火电厂热工过程系统辨识方法的研究
发布时间：2022-01-03 03:05
系统辨识是现代控制理论中的一个重要分支,其方法主要分为以最小二乘法为代表的经典算法和以智能控制为代表的现代算法。前者误差的平方和最小,具有良好的静态与动态性能,后者对于大迟延、非线性、扰动频繁的对象有明显的优势,是热工过程控制领域研究热点。在对热工对象进行机理分析的基础上,以火电厂典型热工过程为实际研究对象,从理论的角度研究了如何建立火电厂热力系统的数学模型,基于某发电厂现场实时运行数据,分别采用最小二乘类算法和智能优化相关算法对其参数进行辨识,并且比较、分析了各辨识方法的优缺点,以达到良好的辨识效果。
【文章来源】：计算机仿真. 2016,33(04)北大核心CSCD
【文章页数】：4 页
【部分图文】：
图１扰动下的被控对象响应（加粗大值）
外，数据中的高频成分对?１?°、?＼?，４—实际麵输出丨．??辨识也是不利的。因此，对采集来的数据一般都要进行数据?ｍ?ｙ?丨计；的输出」－??＿〇?４Ｉ?Ｉ?Ｉ?１?１?１?１?１???滤波、零初始值和剔除粗大值（低频成分）等预处理。?°?１００?２００?３００?Ｗ，?５００?６００?７００?８００??５．２理论数据下的最小二乘类辨识?图２辨丨只结果??由于没有现场采集数据，所以本次仿真用已知的对象加??人伪随机扰动信号的方法来模拟得到现场数据。假设对象?如图３所示。??的传递函数为ＴＴ＾ＴＴ，模拟被控对象在扰动下的原始数??（１?＋４０ｓ）?ｎ??，?，?，?，???据的响应图像如图１所示。?《ｉ。．?■??％?＼??，，，＾＾，?，?，?，?＾?１?■???没有加人扰动的输出?Ｈ?８＇?１??１－５?－?—加人扰动的输出?＾?７?，?，?，?ｙ???０?１００?２００?３００?４００?５００?６００??１?＇４?Ｔｌｍｅｉ／ｓ??人?ｊ／Ｖ；?ｉ：Ｋ＂￣、??０．８?■?＼?／?￡?Ｔｉｍｅａ／ｓ??０＇７?．?＼＾Ｊ／Ｉ?Ｖ?图３原始数据??０?１００?２００?３００?４０）?５００?６００?７００?８００??由于负荷的变动，在控制器调节下，被控对象的输人（风??图１扰动下的被控对象响应（加粗大值）?煤比）发生明显变化。对应到输出的相应位置，被控对象的??输出（空气预热器进口氧量）随输入变化而变化；而且，被控??从图ｉ中可以看出，出现了粗大值。鋪对辨识结果可縣的响应明显有延迟的存在。??能会造成相当大＿＿
ｉ，?，?，?，???ｎ?６?总结???现场实际输出??Ｓ?０．５－?卜智能辨识翻檐出?本文以参数辨识为背景，基于最小二乘辨识方法和智能??Ｉ?＾控制Ｍ原胃，详ＳＢ分析７Ｓｃｉ２；ｇ？）名乘??Ｖ?辨识、递推最小二乘参数辨识以及智能控制辨识方法的原??＾＇５＂?＇？?２＜？?，ｎ?＾；?？＞＊０？？?理、模型参数求取及相关的分析设计。并对各种方法进行了??一?，?．?比较，得到不同方法的优劣。应用最小二乘算法在Ｍａｔｌａｂ软??５?；?＾?［—＊＝＝：龍ｎ?件环境下对模拟数据进行仿真，得到了良好的应用效果。此??／?＇＇＇＇＾－―一、??外，分别应用最小二乘算法和智能控制在同样环境下对现场??Ｉ?数据进行仿真，并对其结果进行比较，发现智能控制更适用??＾??，?，?，?．?．＿＾于现场系统辨识，而最小二乘算法则主要适用于理论研究。??０?１００?２００?３００?４００?５００?６００??Ｈｍｅｓ／ｓ??图４辨识对比结果?参考文献：??［１］刘瑞叶，任洪林，李志民．计算机仿真技术基础［Ｍ］．北京：电??实的模型下的响应曲线很接近，所以最小二乘方法在理论数?子工业出版社，２００４：６－７．??据研究方面有广泛的前景。但是，最小二乘法辨识应用于实?［２］韩壤，等．智能控制理论及应用［Ｍ］．北京：中国电力出版社，??际模型时是有缺陷的，原因如下：?２〇１２＿１１??１）
