【摘要】：協(xié)調(diào)控制系統(tǒng)是火電單元機(jī)組自動(dòng)化系統(tǒng)中一個(gè)重要的機(jī)組級(jí)控制系統(tǒng)。協(xié)調(diào)控制系統(tǒng)的控制品質(zhì)好壞,直接影響到機(jī)組的安全、經(jīng)濟(jì)運(yùn)行。隨著計(jì)算機(jī)技術(shù)、人工智能等技術(shù)的飛速發(fā)展,將智能尋優(yōu)算法應(yīng)用于工業(yè)控制系統(tǒng)優(yōu)化成為一個(gè)重要的研究方向,也代表了單元機(jī)組自動(dòng)化的一個(gè)重要發(fā)展趨勢(shì)。由于協(xié)調(diào)控制系統(tǒng)被控對(duì)象存在強(qiáng)非線性、機(jī)爐之間耦合嚴(yán)重,及爐側(cè)大慣性大遲延等原因,使得機(jī)、爐控制器參數(shù)整定變得較為困難。因此,智能尋優(yōu)算法在單元機(jī)組協(xié)調(diào)控制系統(tǒng)參數(shù)優(yōu)化中具有一定的工程應(yīng)用研究?jī)r(jià)值。本文首先對(duì)單元機(jī)組協(xié)調(diào)控制系統(tǒng)對(duì)象模型進(jìn)行研究。根據(jù)文獻(xiàn)資料,將660MW單元機(jī)組協(xié)調(diào)控制系統(tǒng)合理簡(jiǎn)化成一個(gè)雙入雙出的模型,并對(duì)模型動(dòng)態(tài)特性進(jìn)行分析。其次,對(duì)標(biāo)準(zhǔn)粒子群和多目標(biāo)粒子群優(yōu)化算法進(jìn)行理論研究。對(duì)單目標(biāo)粒子群算法,采用了線性遞減的方式設(shè)計(jì)慣性權(quán)重。對(duì)于多目標(biāo)粒子群算法中的外部非劣檔案集的粒子,分析了算法中的自適應(yīng)網(wǎng)格、變異、輪盤(pán)賭算子選擇的進(jìn)化策略,以此來(lái)保持解的多樣性和收斂性,減少算法陷入局部最優(yōu)的概率,增強(qiáng)算法優(yōu)化聚合到實(shí)際Pareto前沿的能力,并用MATLAB編程實(shí)現(xiàn)。用多目標(biāo)測(cè)試集函數(shù)仿真驗(yàn)證了算法的有效性。最后,對(duì)協(xié)調(diào)控制系統(tǒng)解耦方法進(jìn)行研究,并給出了協(xié)調(diào)控制系統(tǒng)機(jī)、爐PID控制器參數(shù)優(yōu)化策略。在串聯(lián)后補(bǔ)償解耦方案上,針對(duì)實(shí)際機(jī)組特點(diǎn),合理簡(jiǎn)化成一種單向解耦網(wǎng)絡(luò)的協(xié)調(diào)控制方案。在汽機(jī)側(cè),采用ITAE誤差矩的積分作為目標(biāo)函數(shù),用單目標(biāo)粒子群對(duì)汽機(jī)側(cè)PID控制器尋優(yōu);在鍋爐側(cè),采用多目標(biāo)粒子群算法尋優(yōu),根據(jù)“穩(wěn)、準(zhǔn)、快”的要求建立了鍋爐側(cè)的多目標(biāo)優(yōu)化適應(yīng)度函數(shù),目的在于重點(diǎn)解決鍋爐側(cè)反應(yīng)慢、超調(diào)嚴(yán)重的問(wèn)題。結(jié)合改進(jìn)的多目標(biāo)粒子群優(yōu)化算法,利用MATLAB編程和Simulink仿真,得到了鍋爐側(cè)PID控制器的非劣解集,再?gòu)姆橇咏饧袃?yōu)選出一個(gè)解作為控制器最優(yōu)參數(shù)。經(jīng)仿真驗(yàn)證表明:采用優(yōu)化算法整定協(xié)調(diào)控制系統(tǒng)的PID參數(shù),取得了良好的控制效果。
【圖文】：

