發(fā)布時(shí)間：2020-06-03 01:10

【摘要】：單元機(jī)組的熱工過程自動(dòng)控制是保證熱力設(shè)備安全和經(jīng)濟(jì)運(yùn)行的必要措施和手段,控制系統(tǒng)的控制性能直接影響到機(jī)組運(yùn)行的安全性和經(jīng)濟(jì)性�？刂葡到y(tǒng)設(shè)計(jì)涉及被控對(duì)象的建模和控制器的設(shè)計(jì)。由于基于現(xiàn)場(chǎng)動(dòng)態(tài)特性試驗(yàn)的模型辨識(shí)方法有諸多不足之處,基于現(xiàn)場(chǎng)數(shù)據(jù)和神經(jīng)網(wǎng)絡(luò)的模型辨識(shí)方法成為近年來的研究熱點(diǎn),但如何提高神經(jīng)網(wǎng)絡(luò)模型的性能尚需進(jìn)一步研究。目前火電機(jī)組負(fù)荷控制系統(tǒng)廣泛采用的是PID控制,對(duì)PID控制器參數(shù)進(jìn)行優(yōu)化是提高機(jī)組負(fù)荷控制性能的有效途徑之一;盡管有些文獻(xiàn)提出了機(jī)組負(fù)荷預(yù)測(cè)控制方法,但如何合理利用汽機(jī)與鍋爐之間的耦合特性,提高預(yù)測(cè)控制性能,是一個(gè)值得研究的問題。因此,論文研究熱工過程模型辨識(shí)問題,以及單元機(jī)組負(fù)荷PID控制和預(yù)測(cè)控制問題,選題具有重要的理論意義和應(yīng)用價(jià)值。論文主要研究?jī)?nèi)容及取得的研究成果如下:1.對(duì)過程神經(jīng)網(wǎng)絡(luò)模型辨識(shí)方法進(jìn)行了研究,針對(duì)傳統(tǒng)的基于誤差平方和性能指標(biāo)的模型辨識(shí)方法未考慮相鄰采樣數(shù)據(jù)之間相關(guān)性的問題,提出了一種新型神經(jīng)網(wǎng)絡(luò)辨識(shí)性能指標(biāo)及其相應(yīng)的學(xué)習(xí)算法。仿真研究表明,與傳統(tǒng)的基于誤差平方和性能指標(biāo)的BP神經(jīng)網(wǎng)絡(luò)辨識(shí)方法相比,在相同的辨識(shí)精度條件下,本文的方法可大大提高所建模型的數(shù)據(jù)擬合能力和泛化能力,有效提高模型的質(zhì)量。2.對(duì)過程階次辨識(shí)和神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)優(yōu)化進(jìn)行了研究,提出了一種改進(jìn)的神經(jīng)網(wǎng)絡(luò)剪枝策略。該策略對(duì)輸入節(jié)點(diǎn)和隱節(jié)點(diǎn)采用不同的方法分別進(jìn)行剪枝。對(duì)于輸入節(jié)點(diǎn)采用基于靈敏度的剪枝方法進(jìn)行剪枝,避免了因計(jì)算量大而需要采用工程近似導(dǎo)致誤刪節(jié)點(diǎn)的問題;對(duì)于隱節(jié)點(diǎn),采用基于相關(guān)度的剪枝方法進(jìn)行剪枝,克服了基于靈敏度的剪枝方法進(jìn)行跨層剪枝時(shí)誤刪節(jié)點(diǎn)的不足。仿真研究表明,改進(jìn)的剪枝策略可以達(dá)到確定階次、精簡(jiǎn)網(wǎng)絡(luò)結(jié)構(gòu)并增強(qiáng)網(wǎng)絡(luò)泛化能力的目的。3.研究了基于遺傳算法的機(jī)組負(fù)荷PID控制器參數(shù)優(yōu)化整定方法,提出了一種由偏差和偏差變化率構(gòu)成的改進(jìn)優(yōu)化性能指標(biāo),克服了傳統(tǒng)性能指標(biāo)調(diào)整優(yōu)化結(jié)果不夠靈活的不足;根據(jù)爐跟機(jī)機(jī)組負(fù)荷控制系統(tǒng)的特性,提出一種針對(duì)爐跟機(jī)控制系統(tǒng)的新型優(yōu)化性能指標(biāo),可使控制系統(tǒng)能充分利用鍋爐蓄熱,以較少的能量滿足機(jī)組對(duì)負(fù)荷的響應(yīng)。針對(duì)遺傳優(yōu)化算法,還提出一種確定遺傳算法優(yōu)化變量尋優(yōu)范圍的方法,有效節(jié)省了遺傳算法的尋優(yōu)時(shí)間,提高了參數(shù)的尋優(yōu)效率。通過仿真研究驗(yàn)證了上述方法的有效性。4.研究了單元機(jī)組負(fù)荷多變量預(yù)測(cè)控制方法,提出了一種新型預(yù)測(cè)控制性能指標(biāo)及其相應(yīng)的預(yù)測(cè)控制算法,同時(shí)提出了性能指標(biāo)中權(quán)系數(shù)的在線自適應(yīng)修正方法。仿真研究表明,所提出的新型預(yù)測(cè)控制算法的控制性能優(yōu)于常規(guī)預(yù)測(cè)控制算法,性能指標(biāo)中權(quán)系數(shù)的在線自適應(yīng)修正可有效利用鍋爐蓄熱,提高機(jī)組負(fù)荷的響應(yīng)速度。5.對(duì)單元機(jī)組負(fù)荷控制進(jìn)行了應(yīng)用研究,提出了根據(jù)現(xiàn)場(chǎng)數(shù)據(jù)建立被控對(duì)象神經(jīng)網(wǎng)絡(luò)模型,再從神經(jīng)網(wǎng)絡(luò)提取所需過程傳遞函數(shù)模型,進(jìn)而根據(jù)傳遞函數(shù)模型設(shè)計(jì)控制器的方法,并通過仿真驗(yàn)證了該方法的有效性。
【圖文】：

