智能预测控制研究及其在CFBB燃烧控制中的仿真应用

发布时间：2017-10-30 03:40

  本文关键词：智能预测控制研究及其在CFBB燃烧控制中的仿真应用

  更多相关文章： 预测控制 混沌涡流优化算法 反向涡流优化算法 快速学习网 主蒸汽压力控制 床温控制

【摘要】：预测控制是一种能够适应工业生产控制要求的控制策略。预测控制通过预测模型来准确描述系统的输入输出关系,将预测模型输出与参考轨迹进行比较并在滚动优化环节求取最优控制量。本文在改进涡流搜索优化算法的基础上提出一种基于优化型快速学习网的预测控制方法,并分别应用于循环流化床锅炉主蒸汽压力和床温控制。结果表明这种预测控制方法能够达到预期的控制效果。本文具体工作如下:介绍并改进了一种优化算法——涡流搜索优化算法(VS)。对VS优化算法的原理和缺点进行了分析并针对其缺点做出了改进,提出了基于混沌理论的涡流搜索优化算法(CVS)和基于反向理论的涡流搜索优化算法(OVS)。CVS优化算法将混沌理论应用于备选解的生成提升了算法的寻优精度和收敛速度;OVS优化算法将反向理论应用于备选解的生成,在兼顾算法运行速度的同时提升了算法迭代后期的寻优性能。针对快速学习网进行训练时输入权值和隐藏层节点阈值的随机设定问题,提出了一种基于CVS算法的优化型快速学习网建模方法。该方法将输入权值和隐藏层节点阈值的取值范围与个数转化为CVS优化算法寻优空间的范围与维数,以快速学习网的输出与训练数据中输出的均方根误差作为适应度值进行寻优,以此确定能够使快速学习网训练结果达到最优的输入权值和隐藏层节点阈值。通过与普通快速学习网和极端学习机的对比,验证了CVS算法优化后的快速学习网在建模问题上具有更好的精度与稳定性。结合OVS优化算法提出基于OVS的优化型快速学习网预测控制,通过使用CVS算法优化快速学习网来确定预测模型并在滚动优化环节使用OVS优化算法计算最优控制量使得这种预测控制方法具有较好的控制品质。将基于OVS的优化型快速学习网预测控制分别应用于循环流化床锅炉主蒸汽压力和床温的控制当中,并与普通PID控制和单神经元PID控制方法进行多情况下对比仿真实验。实验结果表明基于OVS的优化型快速学习网预测控制具有良好的响应速度、抗噪性能和抗扰动性能,在主蒸汽压力与床温被控对象模型变化的情况下也能够使系统输出较快恢复到设定值。
【关键词】：预测控制 混沌涡流优化算法 反向涡流优化算法 快速学习网 主蒸汽压力控制 床温控制
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TK229.66
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 绪论9-17
• 1.1 课题的研究背景与意义9
• 1.2 预测控制的原理与研究现状9-13
• 1.2.1 预测控制的原理9-12
• 1.2.2 预测控制的研究现状12-13
• 1.3 智能优化算法的研究现状13-14
• 1.4 循环流化床锅炉燃烧过程控制的研究现状14-15
• 1.5 本文的主要内容15-17
• 第2章 循环流化床锅炉的原理及燃烧过程模型17-24
• 2.1 循环流化床锅炉工作原理与工艺特点17-21
• 2.1.1 循环流化床锅炉的结构17-19
• 2.1.2 循环流化床锅炉的工艺流程19
• 2.1.3 循环流化床锅炉的特点19-21
• 2.2 循环流化床锅炉主蒸汽压力与床温的数学模型21-22
• 2.2.1 循环流化床锅炉主蒸汽压力的数学模型21
• 2.2.2 循环流化床锅炉床温的数学模型21-22
• 2.3 循环流化床锅炉主蒸汽压力与床温的控制分析22-23
• 2.3.1 循环流化床锅炉主蒸汽压力控制分析22
• 2.3.2 循环流化床锅炉床温控制分析22-23
• 2.4 本章小结23-24
• 第3章 涡流搜索优化算法基本原理及其改进24-41
• 3.1 涡流搜索优化算法简介24-30
• 3.1.1 涡流搜索优化算法基本原理24-27
• 3.1.2 涡流搜索优化算法分析27-30
• 3.2 基于混沌理论的涡流搜索优化算法——CVS30-32
• 3.3 基于反向理论的涡流搜索优化算法——OVS32-33
• 3.4 仿真实验及结果分析33-40
• 3.5 本章小结40-41
• 第4章 基于快速学习网的预测控制41-55
• 4.1 快速学习网41-44
• 4.1.1 快速学习网的原理41-44
• 4.1.2 快速学习网的性能分析44
• 4.2 基于CVS的优化型快速学习网44-50
• 4.2.1 优化型快速学习网44-45
• 4.2.2 仿真验证45-50
• 4.3 基于优化型快速学习网的预测控制50-54
• 4.3.1 预测模型的建立50-51
• 4.3.2 基于OVS的优化型快速学习网预测控制51-52
• 4.3.3 仿真验证52-54
• 4.4 本章小结54-55
• 第5章 基于快速学习网预测控制的应用55-64
• 5.1 在主蒸汽压力控制中的应用55-58
• 5.2 在床温控制中的应用58-63
• 5.3 本章小结63-64
• 结论64-66
• 参考文献66-72
• 攻读硕士学位期间承担的科研任务与主要成果72-73
• 致谢73

