機爐協(xié)調(diào)控制系統(tǒng)是火電廠自動化控制系統(tǒng)中的核心單元,其控制性能的好壞將會直接影響到單元機組的長期安全穩(wěn)定經(jīng)濟運行,而且得到協(xié)調(diào)系統(tǒng)精確的模型是控制系統(tǒng)算法設(shè)計和性能研究的前提條件。因此,建立準確的機爐協(xié)調(diào)系統(tǒng)的模型是十分有必要的。隨著容量更大、參數(shù)更高的火電機組的相繼投產(chǎn),使得機爐協(xié)調(diào)系統(tǒng)內(nèi)部各部分的耦合和非線性特性更強,利用傳統(tǒng)的機理分析法很難建立準確的模型。近些年來,基于現(xiàn)場歷史數(shù)據(jù)序列的智能建模算法成為研究的主要熱點之一。本文在深入研究神經(jīng)網(wǎng)絡算法的基礎(chǔ)上,針對神經(jīng)網(wǎng)絡中人為設(shè)定的參數(shù)過多,隱層能夠提取到數(shù)據(jù)的特征不太多,并且不能夠準確反映數(shù)據(jù)的分布情況,并且容易陷入局部最優(yōu)的缺點。針對其缺點提出了增加神經(jīng)網(wǎng)絡的層數(shù),改進學習算法,也即深度神經(jīng)網(wǎng)絡。研究的重點是利用深度神經(jīng)網(wǎng)絡中的深度信念網(wǎng)絡進行模型建立。深度信念神經(jīng)網(wǎng)絡實際上是由多個波爾茲曼機疊加而成,其學習過程包含無監(jiān)督的預訓練和有監(jiān)督的學習兩個階段,經(jīng)過預訓練得到相對較優(yōu)的網(wǎng)絡權(quán)值,然后使用樣本中的輸入和輸出數(shù)據(jù)對預訓練得到的深度信念網(wǎng)絡進行學習,使用的學習算法是梯度下降法,得到網(wǎng)絡相對最優(yōu)的權(quán)值。最后在分析了機爐協(xié)調(diào)系統(tǒng)...

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

圖3-1人工神經(jīng)元結(jié)構(gòu)

生物神經(jīng)元網(wǎng)絡結(jié)構(gòu)的功能模擬、簡化和抽象，神經(jīng)元作為神的處理單元。神經(jīng)元模型的結(jié)構(gòu)也是多種多樣，但是基本原理都是區(qū)別就在于不同的神經(jīng)元模型采用了不同的激勵函數(shù)。大量神經(jīng)連接就組成了神經(jīng)網(wǎng)絡，再加上一定的算法，神經(jīng)網(wǎng)絡就具備了，神經(jīng)網(wǎng)絡的學習結(jié)果的好壞很大程度上取決于各層之間的連接....

圖3-2單輸出節(jié)點單層感知器網(wǎng)絡結(jié)構(gòu)

圖3-2單輸出節(jié)點單層感知器網(wǎng)絡結(jié)構(gòu)圖3-3多輸出節(jié)點單層感知器網(wǎng)絡結(jié)構(gòu)的輸入層也常被稱為感知層，感知層的每個節(jié)點只能夠負

圖3-3多輸出節(jié)點單層感知器網(wǎng)絡結(jié)構(gòu)

18圖3-3多輸出節(jié)點單層感知器網(wǎng)絡結(jié)構(gòu)輸入層也常被稱為感知層，感知層的每個節(jié)點只能夠入層本身沒有信息處理能力，輸出層也稱為信息處理理能力，并向外部輸出處理后的信息，不同的輸出節(jié)的。網(wǎng)絡訓練數(shù)據(jù)的效果的好壞，需要有一個評價指標，絡的輸出和實際值的均方誤差和的大小，然后通過梯小....

圖3-4三層感知器神經(jīng)網(wǎng)絡結(jié)構(gòu)

圖3-4三層感知器神經(jīng)網(wǎng)絡結(jié)構(gòu)圖的感知器網(wǎng)絡中，整個網(wǎng)絡的輸入向量為12(,,,,,iXxxx出向量可以表示為12,,,,TjmYyyyy；輸出層的輸出向量可12,,,,Tkloo....

本文編號：3954468