导读:本文包含了热工过程辨识论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:热工,过程,算法,神经网络,人工免疫,斥力,模型。
热工过程辨识论文文献综述
张天阳[1](2019)在《燃气—蒸汽联合循环机组典型热工过程模型辨识算法研究》一文中研究指出中国的火电机组主要是燃煤发电机组,其存在污染严重,发电效率低等问题,不能满足新世纪电力行业的发展需要。燃气-蒸汽联合循环机组发电效率高、对环境污染小,是替代火电机组、作为未来主要能源的优质选择。为了更好地对燃气-蒸汽联合循环机组典型热工过程进行研究,为其控制策略的设计打好基础,需要对其热工过程进行系统辨识。针对这一问题,本文采用北京某燃气-蒸汽联合循环机组热电厂的实际热工过程数据作为样本进行分析处理,通过离线辨识方法得到基于历史数据的过程模型。之后在离线辨识的基础上,探究在线辨识的可行性,利用快速在线代数参数辨识算法对过程模型进行实时在线参数辨识,当过程模型的参数发生变化时,通过在线辨识可以快速追踪到此时模型的参数。首先,本文对燃气-蒸汽联合循环机组的工作原理和工艺流程进行了介绍,在对燃气-蒸汽联合循环机组有了较为深入的了解后,从其各种热工过程中,提炼出四个最为典型的热工过程,确认其输入输出数据。之后通过零初值处理和粗大值处理的方法,对从实际现场采集到的燃气-蒸汽联合循环机组实际运行数据进行预处理,为后续的离线辨识工作做好准备。随后利用布谷鸟搜索算法(CS)和云理论两种方法分别对粒子群算法(PSO)迭代公式的权重和位置参数进行优化,有利于其跳出局部最优进而得到最佳的参数辨识结果,将叁者结合得到的云粒子群布谷鸟融合算法(CPSO-CS),并对处理过的现场实际运行数据进行离线辨识,得到联合循环机组的典型热工过程的传递函数。通过误差指标函数对PSO算法和CPSO-CS算法的辨识结果进行对比,验证了 CPSO-CS算法在离线辨识中的优越性。为了使CPSO-CS算法在实际工程中更好地进行使用,利用MATLAB的人机交互界面(GUI)设计功能,设计了典型热工过程模型自动辨识软件,可针对各种实际现场数据,对发电中的热工过程进行过程模型辨识。最后利用离线辨识得到的典型热工过程的传递函数,探索在线辨识的可行性。通过MATLAB/Simulink实验仿真,模拟现场因稳态变化发生而引起的模型参数变化情况,利用快速在线代数参数辨识算法进行在线辨识。通过对模型参数进行摄动,实验结果显示快速在线代数参数辨识算法可以准确地获取变化后的参数值,由此验证了在线辨识的可行性。本文旨在充分挖掘海量现场实际数据中所蕴含的潜在信息,利用智能辨识算法,对燃气-蒸汽联合循环机组以及其他机组典型热工过程的研究提供支持。(本文来源于《华北电力大学(北京)》期刊2019-03-01)
谢碧霞,孙海蓉,田瑶[2](2018)在《基于数据的SecR-PSO算法热工过程辨识》一文中研究指出针对传统开环辨识方法对热工系统运行过程扰动大及适应能力差的问题,研究了一种二阶振荡和带斥力因子的粒子群优化算法,并应用于过程辨识中。上述辨识方法基于数据分析拟合出系统的传递函数,无需考虑激励信号源的形式,应用全局搜索算法进行参数优化,二阶振荡因子维持种群多样性,增强全局搜索能力,斥力因子优化搜索空间粒子的分布特性,防止陷入局部最优,实现优化辨识系统的结构参数。上述方法用于辨识典型单容水箱液位系统和空气预热器进口氧量传递函数。仿真结果表明,上述辨识方法辨识精度较高且简单有效。(本文来源于《计算机仿真》期刊2018年08期)
张乐,韦根原[3](2018)在《基于遗传算法的热工过程模型辨识》一文中研究指出在火电机组热工过程对象中,建立精确的数学模型在控制系统的设计与优化中起着重要作用。遗传算法一种是通过模拟生物遗传和进化过程搜索最优解的方法,因为它能够解决多目标全局最优化问题而被广泛应用。根据热工过程对象的特性和传统辨识方法的不足,利用火电厂生产过程的历史数据,使用遗传算法对某电厂循环流化床减温水量对主蒸汽温度的传递函数进行辨识。辨识结果表明,遗传算法可以得到高精度的热工过程对象的传递函数模型。(本文来源于《科技与创新》期刊2018年13期)
