- 文献综述（或调研报告）：
热工过程控制系统的品质，是由被控对象和控制系统各环节及系统的结构决定的。不同的被控对象在某一扰动下，其参数具有不同的变化过程，此过程特性称之为被控对象的动态特性。对被控对象输出变量与输入变量之间关系的数学描述，称为对象的数学模型。被控对象的数学模型，对控制系统的设计和分析有着极为重要的意义。随着自动控制系统的复杂化，它已越来越受到人们的重视。一个自动控制系统设计的成功与否，与设计者对被控对象数学模型的了解程度有很大关系。对于简单的被控对象，若知道它的数学模型，对控制器参数则可以整定得更好些。对于复杂的被控对象，更要求知道其数学模型，这样才能设计出合理的控制系统，才能顺利地投入运行，并取得好的控制品质。 辨识就是通过测取研究对象在人为输入作用下的输出响应，或正常运行时的输入输出数据，加以必要的数据处理和数学计算，估计出对象的数学模型。
常规的近似法、半对数法、切线法、两点法和面积法，并介绍了复杂传递函数的低阶近似方法和任意形状扰动下对象传递函数的求取方法等。常规的基于阶跃响应曲线拟合而辨识系统的方法是一种简单且非常实用的方法，但此类辨识方法与其它传统辨识方法一样存在一些缺点，其中需模型结构已知，而且当辨识系统中含有二阶欠阻尼环节时，传递函数的辨识相当麻烦，难以得到满意的结果，而且通用性能比较差，计算精度依赖于测绘仪器，其中基于最小二乘机理的方法（如面积法）不可避免地存在着易于陷入局部最小点等诸多缺点。为此寻找一种操作简单、适于工程应用，并且能够同时确定系统的结构与参数且全局收敛的辨识方法是十分有意义的。
近几年发展起来的基于遗传算法的系统辨识方法刚好满足这种需要，并取得了成功的经验。如前所述，遗传算法对数学模型的形式无严格限制，其搜索过程隐含着模式的并行性，计算鲁棒性好，因此广泛应用于各研究领域。另外，常规的系统辨识方法中均涉及对离散系统的参数估计，因而发展了以最小二乘法为基础的理论和方法，近年来又出现了基于神经网络、遗传算法等现代方法的辨识手段。连续系统模型可通过对离散模型的相关变换得到，然而理论和实践证明，这种处理方法在理论和工程中均存在一定局限，有时会改变系统的稳定性，因此，研究基于连续系统的模型辨识方法有重要实际意思。与离散模型所不同的是，连续系统在给定输入的条件下其输出响应不能由所辨识的参数递推产生，而必须通过连续系统微分方程的求解方可得到，现代软件工具 Matlab 为连续系统模型的数字仿真提供了有力的工具。以此为基础，可以结合遗传算法寻优机制，设计一种模型辨识的方法。
遗传算法的实施，首先是对求解问题的参数进行编码，形成组成群体的各个个体。算法开始时，经过初始化随机产生一个具有一定规模的种群，用合理的适应度函数对种群进行性能评估，并在此基础上进行选择、交叉和变异操作。三个遗传算子分别模拟生物进化的繁衍、交配和基因变异，使进化过程按“优胜劣汰，适者生存”的原则朝全局最优的方向进行。
1、设计编码
基于遗传算法的过程辨识原理如图 1 所示。
图 1 基于遗传算法的系统辨识原理图
设系统为线性定常系统，模型为：
采用实数编码。由于传递函数参数取值范围不易确定，可将式(3-1)改写成如下形式
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
