基于PSO的RBF神经网络在热工系统辨识中的应用

在神经网络辨识大迟延对象时,模型类中迟延时间多是根据经验估测的,而不同的值对神经网络辨识的精度和效率就会不同。针对上述问题,将基于正交最小二乘(OLS)算法的径向基(RBF)神经网络和粒子群优化(PSO)算法相结合对热工系统的复杂对象进行辨识仿真。通过对电厂一次风量数据和平均床温数据的仿真实验结果表明,在RBF神经网络对大迟延对象进行辨识时,通过PSO算法进一步确定其最佳迟延时间,从而得到更精确的模型并提高辨识效率,可以取得良好的效果。     

流化床生物质气化动力学模型建立

在生物质气化建模中有两种模型研究方法,一种是热力学模型,一种是动力学模型。动力学模型以反应动力学为基础,能真实地反映气化炉内的气化过程,并且对最终生物质气化气成分的预测较为准确,从而能够保证找到一组最佳气化条件(气化温度、气化剂当量比等),使得生物质气化过程达到最优。本文借鉴煤气化动力学建模的启发,在综合考虑平衡模型和动力学模型优点之上,探讨了一种包括热分解、气化以及可能存在的二次反应三个过程在内的整体生物质气化动力学建模方法。     

基于光滑支持向量机的机械振动时间序列分析

时间序列分析方法是动态系统建模的重要手段,传统的序列预测方法如统计和神经网络并不适用于复杂的非线性系统,为此引入了一种新的基于支持向量回归(SVR)的时间序列分析方法。为了降低计算的复杂度,采用了光滑化方法对SVR的基本算法进行改进,并应用于汽轮机振动数据序列,尝试建立汽轮机组振动状态模型。仿真结果表明:光滑支持向量回归(SSVR)算法具有良好的预测性能。与传统的时间序列预测方法(如神经网络)相比,SSVR算法具有更高的收敛速度和更好的拟合精度,有效地扩展了SVR的应用范围。     

基于ANFIS模型的烟气含氧量建模和预测

针对电厂热工测量参数难以进行有效预测的问题,提出一种基于ANFIS模型的烟气含氧量建模和预测方法.基于自适应神经模糊推理系统(ANFIS)学习能力与泛化能力均较强的优点,建立软测量预报模型,借助某电厂循环流化床锅炉烟气含氧量实测数据进行仿真,结果表明,基于ANFIS的自适应预测模型,具有良好的预报能力,具有较高的预报精度和鲁棒性,可以较好地解决电厂烟气含氧量预测问题,对于实现锅炉燃烧系统的优化运行和预测控制具有一定的价值.     

一类分数阶系统的分析及控制器设计

针对一类与传统一阶惯性环节传递函数结构类似的分数阶系统,推导出该类分数阶系统稳定的参数取值范围,并给出了不同时间响应与分数阶阶次的对应关系.然后基于该类分数阶系统同时设计了分数阶PIλ控制器和整数阶PI控制器,控制器参数采用粒子群优化算法得到.结果表明:在控制该类对象时两者均能取得很好的控制效果,证明了本文所提方法的有效性.但由于整数阶PI控制器比分数阶PIλ控制器简单且便于实现,因此在工程应用中针对该类分数阶对象选择PI控制器即可满足要求.     

大型火电机组全仿真机模型建立方法研究

数学模型是研究大型火电机组运行特性的有效手段,利用机理法对大型火电机组中的旋转设备、换热器、水位进行了具体建模,并通过这些实例总结机理法建模的使用方法及适用范围,为大型火电机组全仿真机建模提供了有效的手段.     

大型火电机组全仿真机模型验证方法研究

火电机组仿真机的数学模型是对实际机组运行特性的一种抽象的、本质的描述.在仿真机的调试过程中,需要对模型的参数进行不断地修改并且对仿真机的精度进行校验.通过某大型火电机组建模实例讨论了仿真机稳态精度和暂态精度的验证方法,为大型火电机组仿真机模型精度的验证提供了有效的手段.     

一种新型的协调控制方案(PROFI)探讨

本文就当前电力发展的形式对电厂具备快速的调频功能必要性进行了分析．讨论了提高机组响应的几种可能方式,结合定州电厂的情况给出相应的解决方案、分析了这种解决方案的先进性和可靠性,为大容量机组参与调频提供了新的思路．     

基于改进粒子群算法的PID-CMAC控制器设计

小脑关节模型网络具有计算简单、学习速度快等特点,设计PID和CMAC的复合控制器既能够发挥PID控制器鲁棒性强的特点,又能够利用CMAC学习获取的知识根据输入的变化快速地做出响应,并能够提高控制系统的抗干扰能力.本文采用改进的粒子群算法对PID的控制参数进行优化,并在此基础上设计了一种新型的PID-CMAC复合控制器,通过仿真试验表明,该控制策略能够提高整个系统的控制品质.     

采用微分进化算法和径向基函数神经网络的热工过程模型辨识

在热工过程模型辨识中,被控对象动态特性往往表现出非线性、慢时变、大迟延和不确定性等特点,这使得难以对其建立比较精确的模型。为了达到精确建模的目的,提出一种基于微分进化算法和径向基函数神经网络的辨识方法。该方法采用基于能量分布正交最小二乘学习算法的径向基函数(radial basis function,RBF)神经网络,通过改进的微分进化算法,对神经网络辨识系统进行参数优化,使RBF神经网络能够更快、更精确地逼近实际系统的输出,达到精确建模的目的。仿真结果表明,在采用改进的RBF网络对热工复杂对象进行辨识时,通过微分进化算法进一步确定其最佳参数,可以取得更好的辨识效果。