圖 2-1 神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)及各參數(shù)示意圖算可得隱層和輸出層的神經(jīng)元輸入為：( ) ( )1( ) ( )1' ' 'In nj ji i jiJn nm mj j mju w xu w o Equ第 n 組樣本下第 i 個(gè)輸入節(jié)點(diǎn)的輸入；( n)ju 和( n)jo 分別是和輸出；wji和 θj分別是第 i 個(gè)輸入節(jié)點(diǎn)和輸入層的偏置w'mj和 θ'm分別是第 j 個(gè)隱節(jié)點(diǎn)和隱層的偏置值節(jié)點(diǎn)到第 n 組樣本下第 m 個(gè)輸出節(jié)點(diǎn)的輸入。層的神經(jīng)元輸出為：( ) ( )( ) ( )( )'n nj jn nm mo f uy u 第 n 組樣本下第 m 個(gè)輸出節(jié)點(diǎn)的輸出，即網(wǎng)絡(luò)輸出；

圖 2-3 測(cè)試樣本下網(wǎng)絡(luò)輸出對(duì)比表 2-2 不同指標(biāo)下神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果對(duì)比訓(xùn)練指標(biāo) JA=JeJA=Je+λJrate差Je1 1Jrate1.1482 0.0304差Je0.3213 0.0467Jrate0.4072 0.0094 2-2 和圖 2-3 可以看出，無論在訓(xùn)練樣本還是測(cè)試樣本下，，傳統(tǒng)僅使用得到的神經(jīng)網(wǎng)絡(luò)雖然已經(jīng)達(dá)到精度要求，但曲線含有大量鋸齒，如果希，則需要進(jìn)一步訓(xùn)練。與之相比，使用指標(biāo) +A e rateJ J J，神經(jīng)網(wǎng)絡(luò)可練結(jié)果，輸出曲線變得平滑，在相同的訓(xùn)練精度下，其泛化能力有顯著了神經(jīng)網(wǎng)絡(luò)訓(xùn)練至較高精度可能出現(xiàn)的過擬合及所需訓(xùn)練時(shí)間過長(zhǎng)的問研究 2：基于改進(jìn)剪枝策略的神經(jīng)網(wǎng)絡(luò)辨識(shí)
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TM621

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙永輝;劉長(zhǎng)良;朱全聰;潘巾杰;;遞推最小二乘法在火電廠模型辨識(shí)中的應(yīng)用[J];機(jī)電信息;2012年33期

2 楊仲睿;;基于模糊理論的主蒸汽溫度PID控制系統(tǒng)的研究[J];科技信息;2012年24期

3 戴文戰(zhàn);田仕軍;楊愛萍;;基于單步預(yù)測(cè)輸出差值抑制超調(diào)的改進(jìn)預(yù)測(cè)控制算法[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年S1期

4 牛培峰;任娟;王帥;;PID型自適應(yīng)模糊控制在鍋爐主蒸汽溫度控制中的仿真研究[J];熱力發(fā)電;2008年06期

5 韓啟銀;楊錦;;自抗擾控制器在火電廠主蒸汽溫度控制中的仿真研究[J];廣東電力;2007年09期

6 王慶東,馮增健,孫優(yōu)賢;鍋爐熱工過程先進(jìn)控制策略研究綜述[J];電力系統(tǒng)及其自動(dòng)化學(xué)報(bào);2004年05期

7 欒秀春,李士勇;基于局部神經(jīng)網(wǎng)絡(luò)模型的過熱汽溫多模型預(yù)測(cè)控制的研究[J];中國(guó)電機(jī)工程學(xué)報(bào);2004年08期

8 孫建平,梅華,楊振勇;應(yīng)用模糊預(yù)測(cè)控制實(shí)現(xiàn)主汽溫控制[J];華北電力大學(xué)學(xué)報(bào);2003年02期

9 魏海坤,徐嗣鑫,宋文忠;神經(jīng)網(wǎng)絡(luò)的泛化理論和泛化方法[J];自動(dòng)化學(xué)報(bào);2001年06期

10 雎剛,陳紹炳,徐治皋;火電機(jī)組鍋爐過熱汽溫的約束模型預(yù)測(cè)控制研究[J];熱能動(dòng)力工程;2001年06期

相關(guān)博士學(xué)位論文 前1條

1 陳志旺;直接廣義預(yù)測(cè)控制算法研究[D];燕山大學(xué);2007年

相關(guān)碩士學(xué)位論文 前1條

1 李濤永;基于現(xiàn)場(chǎng)數(shù)據(jù)的熱工過程動(dòng)態(tài)模型研究[D];華北電力大學(xué)（河北）;2009年

本文編號(hào)：2694058