【参考文献】：
期刊论文
[1]递推最小二乘法在火电厂模型辨识中的应用[J]. 赵永辉,刘长良,朱全聪,潘巾杰. 机电信息. 2012(33)
本文编号：3565435
【文章来源】：计算机仿真. 2016,33(04)北大核心CSCD
【文章页数】：4 页
【部分图文】：
图１扰动下的被控对象响应（加粗大值）
外，数据中的高频成分对?１?°、?＼?，４—实际麵输出丨．??辨识也是不利的。因此，对采集来的数据一般都要进行数据?ｍ?ｙ?丨计；的输出」－??＿〇?４Ｉ?Ｉ?Ｉ?１?１?１?１?１???滤波、零初始值和剔除粗大值（低频成分）等预处理。?°?１００?２００?３００?Ｗ，?５００?６００?７００?８００??５．２理论数据下的最小二乘类辨识?图２辨丨只结果??由于没有现场采集数据，所以本次仿真用已知的对象加??人伪随机扰动信号的方法来模拟得到现场数据。假设对象?如图３所示。??的传递函数为ＴＴ＾ＴＴ，模拟被控对象在扰动下的原始数??（１?＋４０ｓ）?ｎ??，?，?，?，???据的响应图像如图１所示。?《ｉ。．?■??％?＼??，，，＾＾，?，?，?，?＾?１?■???没有加人扰动的输出?Ｈ?８＇?１??１－５?－?—加人扰动的输出?＾?７?，?，?，?ｙ???０?１００?２００?３００?４００?５００?６００??１?＇４?Ｔｌｍｅｉ／ｓ??人?ｊ／Ｖ；?ｉ：Ｋ＂￣、??０．８?■?＼?／?￡?Ｔｉｍｅａ／ｓ??０＇７?．?＼＾Ｊ／Ｉ?Ｖ?图３原始数据??０?１００?２００?３００?４０）?５００?６００?７００?８００??由于负荷的变动，在控制器调节下，被控对象的输人（风??图１扰动下的被控对象响应（加粗大值）?煤比）发生明显变化。对应到输出的相应位置，被控对象的??输出（空气预热器进口氧量）随输入变化而变化；而且，被控??从图ｉ中可以看出，出现了粗大值。鋪对辨识结果可縣的响应明显有延迟的存在。??能会造成相当大＿＿
ｉ，?，?，?，???ｎ?６?总结???现场实际输出??Ｓ?０．５－?卜智能辨识翻檐出?本文以参数辨识为背景，基于最小二乘辨识方法和智能??Ｉ?＾控制Ｍ原胃，详ＳＢ分析７Ｓｃｉ２；ｇ？）名乘??Ｖ?辨识、递推最小二乘参数辨识以及智能控制辨识方法的原??＾＇５＂?＇？?２＜？?，ｎ?＾；?？＞＊０？？?理、模型参数求取及相关的分析设计。并对各种方法进行了??一?，?．?比较，得到不同方法的优劣。应用最小二乘算法在Ｍａｔｌａｂ软??５?；?＾?［—＊＝＝：龍ｎ?件环境下对模拟数据进行仿真，得到了良好的应用效果。此??／?＇＇＇＇＾－―一、??外，分别应用最小二乘算法和智能控制在同样环境下对现场??Ｉ?数据进行仿真，并对其结果进行比较，发现智能控制更适用??＾??，?，?，?．?．＿＾于现场系统辨识，而最小二乘算法则主要适用于理论研究。??０?１００?２００?３００?４００?５００?６００??Ｈｍｅｓ／ｓ??图４辨识对比结果?参考文献：??［１］刘瑞叶，任洪林，李志民．计算机仿真技术基础［Ｍ］．北京：电??实的模型下的响应曲线很接近，所以最小二乘方法在理论数?子工业出版社，２００４：６－７．??据研究方面有广泛的前景。但是，最小二乘法辨识应用于实?［２］韩壤，等．智能控制理论及应用［Ｍ］．北京：中国电力出版社，??际模型时是有缺陷的，原因如下：?２〇１２＿１１??１）
【参考文献】：
期刊论文
[1]递推最小二乘法在火电厂模型辨识中的应用[J]. 赵永辉,刘长良,朱全聪,潘巾杰. 机电信息. 2012(33)
本文编号：3565435
本文链接：https://www.wllwen.com/projectlw/xtxlw/3565435.html