c) ZDT3 的 Pareto 前沿面 d) ZDT6 的 Pareto 前沿面圖 3-3 測(cè)試函數(shù) ZDT 的 Pareto 前沿面從圖 3-3 中可以看出，算法得到的 ZDT 系列測(cè)試函數(shù)的 Pareto 前沿是均滑的。此外，，算法計(jì)算的解的分布接近真實(shí)的帕累托前沿。獲得的非劣解具好的分布。這表明多目標(biāo)粒子群優(yōu)化算法是效果良好的，可以進(jìn)行下文的應(yīng)用

機(jī)側(cè)功率給定值+10MW階躍擾動(dòng)，功率響應(yīng)曲線
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP18;TM621

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 甄文冬;陳進(jìn);張莉莉;;基于改進(jìn)粒子群優(yōu)化-反向傳播神經(jīng)網(wǎng)絡(luò)的制造業(yè)產(chǎn)能預(yù)測(cè)[J];機(jī)械制造;2019年03期

2 喬楠楠;尤佳莉;;一種面向網(wǎng)絡(luò)邊緣任務(wù)調(diào)度問(wèn)題的多方向粒子群優(yōu)化算法[J];計(jì)算機(jī)應(yīng)用與軟件;2017年04期

3 郭衛(wèi)東;孫延坤;張海斌;;基于粒子群優(yōu)化的組播路由算法研究[J];信息與電腦(理論版);2017年10期

4 張俊溪;張嘉桐;張玉梅;;一種改進(jìn)的粒子群優(yōu)化算法[J];陜西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年02期

5 高葦;平環(huán);張成剛;姜靜清;;改進(jìn)慣性權(quán)重的簡(jiǎn)化粒子群優(yōu)化算法[J];湖北民族學(xué)院學(xué)報(bào)(自然科學(xué)版);2016年01期

6 梁望;高媛;劉小利;;粒子群優(yōu)化算法基本研究[J];科技經(jīng)濟(jì)導(dǎo)刊;2016年21期

7 馬曉峰;;基于粒子群優(yōu)化算法的器件模型表面勢(shì)求解[J];計(jì)算機(jī)時(shí)代;2015年03期

8 呂莉;趙嘉;孫輝;;具有反向?qū)W習(xí)和自適應(yīng)逃逸功能的粒子群優(yōu)化算法[J];計(jì)算機(jī)應(yīng)用;2015年05期

9 趙嘉;付平;李崇俠;呂莉;;基于不同學(xué)習(xí)模型的精英反向粒子群優(yōu)化算法[J];小型微型計(jì)算機(jī)系統(tǒng);2015年06期

10 豆增發(fā);;一種基于翻轉(zhuǎn)角度的二進(jìn)制粒子群優(yōu)化算法[J];科技視界;2014年06期

相關(guān)會(huì)議論文 前10條

1 沈希;黃振迪;黃躍進(jìn);;基于遺傳策略的粒子群優(yōu)化算法[A];2009中國(guó)儀器儀表與測(cè)控技術(shù)大會(huì)論文集[C];2009年

2 孫向軍;趙斯強(qiáng);嚴(yán)宗睿;;基于粒子群優(yōu)化的反潛搜索研究[A];2008年全國(guó)開(kāi)放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集(下冊(cè))[C];2008年

3 徐東;李曄;唐旭東;龐永杰;廖煜雷;;基于變異行為的自適應(yīng)粒子群優(yōu)化算法[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)A卷[C];2011年

4 侯志榮;呂振肅;;基于退火策略的粒子群優(yōu)化算法[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2003年

5 孫紅光;潘毓學(xué);;基于運(yùn)動(dòng)目標(biāo)路徑的粒子群優(yōu)化算法研究[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

6 劉釗;;基于粒子群優(yōu)化算法的足球機(jī)器人動(dòng)作選擇研究[A];2004中國(guó)機(jī)器人足球比賽暨學(xué)術(shù)研討會(huì)論文集[C];2004年

