發(fā)布時間：2018-03-01 17:53

  本文關鍵詞： 復雜工業(yè)過程 非線性 多模型辨識 智能體 熵 自適應控制 廣義預測控制　出處：《華北電力大學(北京)》2017年博士論文　論文類型：學位論文

【摘要】：復雜工業(yè)過程存在系統(tǒng)變量多、非線性作用強及環(huán)境隨機干擾影響大等問題,傳統(tǒng)的建模方法由于模型形式單一往往難以描述系統(tǒng)全貌,導致控制效果不理想,因此多模型辨識及相應的控制策略成為復雜工業(yè)過程控制領域的研究熱點和難點。本文在現(xiàn)有研究基礎上,研究了復雜工業(yè)過程多模型辨識及控制的有關問題,提出了智能體多模型的辨識方法和在線聚類多模型的辨識方法,為復雜工業(yè)過程多模型辨識提供了新的思路。此外,在建模的基礎上研究了間接自適應模糊控制策略和廣義預測控制策略,對不同辨識方法及控制策略分別給出了相應的算例及應用仿真驗證。最后,利用所研究算法對某電站660MW機組旋流燃燒器進行了整體的多模型辨識及控制系統(tǒng)的設計。本文的主要研究工作包括:1.提出了一種智能體和T-S模糊模型相結(jié)合的智能體模糊多模型構(gòu)建方法,并從理論上證明了智能體多模型系統(tǒng)可以任意精度逼近任意線性或非線性系統(tǒng)。不同于傳統(tǒng)多模型策略,智能體多模型系統(tǒng)中的每個智能體是一個動態(tài)方程,可以獨立表征一種工況,也可以與其他智能體協(xié)同表征新的工況,使得該方法在描述復雜系統(tǒng)時有相當大的靈活性。電熱水器系統(tǒng)的辨識仿真實驗被用來驗證該方法的可行性和有效性。2.針對存在隨機噪聲干擾的多變量非線性系統(tǒng),提出了一種基于最小熵聚類的多模型在線辨識算法。通過最小熵模糊減聚類算法在線確定多模型中子模型個數(shù)及其相應隸屬度權(quán)值,聚類過程中同時考慮了子系統(tǒng)規(guī)則化程度。給出了求取子模型參數(shù)的加權(quán)最小二乘遞推表達,實現(xiàn)了子模型參數(shù)的在線辨識。數(shù)值算例的仿真實驗驗證了算法的有效性。此外,本文基于在線辨識策略進一步討論了辨識過程中模型參數(shù)初調(diào)算法,對余熱利用系統(tǒng)中冷卻水回路電動閥的模型辨識檢驗了算法對環(huán)境隨機干擾的自適應能力。3.設計了基于李雅普諾夫函數(shù)的間接自適應模糊控制器,針對智能體與模糊邏輯相結(jié)合的多模型被控對象,給出了保證系統(tǒng)穩(wěn)定輸出的最優(yōu)模糊自適應控制律。針對煙氣余熱利用過程進行了仿真實驗,為了驗證算法的性能,同傳統(tǒng)PID控制器的控制結(jié)果進行了對比。4.基于上述的辨識方法及廣義預測控制器對某電站660MW機組旋流燃燒器進行了辨識及控制實驗。通過分析旋流燃燒器結(jié)構(gòu)及運行機理,確定了燃燒過程的主要變量,在此基礎上提出一種模型參數(shù)可隨過程調(diào)節(jié)的模糊多模型系統(tǒng),給出了相應的模型參數(shù)辨識方法。構(gòu)造了旋流燃燒器系統(tǒng)的多入多出廣義預測控制策略。為驗證算法的有效性,應用以上算法對電站旋流燃燒器進行了仿真實驗。
[Abstract]:There are many problems in complex industrial processes, such as system variables, strong nonlinear effects and random environmental disturbances. The traditional modeling method is often difficult to describe the whole situation of the system because of the single model form, which leads to the unsatisfactory control effect. Therefore, multi-model identification and corresponding control strategies have become a hot and difficult point in the field of complex industrial process control. Based on the existing research, this paper studies the problems related to multi-model identification and control of complex industrial processes. The identification method of agent multi-model and on-line clustering multi-model is proposed, which provides a new idea for multi-model identification of complex industrial processes. On the basis of modeling, indirect adaptive fuzzy control strategy and generalized predictive control strategy are studied. Corresponding examples and simulation results are given for different identification methods and control strategies. The whole multi-model identification and control system of swirl burner of 660MW unit in a power station is designed by using the algorithm studied in this paper. The main research work in this paper includes: 1. A kind of intelligence combining agent and T-S fuzzy model is proposed. Energy volume fuzzy multi-model construction method, It is proved theoretically that the agent multi-model system can approach any linear or nonlinear system with arbitrary precision. Different from the traditional multi-model strategy, each agent in the agent multi-model system is a dynamic equation. You can represent one condition independently, or you can represent new conditions in collaboration with other agents. The simulation experiment of the electric water heater system is used to verify the feasibility and effectiveness of the method. 2. For the multivariable nonlinear system with random noise disturbance, A multi-model on-line identification algorithm based on minimum entropy clustering is proposed. The number of multi-model neutron models and their corresponding membership weights are determined online by the minimum entropy fuzzy clustering algorithm. In the process of clustering, the regularization degree of subsystem is considered at the same time. The weighted least square recursive expression of the parameters of submodel is given, and the on-line identification of the parameters of submodel is realized. The simulation results of numerical examples verify the validity of the algorithm. Based on the on-line identification strategy, this paper further discusses the initial tuning algorithm of model parameters in the process of identification. The model identification of the electric valve in the cooling water loop in the waste heat utilization system tests the adaptive ability of the algorithm to the random disturbance in the environment. 3. An indirect adaptive fuzzy controller based on Lyapunov function is designed. The optimal fuzzy adaptive control law is presented for the multi-model controlled object which combines agent and fuzzy logic. The simulation experiment is carried out to verify the performance of the algorithm. Compared with the control results of the traditional PID controller. Based on the above identification method and the generalized predictive controller, the swirl burner of a 660MW unit in a power station is identified and controlled. The structure and operation mechanism of the swirl burner are analyzed. On the basis of determining the main variables of combustion process, a fuzzy multi-model system with adjustable model parameters is proposed. The corresponding model parameter identification method is given, and the multi-input and multi-output generalized predictive control strategy of swirl burner system is constructed. To verify the validity of the algorithm, the simulation experiments are carried out on the swirl burner in power station.
【學位授予單位】：華北電力大學(北京)
【學位級別】：博士
【學位授予年份】：2017
【分類號】：TP273