邵恩泽[4](2018)在《火电机组热工过程辨识与机组负荷优化控制研究》一文中研究指出单元机组的热工过程自动控制是保证热力设备安全和经济运行的必要措施和手段,控制系统的控制性能直接影响到机组运行的安全性和经济性。控制系统设计涉及被控对象的建模和控制器的设计。由于基于现场动态特性试验的模型辨识方法有诸多不足之处,基于现场数据和神经网络的模型辨识方法成为近年来的研究热点,但如何提高神经网络模型的性能尚需进一步研究。目前火电机组负荷控制系统广泛采用的是PID控制,对PID控制器参数进行优化是提高机组负荷控制性能的有效途径之一;尽管有些文献提出了机组负荷预测控制方法,但如何合理利用汽机与锅炉之间的耦合特性,提高预测控制性能,是一个值得研究的问题。因此,论文研究热工过程模型辨识问题,以及单元机组负荷PID控制和预测控制问题,选题具有重要的理论意义和应用价值。论文主要研究内容及取得的研究成果如下:1.对过程神经网络模型辨识方法进行了研究,针对传统的基于误差平方和性能指标的模型辨识方法未考虑相邻采样数据之间相关性的问题,提出了一种新型神经网络辨识性能指标及其相应的学习算法。仿真研究表明,与传统的基于误差平方和性能指标的BP神经网络辨识方法相比,在相同的辨识精度条件下,本文的方法可大大提高所建模型的数据拟合能力和泛化能力,有效提高模型的质量。2.对过程阶次辨识和神经网络模型结构优化进行了研究,提出了一种改进的神经网络剪枝策略。该策略对输入节点和隐节点采用不同的方法分别进行剪枝。对于输入节点采用基于灵敏度的剪枝方法进行剪枝,避免了因计算量大而需要采用工程近似导致误删节点的问题;对于隐节点,采用基于相关度的剪枝方法进行剪枝,克服了基于灵敏度的剪枝方法进行跨层剪枝时误删节点的不足。仿真研究表明,改进的剪枝策略可以达到确定阶次、精简网络结构并增强网络泛化能力的目的。3.研究了基于遗传算法的机组负荷PID控制器参数优化整定方法,提出了一种由偏差和偏差变化率构成的改进优化性能指标,克服了传统性能指标调整优化结果不够灵活的不足;根据炉跟机机组负荷控制系统的特性,提出一种针对炉跟机控制系统的新型优化性能指标,可使控制系统能充分利用锅炉蓄热,以较少的能量满足机组对负荷的响应。针对遗传优化算法,还提出一种确定遗传算法优化变量寻优范围的方法,有效节省了遗传算法的寻优时间,提高了参数的寻优效率。通过仿真研究验证了上述方法的有效性。4.研究了单元机组负荷多变量预测控制方法,提出了一种新型预测控制性能指标及其相应的预测控制算法,同时提出了性能指标中权系数的在线自适应修正方法。仿真研究表明,所提出的新型预测控制算法的控制性能优于常规预测控制算法,性能指标中权系数的在线自适应修正可有效利用锅炉蓄热,提高机组负荷的响应速度。5.对单元机组负荷控制进行了应用研究,提出了根据现场数据建立被控对象神经网络模型,再从神经网络提取所需过程传递函数模型,进而根据传递函数模型设计控制器的方法,并通过仿真验证了该方法的有效性。(本文来源于《东南大学》期刊2018-06-10)
柯海山[5](2018)在《基于改进入侵杂草算法的热工过程辨识》一文中研究指出本文研究影响主汽温的主导因素并建立主汽温对象特性模型,传统方法中的某些扰动实验可能会对实际工况造成危险,不易实现,随着火电厂自动化程度的不断提高,现场DCS系统中存储着海量的历史数据,利用智能算法挖掘这些数据来建立对象模型是一种新的趋势。针对火电厂热工过程的大惯性、大延迟、非线性的特点,使用最小二乘类等传统辨识方法精度不高、参数估计受噪声干扰较大的不足,本文提出利用改进后的入侵杂草优化(IWO)算法强大的全局搜索能力进行热工过程辨识。本文的主要研究内容和结论包括:1.介绍了 IWO算法的来源、原理和实现过程,将差分进化思想引入IWO中成为DE-IWO算法,使用Griewank等标准测试函数和热工传递函数对这两种算法的性能进行对比,实验结果表明DE-IWO算法在收敛性和寻优精度方面均有提升。