萤火虫算法改进及其在燃烧系统鲁棒控制中的应用

发布时间：2017-04-11 03:09

  本文关键词：萤火虫算法改进及其在燃烧系统鲁棒控制中的应用，由笔耕文化传播整理发布。

【摘要】：如今火电厂中,煤的用量依然非常大,锅炉燃烧系统又是电厂的重要组成部分,因此对锅炉燃烧系统控制的好坏直接体现了我国煤能源是否能够被高效利用。火电站锅炉燃烧系统是一个具有非线性、强耦合、大惯性、参数时变性等特点的系统,对其创建一个数学模型实施精确的控制十分困难。由于锅炉本身固有的延迟特性使得传统的热量信号和温度信号不能快速准确地反应炉膛内的燃烧状况,导致控制效果不理想。本课题主要针对锅炉燃料控制系统设计H∞鲁棒控制器,又针对鲁棒控制器设计中的加权函数选择问题,提出一种改进萤火虫优化算法(Genetic Algorithm-Artificial Fish Glowworm Swarm Optimization,GA-AFGSO),最后将改进萤火虫算法用于鲁棒加权函数的寻优。为了提高燃烧系统的信号传递速度,本课题引用辐射能信号到串级燃烧控制系统中作为H∞鲁棒控制器的反馈信号。通过一阶分时时滞近似,得到最优近似模型,又通过加权函数的设计得到了H∞鲁棒控制器。并分析H∞鲁棒控制器的鲁棒稳定性和抗干扰能力。在H∞控制器设计中,加权函数的选择至关重要。传统的加权函数选择主要是通过试凑来获得的,权函数选取的好坏很大程度决定于设计人员的经验,想要得到最优的权函数十分困难。而加权函数选择问题实质上可转化为多维复杂函数优化问题,针对此问题提出了基于萤火虫群(Glowworm Swarm Optimization,GSO)、人工鱼群(Artificial Fish-school,AFS)和遗传算法(Genetic Algorithm,GA)的改进萤火虫优化算法。本文采用改进萤火虫优化算法寻找最优的加权函数。仿真结果表明,改进萤火虫算法优化的鲁棒控制系统具有较好的动态性能和鲁棒性。
【关键词】：燃烧控制系统 H∞鲁棒控制 改进萤火虫优化算法 加权函数
【学位授予单位】：东北电力大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;TM621
【目录】：

• 摘要4-5
• Abstract5-8
• 第1章 绪论8-15
• 1.1 课题研究背景及意义8
• 1.2 锅炉燃烧系统研究现状8-12
• 1.2.1 传统控制策略及应用9-10
• 1.2.2 现代控制策略及应用10-12
• 1.3 遗传算法和萤火虫算法的应用12-13
• 1.3.1 遗传算法的应用12-13
• 1.3.2 萤火虫算法的改进及应用13
• 1.4 本文所做的工作13-15
• 第2章 基于辐射能的串级燃烧控制系统15-21
• 2.1 燃烧控制系统15-16
• 2.1.1 锅炉燃烧控制系统15
• 2.1.2 锅炉燃烧控制系统控制方式及任务15-16
• 2.2 蒸汽压力控制对象的动态特性分析16-18
• 2.2.1 汽压控制对象在负荷扰动下的动态特性17
• 2.2.2 汽压控制对象在燃烧率扰动下的动态特性17-18
• 2.3 基于辐射能的锅炉燃烧控制系统18-20
• 2.3.1 燃烧控制系统的典型方法18-19
• 2.3.2 辐射能信号19
• 2.3.3 基于辐射能信号的锅炉燃烧控制系统19-20
• 2.4 小结20-21
• 第3章 H∞鲁棒控制在串级燃烧控制系统中的应用21-36
• 3.1 H∞鲁棒控制理论基础21-28
• 3.1.1 标准H∞鲁棒控制问题21-23
• 3.1.2 H∞控制的性能指标23-25
• 3.1.3 H∞混合灵敏度问题25-28
• 3.2 串级燃烧控制系统28-32
• 3.2.1 燃料控制系统28-29
• 3.2.2 模型转化处理29-32
• 3.3 H∞控制器的设计32-33
• 3.3.1 混合灵敏度控制设计32
• 3.3.2 权函数选取32-33
• 3.4 仿真分析33-35
• 3.4.1 稳定性分析33-34
• 3.4.2 抗干扰性分析34-35
• 3.4.3 鲁棒性分析35
• 3.5 小结35-36
• 第4章 萤火虫算法的分析及其改进36-51
• 4.1 萤火虫群算法的概述36-40
• 4.1.1 标准萤火虫算法(GSO)基本原理37-38
• 4.1.2 GSO算法的描述38-40
• 4.2 人工鱼群算法(AFSA)40
• 4.2.1 人工鱼群算法的原理40
• 4.2.2 人工鱼群算法的描述40
• 4.3 遗传算法(GA)40-44
• 4.3.1 遗传算法基本原理41-43
• 4.3.2 遗传算法流程图43-44
• 4.4 改进人工萤火虫算法与遗传算法混合的优化算(GA-AFGSO)44-46
• 4.4.1 改进萤火虫混合优化算法的提出45
• 4.4.2 GA-AFGSO算法的设计45-46
• 4.5 数值实验46-49
• 4.5.1 实验环境与算法的公共参数设置47-48
• 4.5.2 实验结果对比分析48-49
• 4.6 小结49-51
• 第5章 基于改进萤火虫算法的H∞鲁棒控制器优化设计51-58
• 5.1 基于改进萤火虫算法的加权函数寻优51-54
• 5.1.1 待优化加权函数选取51
• 5.1.2 优化目标建模与适应度函数的确定51-52
• 5.1.3 优化目标的确定52-53
• 5.1.4 GA-AFGSO算法参数设定53
• 5.1.5 本文寻优步骤53-54
• 5.2 稳定性验证54-55
• 5.3 仿真分析与比较55-57
• 5.4 小结57-58
• 全文总结与展望58-59
• 参考文献59-64
• 攻读学位期间取得的科研成果64-67
• 致谢67