【相似文獻】

相關期刊論文 前10條

1 趙乃真;趙國良;李大為;;實船模型辨識儀接口設計[J];哈爾濱船舶工程學院學報;1986年S1期

2 王遠贛;黃楠;郝麥海;;微型機數(shù)學模型辨識儀[J];機械與電子;1988年02期

3 楊火榮;符永法;;對象模型辨識的閉環(huán)擴充頻率法[J];自動化與儀表;1991年04期

4 劉偉杰;張以杰;;模糊函數(shù)模型辨識的引導點方法[J];自動化學報;1993年03期

5 李秀萍;;心電信號的數(shù)學模型辨識[J];軟件;1994年12期

6 李錦,周懷春,於正前;一種多輸入多輸出系統(tǒng)模型辨識方法及其應用[J];自動化與儀器儀表;2003年04期

7 王德普;趙國良;趙乃真;;實船模型辨識試驗的軟件設計[J];船工科技;1985年Z1期

8 李澤滔;控制系統(tǒng)對象分式模型辨識的一種方法[J];貴州科學;2001年02期

9 李潤飛;武英杰;;激勵信號對模型辨識的影響分析[J];電力科學與工程;2012年05期

10 胡子正,潘旭峰;發(fā)動機支承系統(tǒng)動力學模型辨識[J];數(shù)據(jù)采集與處理;1986年01期

相關會議論文 前10條

1 王德普;夏洪勝;;實船航向運動模型辨識[A];第三屆全國控制與決策系統(tǒng)學術會議論文集[C];1991年

2 黃焯;方康玲;梅勝松;;一種改進的模糊模型辨識方法[A];1996年中國智能自動化學術會議論文集（上冊）[C];1996年

3 朱文彪;孫增圻;;基于數(shù)據(jù)特征的模糊模型辨識與模糊控制器設計方法[A];2009年中國智能自動化會議論文集（第五分冊）[東南大學學報（增刊）][C];2009年