7 韓毅;唐加福;郭偉宏;劉陽(yáng);;混合粒子群優(yōu)化算法求解多層批量問(wèn)題(英文)[A];中國(guó)運(yùn)籌學(xué)會(huì)第八屆學(xué)術(shù)交流會(huì)論文集[C];2006年

8 張妍;張曉光;王永鋼;;幾種改進(jìn)型的粒子群優(yōu)化算法[A];第一屆中國(guó)高校通信類院系學(xué)術(shù)研討會(huì)論文集[C];2007年

9 金一粟;梁逸曾;;空間自適應(yīng)粒子群優(yōu)化算法的應(yīng)用研究[A];第九屆全國(guó)計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

10 司維超;韓維;史瑋韋;顏剛;;一種基于蜜蜂多群體覓食的粒子群優(yōu)化算法[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)B卷[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 張凱;粒子群優(yōu)化算法研究及其在液壓控制系統(tǒng)中的應(yīng)用[D];東北大學(xué);2017年

2 李浩君;基于粒子群優(yōu)化算法的在線學(xué)習(xí)資源序列化服務(wù)研究[D];浙江工業(yè)大學(xué);2018年

3 易云飛;基于伊藤隨機(jī)過(guò)程的粒子群優(yōu)化算法及其應(yīng)用研究[D];武漢大學(xué);2015年

4 鄭波;基于粒子群優(yōu)化算法的航空發(fā)動(dòng)機(jī)故障診斷與性能參數(shù)預(yù)測(cè)研究[D];電子科技大學(xué);2018年

5 余炳輝;粒子群優(yōu)化算法試驗(yàn)研究及擴(kuò)展[D];華中科技大學(xué);2007年

6 張麗平;粒子群優(yōu)化算法的理論及實(shí)踐[D];浙江大學(xué);2005年

7 竇全勝;求解優(yōu)化問(wèn)題的演化計(jì)算方法研究[D];吉林大學(xué);2005年

8 熊勇;粒子群優(yōu)化算法的行為分析與應(yīng)用實(shí)例[D];浙江大學(xué);2005年

9 王俊偉;粒子群優(yōu)化算法的改進(jìn)及應(yīng)用[D];東北大學(xué);2006年

10 莫愿斌;粒子群優(yōu)化算法的擴(kuò)展與應(yīng)用[D];浙江大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 孫到位;單元機(jī)組協(xié)調(diào)控制系統(tǒng)多目標(biāo)粒子群優(yōu)化研究[D];華北電力大學(xué);2019年

2 李佳玲;基于混沌優(yōu)化的多種群粒子群優(yōu)化算法的研究及其應(yīng)用[D];江蘇大學(xué);2019年

3 孫郁聞天;基于量子行為的多目標(biāo)粒子群優(yōu)化算法的研究及其應(yīng)用[D];江蘇大學(xué);2019年

4 趙秋月;基于認(rèn)知種群的混合粒子群優(yōu)化算法研究[D];廣州大學(xué);2019年

5 吉閆軍;基于外部種群自適應(yīng)的多目標(biāo)粒子群優(yōu)化算法及其應(yīng)用[D];陜西師范大學(xué);2019年

6 張宇昊;基于多種群的粒子群優(yōu)化算法的研究[D];云南大學(xué);2018年

7 吳柏林;多目標(biāo)粒子群優(yōu)化算法及其應(yīng)用研究[D];電子科技大學(xué);2019年

8 汪博文;自適應(yīng)正態(tài)擾動(dòng)的精英粒子群優(yōu)化算法研究[D];華中師范大學(xué);2017年

9 巢秀琴;改進(jìn)的粒子群優(yōu)化算法在特征選擇中的應(yīng)用研究[D];安徽大學(xué);2019年

10 張永哲;多目標(biāo)粒子群優(yōu)化算法的改進(jìn)策略研究[D];中國(guó)石油大學(xué)(華東);2017年

本文編號(hào)：2675994