【相似文献】

中国期刊全文数据库 前10条

1 苏宏业,李林欢,褚健;预测控制的新进展[J];机电工程;2001年05期

2 胡国龙,孙优贤;预测控制进展及其应用研究[J];电力系统及其自动化学报;2003年01期

3 袁天保,刘新建,秦子增;混合加权连续预测控制研究[J];电机与控制学报;2005年06期

4 蒋念平，，朱家组;一种实用的预测控制实现技术[J];上海机械学院学报;1994年04期

5 黄涵洲,陈伙平,韩光胜;预测控制的研究现状[J];北京工业大学学报;1997年02期

6 杨马英,王树青,王骥程;有约束过程的预测控制[J];浙江大学学报(工学版);1999年06期

7 褚健,潘红华,苏宏业;预测控制技术的现状和展望[J];机电工程;1999年05期

8 杜晓宁,席裕庚,李少远;约束预测控制的一种快速算法[J];上海交通大学学报;2001年11期

9 张丽香;;预测控制的新进展及其在火电生产中的应用前景[J];电力学报;2005年04期

10 陈文菊;杜德生;;基于预测控制的倒立摆设计与仿真[J];中国水运(学术版);2007年11期

中国重要会议论文全文数据库 前10条

1 张峻;席裕庚;;输入受限时预测控制的一种简易算法[A];1996中国控制与决策学术年会论文集[C];1996年

2 魏善碧;柴毅;丁宝苍;;独立动态系统分布式预测控制研究[A];第二十七届中国控制会议论文集[C];2008年

3 任作新;;一种预测控制新算法[A];1995中国控制与决策学术年会论文集[C];1995年

4 陈虹;;预测控制鲁棒性研究的若干问题[A];第二十二届中国控制会议论文集（下）[C];2003年

5 刘兵;徐立鸿;冯纯伯;;连续系统预测控制[A];1994中国控制与决策学术年会论文集[C];1994年

6 崔小第;卢准炜;徐荣良;;一类非线性模型的预测控制[A];1994年中国控制会议论文集[C];1994年

7 刘兵;徐立鸿;冯纯伯;施建华;;具有饱和输入的预测控制[A];1995年中国控制会议论文集（上）[C];1995年

8 罗国娟;吴刚;;预测控制中柔化因子与控制增量权重的关系[A];第二十四届中国控制会议论文集（上册）[C];2005年

9 刘燕卿;刘飞;;约束预测控制软件实现及仿真研究[A];2007中国控制与决策学术年会论文集[C];2007年

10 柴毅;魏善碧;郭茂耘;凌睿;;带通信完全失效的多飞行器编队分布式预测控制研究[A];2009中国控制与决策会议论文集（3）[C];2009年

中国重要报纸全文数据库 前1条

1 陈倩;南屯矿运搬工区巧打安全“预防针”[N];经理日报;2008年

中国博士学位论文全文数据库 前10条

1 张隆阁;基于多胞的鲁棒预测控制研究[D];华北电力大学;2015年

2 罗奇;自适应光学优化控制技术研究[D];中国科学院研究生院(光电技术研究所);2016年

3 王龙生;基于多质点模型的高速列车自动驾驶预测控制[D];北京交通大学;2016年

4 李德伟;预测控制在线优化策略的研究[D];上海交通大学;2009年

5 林永君;基于复杂机理模型的过程预测控制研究[D];华北电力大学;2002年

6 徐湘元;预测控制的线性方法、非线性方法和神经网络方法[D];华南理工大学;2000年

7 盛云龙;离散时间约束不确定线性系统的鲁棒预测控制[D];浙江大学;2003年

8 徐祖华;模型预测控制理论及应用研究[D];浙江大学;2004年

9 安爱民;基于预测控制的先进过程控制技术研究[D];兰州理工大学;2010年

10 陈进东;基于模糊在线支持向量回归的建模与预测控制研究[D];江南大学;2013年

中国硕士学位论文全文数据库 前10条

1 岳海东;基于BLS-SVM的海洋生物酶发酵过程软测量与预测控制[D];江苏大学;2016年

2 林厚健;永磁同步电机伺服系统电流预测控制的研究[D];广东工业大学;2016年

3 刘魏岩;智能预测控制研究及其在CFBB燃烧控制中的仿真应用[D];燕山大学;2016年

4 陈琛;改进型预测控制及预测控制优化的PID控制研究[D];南京信息工程大学;2016年

5 杜宇;监督预测控制的研究与应用[D];华北电力大学（北京）;2010年

6 邹洁;结构振动的预测控制研究[D];武汉理工大学;2006年

7 牛立尚;预测控制理论若干问题的研究[D];吉林大学;2007年

8 王亮;针对模型失配的多目标预测控制研究[D];东北大学;2009年

9 王景润;约束滚动时域预测控制鲁棒问题研究[D];哈尔滨理工大学;2004年

10 赵长祥;预测控制在电厂中的应用研究[D];东南大学;2004年

本文编号：1115976