4 牛景春;邵媛媛;姜雯雯;;BP網(wǎng)絡模型辨識平臺[A];系統(tǒng)仿真技術及其應用（第7卷）——'2005系統(tǒng)仿真技術及其應用學術交流會論文選編[C];2005年

5 任慶昌;;MPSSM模型辨識的誤差準則分析[A];1994中國控制與決策學術年會論文集[C];1994年

6 李振強;羅文廣;潘盛輝;林川;;基于小波變換的Hammerstein模型辨識[A];中國自動化學會控制理論專業(yè)委員會C卷[C];2011年

7 李保衛(wèi);;工業(yè)過程復雜現(xiàn)象的認識方法[A];第五屆全國青年計算物理學術交流會論文摘要[C];2008年

8 黃顯林;宋清南;班曉軍;高曉智;;一種基于和聲搜索算法的T-S模型辨識方法[A];第二十九屆中國控制會議論文集[C];2010年

9 李全善;曹柳林;潘立登;林曉琳;崔佳;;基于多模型的IMC-PID參數(shù)自整定方法及其應用[A];2011年中國智能自動化學術會議論文集（第一分冊）[C];2011年

10 鐘秋海;張高明;王慶林;李憲玉;;飛行員在+Gz作用下血容量變化的數(shù)學模型辨識[A];1997年中國控制會議論文集[C];1997年

相關博士學位論文 前10條

1 趙小鵬;復雜工業(yè)過程的多模型辨識及控制應用研究[D];華北電力大學(北京);2017年

2 李全善;基于數(shù)據(jù)的乙烯裝置過程模型辨識、控制與優(yōu)化的研究及應用[D];北京化工大學;2014年

3 李衛(wèi);基于核方法的模糊模型辨識研究[D];上海交通大學;2008年

4 賀尚紅;連續(xù)動力學系統(tǒng)參數(shù)模型辨識及工業(yè)試驗[D];中南大學;2003年

5 孫冬梅;動態(tài)壓力測量系統(tǒng)非線性模型辨識[D];南京理工大學;2004年

6 王彬;基于U模型的非線性系統(tǒng)魯棒性分析及控制方法研究[D];燕山大學;2012年

7 高大遠;非線性系統(tǒng)自組織多模型建模與控制方法[D];國防科學技術大學;2006年

8 李軍;含非線性因素的掃描鏡系統(tǒng)線性模型辨識[D];中國科學院研究生院（長春光學精密機械與物理研究所）;2012年

9 吳軍;基于RBF-ARX模型的復雜系統(tǒng)建模、優(yōu)化與控制研究[D];中南大學;2013年

10 楊劍鋒;基于組合模型的非線性預測控制算法及其應用研究[D];浙江大學;2007年

相關碩士學位論文 前10條

1 韋正超;縱置雙涵道陸空車輛模型辨識與驗證[D];北京理工大學;2015年

2 劉玉琴;復雜系統(tǒng)的模型近似與閉環(huán)辨識[D];北京化工大學;2015年

3 常佳佳;基于視頻采集的飛行控制執(zhí)行機構(gòu)測試方法與模型辨識[D];北京理工大學;2016年

4 韓珍珍;基于極值學習機的模塊化模型辨識及控制[D];燕山大學;2016年

5 賈昊;基于在線模型辨識的預測控制策略研究[D];華北電力大學;2016年

6 韓超;基于多模型與現(xiàn)場數(shù)據(jù)的過熱汽溫模型辨識方法研究[D];華北電力大學;2016年

7 杜曉勇;水電站動力系統(tǒng)模型辨識[D];鄭州大學;2006年

8 江濤;Hammerstein模型辨識算法的研究[D];西安理工大學;2010年

9 陳明星;基于粒子濾波的一類復雜工業(yè)過程智能控制方法研究[D];河北科技大學;2016年

10 劉鯤鵬;基于離散采樣數(shù)據(jù)的連續(xù)模型辨識[D];中國科學技術大學;2015年

，

本文編號：1552954