨纪念中国过程控制会议30周年摘要集》期刊2017-07-30）
薛玉石[3]（2009）在《基于再生粒子群算法的风力永磁同步发电机系统优化设计研究》一文中研究指出近20年来,风电技术得到了迅速发展,具体表现为多类型、大容量(MW级)风力发电机系统的出现、大型分布式风电场的建立以及海上风力发电技术的应用等。本文依托重庆市自然科学基金项目《MW级风力永磁同步发电机及其系统的优化设计研究》,重点对复杂问题的优化理论和大型风力永磁同步发电机系统的设计方法进行研究。通过对可能存在的传动链类型进行优化设计和定量分析,探讨其系统成本、效率、年发电量、损耗等参数随容量的变化规律。本文的研究结果将为进一步推动风电产业的发展、提高我国自主研发能力以及为风电场发电设备选型提供理论支持。首先,本文介绍了风力永磁同步发电机系统可能存在的传动链类型及其研究现状;其次,针对复杂优化问题中常见的早熟和局部收敛等问题,在现有粒子群算法研究的基础上,受人工干预鸟群觅食行为的启发,提出了一种再生粒子群算法,并通过Matlab编程,将该算法与其它改进的粒子群算法进行了比较;第叁,建立了风力机、齿轮箱、永磁同步发电机、变频器及其它电气组件成本和损耗的近似解析模型,同时还建立了永磁同步发电机的有限元计算模型;第四,以直驱、半直驱和3级齿轮箱驱动3种不同传动链结构为研究对象,分别以系统成本最低和系统效率最高为优化目标,建立了相应的优化模型,在Visual Basic 6.0软件平台上,采用再生粒子群算法,对0.75MW、1.5MW、3MW、5MW和10MW 5种不同容量等级的风力永磁同步发电机系统进行了优化设计,在此基础上,对3种传动链结构的风力永磁同步发电机系统的成本、效率、重量、年发电量、单位成本的年发电量、系统各组件的成本和损耗等进行了定量分析,总结了其随容量增加的变化规律;最后,通过对1台1.5MW直驱永磁同步发电机的有限元计算结果与磁路设计结果的比较,以及将设计结果中的主要技术参数与国内外文献报道中的数据进行对比,验证了优化设计结果的正确性。结果表明,本文提出的再生粒子群算法能够有效克服早熟现象,具有较好的收敛能力,适用于多变量复杂优化问题的求解;通过将优化理论与系统设计相结合而提出的系统优化设计方法,为风力永磁同步发电机系统的初始设计及其特性分析提供了一种简便有效的手段;本文给出的系统成本最优模型和系统效率最优模型及其设计结果可以为风力永磁同步发电机系统设计以及风电场发电设备选型提供理论支持。(本文来源于《重庆大学》期刊2009-05-01）
再生粒子群算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
催化裂化反应再生过程是一个高度非线性、强耦合的生产过程。由于工艺复杂对其难以建立准确模型。基于人工神经网络强大的自适应、自组织、自学习和非线性预测能力,以加工负荷、操作条件为输入变量,柴油产率为输出变量,建立5-11-1BP神经网络结构的催化裂化反应再生过程柴油产率关于加工负荷,操作条件的模型。然后利用粒子群算法寻优BP神经网络最优权值和阈值,提高神经网络的预测精度。结果证明:基于PSO-BP神经网络的催化裂化反应再生过程的预测模型在预测精确度比未经优化的BP神经网络大大提高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
再生粒子群算法论文参考文献
[1].高玉梦,邢艺凡,付杰,张伟,赵进慧.基于粒子群算法的BP神经网络在催化裂化反应再生过程中的应用[J].计算机与应用化学.2017
[2].高玉梦,邢艺凡,付杰,赵进慧.基于粒子群算法的BP神经网络在催化裂化反应再生过程中的应用[C].第28届中国过程控制会议（CPCC2017）暨纪念中国过程控制会议30周年摘要集.2017
[3].薛玉石.基于再生粒子群算法的风力永磁同步发电机系统优化设计研究[D].重庆大学.2009