【参考文献】

中国期刊全文数据库 前10条

1 吴昌友;;一种改进的人工鱼群优化算法[J];智能系统学报;2015年03期

2 李红彪;张舒心;王东鹏;陈立军;;基于遗传算法优化的锅炉燃烧系统鲁棒控制器设计[J];制造业自动化;2014年17期

3 张晓鲁;;关于加快发展我国先进超超临界燃煤发电技术的战略思考[J];中国工程科学;2013年04期

4 王改革;郭立红;段红;刘逻;王鹤淇;;基于萤火虫算法优化BP神经网络的目标威胁估计[J];吉林大学学报(工学版);2013年04期

5 臧怀泉;王媛媛;;基于遗传算法的电动助力转向系统鲁棒H_∞控制[J];控制理论与应用;2012年04期

6 陈立军;孙博;薛宏;刁建超;;燃烧控制系统H_∞鲁棒控制器设计[J];吉林大学学报(工学版);2012年03期

7 张军丽;周永权;;一种用Powell方法局部优化的人工萤火虫算法[J];模式识别与人工智能;2011年05期

8 陈立军;薛宏;周正兴;刁建超;;采用辐射能信号的燃烧系统H_∞鲁棒控制[J];化工自动化及仪表;2010年10期

9 伍国梁;唐永哲;李波;;基于粒子群的H_∞混合灵敏度在飞控系统中的应用[J];测控技术;2010年02期

10 刘丽丽;孙灵芳;付文光;;智能控制在火电站锅炉燃烧系统中的应用[J];自动化与仪表;2008年04期

中国博士学位论文全文数据库 前1条

1 刘建民;火电厂热工过程优化控制策略及应用研究[D];华北电力大学（北京）;2009年

中国硕士学位论文全文数据库 前5条

1 周正兴;火电厂锅炉燃烧系统仿真研究[D];东北电力大学;2010年

2 李莉;基于遗传算法的多目标寻优策略的应用研究[D];江南大学;2008年

3 李莉;基于遗传算法优化权值的H_∞电力系统稳定器的设计[D];山东大学;2007年

4 夏猛;基于辐射能信号的电站锅炉燃烧控制系统研究[D];华中科技大学;2005年

5 张晋;时滞系统的H∞鲁棒控制策略研究[D];甘肃工业大学;2001年

  本文关键词：萤火虫算法改进及其在燃烧系统鲁棒控制中的应用，由笔耕文化传播整理发布。

，

本文编号：298160