針對應(yīng)用動態(tài)數(shù)據(jù)進(jìn)行系統(tǒng)建模的過程中,系統(tǒng)的初始狀態(tài)無法獲取的問題,提出一種基于狀態(tài)尋優(yōu)的工業(yè)系統(tǒng)動態(tài)數(shù)據(jù)驅(qū)動建模方法。上述方法選取系統(tǒng)運行過程歷史數(shù)據(jù)中的純動態(tài)數(shù)據(jù)作為建模數(shù)據(jù),將建模數(shù)據(jù)末端的系統(tǒng)的輸入值作為系統(tǒng)輸入的穩(wěn)態(tài)分量,將系統(tǒng)輸出的穩(wěn)態(tài)分量、動態(tài)數(shù)據(jù)起點的系統(tǒng)初始狀態(tài)及模型參數(shù)均作為尋優(yōu)變量的維度,應(yīng)用教學(xué)優(yōu)化算法進(jìn)行尋優(yōu),從而建立系統(tǒng)的模型。對某工業(yè)系統(tǒng)進(jìn)行建模仿真,結(jié)果表明上述方法的有效性。 

【文章來源】：計算機(jī)仿真. 2018,35(05)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

歷史數(shù)據(jù)示意圖

圖2建模流程圖舊個體，則取代舊個體。xnew=xold+rand·(xteacher－T·xm)(2)其中，xteacher表示當(dāng)前群體的全局最優(yōu)個體;T為教學(xué)因子，且T=round(1+rand)，．．表示對x的取整。4)學(xué)階段。從經(jīng)過教學(xué)后的群體中隨機(jī)選取2個體xr1和xr2，比較其目標(biāo)函數(shù)值，然后選擇較好的個體再次學(xué)習(xí)，具體過程如式(3)所示xnew=xold+rand·(xr1－xold)，iff(xr1)＜f(xr2);xold+rand·(xr2－xold)，otherwise{(3)其中:f(xr1)和f(xr2)分別表示個體xr1和xr2的目標(biāo)函數(shù)值。5)循環(huán)結(jié)束判定。若循環(huán)次數(shù)g=G，則結(jié)束;否則重復(fù)過程3和過程4。2．2．3仿真方法本文采用將傳遞函數(shù)模型轉(zhuǎn)換為狀態(tài)空間模型，再對狀態(tài)空間模型進(jìn)行離散化，從而獲取系統(tǒng)的離散系統(tǒng)方程，進(jìn)而對系統(tǒng)進(jìn)行仿真。為使預(yù)估模型對系統(tǒng)進(jìn)行仿真的過程具有普適性，采用通用傳遞函數(shù)模型進(jìn)行仿真方法介紹，對于有自衡對象而言，其通用傳遞函數(shù)模型如式(4)所示^G(s)=b0+b1s+…+bmsma0+a1s+…+an－1sn－1+sn(m＜n)(4)其中:^G(s)為預(yù)估模型;n為預(yù)估模型分子階次;m為預(yù)估模型分母階次;s為拉普拉斯算子;a0…an－1、b0…bm分別為分母與分子中各階拉普拉斯算子的系數(shù);根據(jù)現(xiàn)代控制理論知識［14］，將式(4)轉(zhuǎn)化為狀態(tài)空間，如式(5)所示^x·=A^x+Bu^y=C^x(5)其中:^x=［^x1^x2…^xn］T為預(yù)估狀態(tài)矢量;u為系統(tǒng)輸入;^y為預(yù)估系統(tǒng)輸出。系數(shù)矩陣如式(6)所示A=00…0－a010…0－a101…0－a2?????00…1－an－1

圖3建模數(shù)據(jù)曲線建模結(jié)果曲線如圖4所示。圖4建模結(jié)果曲線辨識所得模型如式(12)所示1．1191(1+42．1003s)7(12)辨識所得輸出穩(wěn)態(tài)分量為^ys=－5．2309，辨識所得系統(tǒng)初態(tài)如式(13)所示:X(0)=［5．45635．39833．21921．52200．73460．59280．8304］(13)4結(jié)語本文提出一種基于狀態(tài)尋優(yōu)的自衡工業(yè)系統(tǒng)動態(tài)數(shù)據(jù)驅(qū)動建模方法，該方法選取系統(tǒng)的動態(tài)歷史數(shù)據(jù)作為建模數(shù)據(jù)，將系統(tǒng)的穩(wěn)態(tài)分量及系統(tǒng)的初始狀態(tài)看作尋優(yōu)變量的維度，與預(yù)估模型參數(shù)一起參與尋優(yōu)，最終建立了系統(tǒng)的傳遞函數(shù)模型。該方法具有以下優(yōu)點:1)應(yīng)用系統(tǒng)歷史數(shù)據(jù)進(jìn)行模型辨識，不會對系統(tǒng)的安全性、穩(wěn)定性、經(jīng)濟(jì)性產(chǎn)生影響。2)將動態(tài)數(shù)據(jù)末端的系統(tǒng)輸入作為輸入的穩(wěn)態(tài)分量，將系統(tǒng)輸出的穩(wěn)態(tài)分量作為尋優(yōu)變量的一個維度參與尋優(yōu)，不僅解決了系統(tǒng)穩(wěn)態(tài)分量獲取的問題，而且優(yōu)化算法根據(jù)仿真偏差選取最優(yōu)輸出穩(wěn)態(tài)分量，有效的避免了工業(yè)系統(tǒng)穩(wěn)態(tài)分量的選取誤差。3)將動態(tài)數(shù)據(jù)起點處的系統(tǒng)狀態(tài)作為尋優(yōu)變量的維度，解決了以動態(tài)歷史數(shù)據(jù)為起點的數(shù)據(jù)驅(qū)動建模中，系統(tǒng)初態(tài)的獲取問題。本文從歷史數(shù)據(jù)建模的角度出發(fā)，針對工業(yè)系統(tǒng)穩(wěn)態(tài)工況難以獲取的問題，提出一種應(yīng)用純動態(tài)歷史數(shù)據(jù)進(jìn)行建模的算法，為動態(tài)歷史數(shù)據(jù)建模提供了較好的方法參考。參考文獻(xiàn):［1］吳昊，余岳峰，徐星星．多輸入多輸出熱工系統(tǒng)的辨識與建模研究［J］．動力工程學(xué)報，2010，30(03):196－200．［2］張金營，張秋生，韓璞，王富強(qiáng)．超超臨界機(jī)組煤水比系統(tǒng)的建模與仿真研究［J］．計算機(jī)仿真，2016，33(08):81－85．［3］趙建敏，高思宇，郝薩仁高娃．換熱站供熱多目標(biāo)優(yōu)化建模研究［J］．計算機(jī)仿真，2016，33(10):21


本文編號：3058321