论文部分内容阅读
热工过程智能化自动控制系统的建立和优化、新的建模方法和监测技术的研究与应用,是热工过程测控领域中的前沿课题。
20世纪90年代初提出的软计算方法体系,已成为一个逐渐扩展的方法学联合体,其核心原则是:充分利用软计算对于不精确、不确定或者不准确的信息的容错能力,来获得易操作性、鲁棒性和低代价性。软计算正在引起工程和科学领域的一个新突破。
再热蒸汽温度控制和球磨机制粉系统是火电厂中典型的热工对象,也是影响电厂经济性、安全性的关键系统。本文基于神经网络、遗传算法、混沌理论等软计算方法,针对再热汽温系统的建模、控制,以及球磨机制粉系统的出力软测量模型进行了研究。
论文的主要内容及创新点如下:
1.首次将混沌时间序列的知识引入到再热汽温预测研究:从非线性动力学观点出发,利用混沌理论对再热汽温时间序列进行相空间重构,分析其时序关联维与嵌入相空间轨道的变化规律,揭示再热汽温的混沌动力学特性,为建立再热汽温模型和精确预测提供新的思路:
2.提出了一种改进型遗传算法(MGA),改善了传统遗传算法早熟收敛现象:采用Disruptive选择策略,增加种群迭代的多样性;通过自适应变异算子,增强算法的局部收敛性;引入自适应交叉和变异概率,提高种群迭代的多样性。
3.实现基于软计算方法的再热汽温预测模型的构建:
(1)提出用神经网络来映射混沌相空间相点演化的非线性关系,建立再热汽温BP神经网络预测模型,并依据混沌特性处理样本和确定神经网络输入节点;
(2)提出采用MGA和均匀设计相结合的混合构造法对BP神经网络进行权值训练,以及对神经网络隐含层节点数、MGA控制参数等进行优化配置;
样本训练和实际预测结果表明,该预测模型精度高、收敛速度快,为预测机组再热汽温提供了一种新的思路和方法。
4.构建一种新的非线性系统预测PID控制算法:
(1)提出基于并行计算的混沌优化新方法,较传统优化算法可有效提高搜索效率;
(2)将预测控制与PID控制相结合,采用基于混沌特性分析的神经网络预测模型,其反馈校正由改进型遗传算法实现,通过并行混沌算法对控制器参数Kp,KI,KD进行在线调整,使之自动适应对象的变化,达到最优控制的目的:
再热汽温控制系统的仿真研究表明,基于并行混沌优化的预测PID控制具有优良的动态和静态特性。
5.建立了基于改进型Elman神经网络的球磨机出力软测量模型:
(1)基于球磨机工作特性和机理模型分析,对软测量模型辅助变量进行预选择;
(2)首次利用易测的差压信号,通过混沌信息处理技术分析系统非线性机制,为软测量模型辅助变量个数的确定提供理论基础;
(3)通过中间储仓式球磨机制粉系统试验研究,建立了基于改进型Elman神经网络的球磨机出力软测量模型;
采集现场运行数据实现建模和预测表明,所建软测量模型不仅能预估稳态下球磨机出力,且对动态过程中球磨机出力的在线估计也切实有效。
论文研究工作表明,软计算方法为解决热工过程中众多的复杂建模与控制、优化问题提供了新的途径。