基于支持向量机的制粉系统优化控制研究

发布时间：2017-09-16 17:07

  本文关键词：基于支持向量机的制粉系统优化控制研究

  更多相关文章： 直吹式制粉系统 支持向量机 最小二乘支持向量机 PID控制 多变量 优化控制

【摘要】：电力工业是我国经济发展的基础工业,促进着经济健康发展。制粉系统对降低火电厂能耗,提高其经济性很有影响,因此,对制粉系统优化控制进行研究很有必要。我国火电厂小中型机组一般采用中间储仓式制粉系统,该系统具有组成复杂,占地面积大,电耗高,钢耗多等缺点。直吹式制粉系统具有组成简单,占地面积小,电耗低,钢耗少等优点,在我国300MW及以上的机组普遍采用采用。直吹式制粉系统中的磨煤机出力即为锅炉的燃煤量,所配备的中速磨也是大惯性、高阶次、多输入多输出的耦合非线性系统。制粉系统以磨煤机为主要控制对象,它有三个输入,分别是热风量,给煤量和冷风量。3个输出为磨煤机出口温度,差压信号和一次风量。当我们以球磨机的前轴瓦垂直振动分量取代差压信号,可以巧妙的令风量对存煤量信号的影响减弱至可以忽略,同样,给煤量和温度信号对差压信号的扰动也可以省略。从而使磨煤机对象分解成一个耦合的双输入双输出对象和一个单输入、单输出对象。本文采用结合支持向量机和PID控制的最小二乘支持向量机PID控制算法,实现对直吹式制粉系统的仿真。分别用常规PID控制和最小二乘支持向量机PID控制对制粉系统的仿真,从仿真结果来对模型进行动态性能分析,鲁棒性分析和抗干扰性分析,主要从比较最大超调量,稳定时间和稳定误差来实现。仿真结果表明,最小二乘支持向量机PID控制对直吹式制粉系统控制效果优于常规PID控制。
【关键词】：直吹式制粉系统 支持向量机 最小二乘支持向量机 PID控制 多变量 优化控制
【学位授予单位】：长沙理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM621
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 绪论9-14
• 1.1 论文研究的背景及意义9-10
• 1.2 制粉系统优化控制的现状10-12
• 1.3 支持向量机的研究现状12-13
• 1.4 本文的研究内容和章节安排13-14
• 第二章 直吹式制粉系统的控制特性14-20
• 2.1 直吹式制粉系统工作原理及主要设备14-16
• 2.1.1 负压直吹式制粉系统14-15
• 2.1.2 正压直吹式制粉系统15-16
• 2.1.3 制粉系统主要设备16
• 2.2 直吹式制粉系统的动态特性16-17
• 2.2.1 给煤机工况运行时工况参数的动态特性16-17
• 2.2.2 磨煤机工况运行时的动态特性17
• 2.3 直吹式制粉系统的数学模型17-19
• 2.4 本章小结19-20
• 第三章 基于最小二乘支持向量机的PID控制算法20-32
• 3.1 统计学习理论20-21
• 3.1.1 VC维20
• 3.1.2 经验风险最小化原理20-21
• 3.2 支持向量机21-26
• 3.2.1 线性支持向量机21-24
• 3.2.2 非线性支持向量机24-26
• 3.3 PID控制原理26-27
• 3.4 最小二乘支持向量机27-28
• 3.5 基于最小二乘支持向量机的PID控制算法28-31
• 3.6 本章小结31-32
• 第四章 直吹式制粉系统的优化控制系统设计32-42
• 4.1 直吹式制粉系统优化控制总体设计方案32-33
• 4.2 Simulink中的S-函数33-36
• 4.3 控制系统参数整定36-41
• 4.3.1 参数整定方法与参数整定步骤36-38
• 4.3.2 磨煤机一次风量控制系统的参数整定38-39
• 4.3.3 磨煤机出口温度控制系统的参数整定39-40
• 4.3.4 磨煤机进出口差压控制系统的参数整定40-41
• 4.4 本章小结41-42
• 第五章 直吹式制粉系统优化控制特性的研究42-62
• 5.1 制粉系统常规PID控制系统运行特性研究42-51
• 5.1.1 动态性能分析44-46
• 5.1.2 鲁棒性分析46-48
• 5.1.3 抗干扰性分析48-50
• 5.1.4 直吹式制粉系统常规PID控制系统小结50-51
• 5.2 制粉系统基于最小二乘支持向量机控制系统运行特性研究51-60
• 5.2.1 动态性能分析53-55
• 5.2.2 鲁棒性分析55-58
• 5.2.3 抗干扰性分析58-60
• 5.2.4 直吹式制粉系统最小二乘支持向量机控制系统小结60
• 5.3 直吹式制粉系统两种控制系统仿真结果比较60-61
• 5.4 本章小结61-62
• 结论与展望62-64
• 参考文献64-67
• 致谢67-68
• 附录（攻读硕士学位期间发表论文）68

【相似文献】

中国期刊全文数据库 前10条

1 葛海峰;林继鹏;刘君华;丁晖;;基于支持向量机和小波分解的气体识别研究[J];仪器仪表学报;2006年06期

2 琚旭;王浩;姚宏亮;;支持向量机的一个边界样本修剪方法[J];合肥工业大学学报(自然科学版);2006年07期

3 张菁华;袁鑫;刘达;;基于支持向量机的电力工程最优投标报价决策研究[J];山东电力高等专科学校学报;2006年04期

4 张涛;段淑敏;;支持向量机在中医疾病症候诊断中的应用[J];华北水利水电学院学报;2007年03期

5 王晶;靳其兵;曹柳林;;面向多输入输出系统的支持向量机回归[J];清华大学学报(自然科学版);2007年S2期

6 陈丹;;多类支持向量机算法的研究[J];东莞理工学院学报;2007年05期

7 程丽丽;张健沛;马骏;;一种改进的加权边界调节支持向量机算法[J];哈尔滨工程大学学报;2007年10期

8 宋召青;崔和;胡云安;;支持向量机理论的研究与进展[J];海军航空工程学院学报;2008年02期

9 郭濵;孙晓梅;薛明;;基于壳向量的边界邻近支持向量机[J];黑龙江交通科技;2008年12期

10 许超;运士伟;舒云星;;基于支持向量机的混凝土测强换算模型[J];洛阳理工学院学报(自然科学版);2008年02期

中国重要会议论文全文数据库 前10条

1 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届（2011）中国管理学年会——商务智能分会场论文集[C];2011年

2 刘希玉;徐志敏;段会川;;基于支持向量机的创新分类器[A];山东省计算机学会2005年信息技术与信息化研讨会论文集（一）[C];2005年

3 史晓涛;刘建丽;骆玉荣;;一种抗噪音的支持向量机学习方法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（下册）[C];2008年

4 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年

5 刘骏;;基于支持向量机方法的衢州降雪模型[A];第五届长三角气象科技论坛论文集[C];2008年

6 王婷;胡秀珍;;基于组合向量的支持向量机方法预测膜蛋白类型[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年

7 赵晶;高隽;张旭东;谢昭;;支持向量机综述[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年

8 周星宇;王思元;;智能数学与支持向量机[A];2005年中国智能自动化会议论文集[C];2005年

9 颜根廷;马广富;朱良宽;宋斌;;一种鲁棒支持向量机算法[A];2006中国控制与决策学术年会论文集[C];2006年

10 侯澍e，

本文编号：864315