热工系统的非线性辨识算法研究

发布时间：2021-06-24 14:28

　　在火电厂热工系统预测、分析、控制过程中,往往需要首先辨识出系统的模型。精确的系统辨识,能够更加有效的对系统进行控制。然而由于热工系统非线性特性,通过精确地数学的模型描述系统的模型较为困难。随着智能算法和统计学习理论的发展,采用智能算法拟合系统模型逐渐成为系统辨识的一个主要手段。本文在利用系统工程6σ实施方法,分析对象动态特性模型的基础上,提出了基于神经网络和支持向量回归的非线性系统辨识的改进算法及仿真研究。针对热工过程中结构复杂,扰动大的特点,论文给出了基于神经网络的系统辨识算法辨识结构复杂的模型,并提出了基于烟花算法优化的神经网络解决扰动大的问题。在热工过程中的蒸汽压力和蒸汽温度控制模型上进行了仿真,与神经网络辨识结果比较,表明在有噪声的情况下烟花算法优化神经网络抗噪能力更强。针对热工过程中的上述问题,本文建立了支持向量回归的系统辨识算法辨识热工过程中结构复杂的模型,并提出了基于距离隶属度的模糊支持向量回归解决扰动大的问题,并进行了仿真。结果表明,相比支持向量回归算法,模糊支持向量回归可以更好地拟合系统,同时抗噪能力更强。本文开发了基于神经网络和支持向量回归的系统辨识软件,可以自行生... 

【文章来源】：华北电力大学河北省 211工程院校 教育部直属院校

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

锅炉蒸汽压力系统框图

入机组的能量大于机组输出电能，蒸汽管道内的能量不平衡会随着时间的推来越严重，所以聚积于蒸汽管道内的能量呈现出积分特性。从设备机理特性分析，以机组为亚临界发电机组，其锅炉设计为采用正压式制粉系统，6台CS2024HP电子称重给煤机布置在原煤仓下方17.5米运转根据锅炉负荷自动调节给煤量；6 台 MPS225 中速磨煤机布置在锅炉零米，磨设计出力 58T/H，每台磨煤机分离器出口有 4 只煤粉分配管，通往锅炉对的燃烧器，并以切圆形式布置。从给煤制粉流程看出，从机炉协调控制系统发出给煤量变化指令，不失一以增加一定的给煤量为例，所有运行并投自动的给煤机收到给煤机增量后，增量指令转换为给煤机转速增量，给煤机转速从当前值按一定的速率增加到值后，落入磨煤机入煤口。同时，磨煤机风量系统也以相似的方式增加磨煤次风通风量。磨煤机通风量增加后，磨煤机出口风粉混合物的速度也随之增后，风粉混合物再经过约 20~50 米的煤粉分配管，进入锅炉燃烧器，实现了炉内燃烧强度的增强，最后经过传热，才最终实现了锅炉内蒸汽流量的增此，从给煤量变化至主汽压力的过程，有一个明显的纯时延环节。

图 3-1. 单个神经元函数可以有以下几种形式：数(图 3-2(a))1, 0( )0, 0vf vv 性函数(图 3-2（b）)1, 1( ) , 1 11, 1vf v v vv d 函数（图 3-2（c））平滑和渐进性的函数，最常用的形式为：1( )1 exp( )f v v 控制了函数的斜率。是双曲正切函数：1 exp( )v v （（（

【参考文献】：
期刊论文
[1]基于神经网络与遗传算法的锅炉燃烧优化系统设计[J]. 曹庆才,高德欣,刘芳.  自动化技术与应用. 2016(06)
[2]RBF神经网络锅炉燃烧系统建模[J]. 宋清昆,李源松.  哈尔滨理工大学学报. 2016(01)
[3]基于PSO算法集成神经网络的多元有害气体检测系统[J]. 龚雪飞,刘萍,简家文.  传感技术学报. 2015(06)
[4]烟花算法研究进展[J]. 谭营,郑少秋.  智能系统学报. 2014(05)
[5]支持向量机在短期负荷预测中的应用概况[J]. 王奔,冷北雪,张喜海,单翀皞,从振.  电力系统及其自动化学报. 2011(04)
[6]采用微分进化算法和径向基函数神经网络的热工过程模型辨识[J]. 李岩,王东风,焦嵩鸣,韩璞.  中国电机工程学报. 2010(08)
[7]基于多目标遗传算法和多属性决策的主蒸汽温度PID参数优化[J]. 李学斌.  热力发电. 2009(09)
[8]基于PSO的RBF神经网络在热工系统辨识中的应用[J]. 王学厚,韩璞,李岩,贾增周.  华北电力大学学报(自然科学版). 2008(01)
[9]模糊支持向量机中隶属度的确定与分析[J]. 张翔,肖小玲,徐光祐.  中国图象图形学报. 2006(08)
[10]模糊系统结构辨识综述[J]. 肖建,白裔峰,于龙.  西南交通大学学报. 2006(02)



本文编号：3247270