計算智能及其在熱工系統(tǒng)中的應用研究.pdf

1、熱力發(fā)電廠作為電力生產企業(yè)，不僅生產過程復雜，而且對于生產的經濟性和安全性，對生產過程的控制品質要求都較高。但是，由于現(xiàn)代熱力發(fā)電設備向著大容量，高參數的方向發(fā)展，機組設備越來越復雜，一些設備的具體特性很難用數據模型描述出來或者其特性隨著機組工況的變化會發(fā)生變化，傳統(tǒng)的控制方法在很多情況下無法有效地應用于生產。計算智能是人們從生物進化機理和一些物理現(xiàn)象中受到啟發(fā)，提出的許多用以解決復雜優(yōu)化問題的新方法，因其高效的優(yōu)化性能、無需問題特殊信

2、息等優(yōu)點，受到各領域廣泛的關注和應用。因此，對計算智能進行研究并把它們應用于發(fā)電廠的熱工系統(tǒng)中，具有理論意義和實用價值。 本文在研究BP神經網絡標準算法以及加入動量項的改進算法的基礎上，將RPROP算法應用于BP網絡的權值修改。在研究了RBF標準算法的基礎上，對OLS算法進行了介紹并進行了仿真研究；設計了基于CMAC網絡的PID—CMAC復合控制策略；在研究改進的Elman網絡的基礎上提出了一種新型的動態(tài)遞歸神經網絡結構—HIO

3、CDRN網絡。 本文提出了基于混沌優(yōu)化策略和RPROP的融合算法，該算法在一定程度上能夠克服神經網絡的“局部極小”問題。在研究標準PSO算法的基礎上，引入動態(tài)變量區(qū)間和重新啟動策略，并將這一新型PSO算法應用于電廠主汽溫控制系統(tǒng)PID控制器參數優(yōu)化。本文還提出了一種新型的熱工對象辨識方法—基于PSO和RBF神經網絡的系統(tǒng)辨識方法，該方法能大大提高辨識速度和提高辨識模型的泛化能力。 在研究標準遺傳算法的基礎上，提出了采用新

4、的適應度函數的自適應遺傳算法。提出的模糊量子遺傳算法，通過引入模糊計算，有效地克服了量子遺傳算法中旋轉變異角相對固定的缺點，提高了量子遺傳算法的計算精度和收斂速度。本文將模糊量子遺傳算法應用于熱工過程辨識，并設計了熱工過程模型辨識程序，具有良好的通用性。 設計了單神經元神經網絡控制器，并將該算法編制成DCS的控制算法模塊，在算法模塊的設計中考慮了手自動無擾切換問題。文章還將神經網絡技術應用于內?？刂坪皖A測控制并設計了相應的控制方

5、案。本文設計了基于PID神經網絡逆模型的干擾觀測器，該觀測器和PID—CMAC復合控制策略相結合，大大提高了系統(tǒng)的控制品質和抗干擾能力。將神經網絡和遺傳算法應用于燃燒系統(tǒng)優(yōu)化，優(yōu)化后的燃燒系統(tǒng)氮氧化物排量明顯降低。 論文的主要創(chuàng)新點有： 1．提出一種新型動態(tài)遞歸神經網絡(HIOCDRN網絡)： 2．提出混沌優(yōu)化和RPROP相融合的神經網絡學習方法； 3．改進PSO算法并設計了PSO算法與RBF神經網絡相融