2.现场DCS系统中导出的历史数据标准差标准化(z-score)处理后,使用箱线图定性分析影响主汽温的主导因素,分别建立9个单入单出模型进行辨识以及时间不相关数据的校验,证明箱线图分析的有效性,同时,结果显示一级、二级减温水流量和水煤比是影响主汽温的最重要的因素。3.利用主元分析法(PCA)定量分析现场历史数据中各个变量对主汽温的影响程度大小,因为主成分中含有优良的信息丰富度,所以将其作为模型输入分别建立单入单出(SISO)和多入单出(MISO)模型,使用DE-IWO算法和最小二乘类算法估计模型参数和比较模型输出平均误差,结果表明前者的辨识精度更高,模型输出平均绝对误差更小。4.基于主元分析的结果,分别建立线性回归模型和非线性模型来描述热工过程,实验结果表明线性回归模型在预测时间不相关数据时模型输出误差很大,后者的辨识效果较好,但是低于DE-IWO算法的线性模型的辨识效果。综上,基于主元分析和DE-IWO算法的主汽温系统辨识是目前辨识效果最佳的。(本文来源于《华北电力大学(北京)》期刊2018-03-01)
钱磊[6](2016)在《基于现场数据的热工过程辨识研究》一文中研究指出热工过程的数学模型对其控制系统的设计起着关键作用。传统的热工过程模型辨识主要基于过程的动态特性试验,由于单元机组运行的特点,现场动态特性试验往往难以实施,即使做的动态特性试验,其结果也不一定理想。因此,研究基于现场数据的热工过程辨识不仅具有很强的理论意义,而且具有一定的应用价值。神经网络可以任意精度逼近连续函数,具有较强的适应能力和学习能力,广泛地应用于热工过程的非线性建模中。但辨识中如何确定神经网络的结构,如何提高网络的泛化能力,这些问题没有很好地解决。另外,神经网络模型不直观,不易于理解,难以与经典的控制理论方法结合使用。针对上述问题,论文研究基于现场数据的热工过程神经网络辨识,并提出从神经网络中提取传递函数的方法。主要研究内容及成果包括:1.针对普通的灵敏度剪枝算法存在的问题,在原有的灵敏度剪枝算法的基础上,提出了基于RBF神经网络的剪枝优化算法,并给出了的相应剪枝策略及算法步骤,仿真试验表明该算法是有效的;2.分析了利用现场进行神经网络模型辨识的可行性,提出了基于RBF神经网络剪枝算法的热工过程神经网络模型辨识方法,给出了相应的辨识算法步骤,并通过仿真试验,验证了该方法的有效性;3.分析了锅炉过热汽温的过程及特性,将基于RBF神经网络剪枝算法的热工过程神经网络模型辨识方法应用于锅炉过热汽温模型辨识中,通过基于现场数据的仿真试验,验证了论文所提方法的有效性;4.针对现场热工试验的困难性,研究并提出了从神经网络模型中提取传递函数模型的方法,并结合遗传算法给出了相应的算法及步骤,通过仿真验证了该方法的有效性。(本文来源于《东南大学》期刊2016-05-30)
刘琛,韩璞,孙明[7](2016)在《火电厂热工过程系统辨识方法的研究》一文中研究指出系统辨识是现代控制理论中的一个重要分支,其方法主要分为以最小二乘法为代表的经典算法和以智能控制为代表的现代算法。前者误差的平方和最小,具有良好的静态与动态性能,后者对于大迟延、非线性、扰动频繁的对象有明显的优势,是热工过程控制领域研究热点。在对热工对象进行机理分析的基础上,以火电厂典型热工过程为实际研究对象,从理论的角度研究了如何建立火电厂热力系统的数学模型,基于某发电厂现场实时运行数据,分别采用最小二乘类算法和智能优化相关算法对其参数进行辨识,并且比较、分析了各辨识方法的优缺点,以达到良好的辨识效果。(本文来源于《计算机仿真》期刊2016年04期)
章程明,张雨飞[8](2016)在《采用改进蚁群算法的热工过程模型参数辨识》一文中研究指出在基本蚁群算法基础上引入人工免疫的思想,对算法中初始信息素分布、信息素调整机制及选择概率函数等方面做出改进,使蚁群辨识方法能够更快、更精确地逼近实际系统的输出。结合仿真实验结果表明,该方法比基本蚁群算法具有更高的寻优效率和辨识精度。(本文来源于《发电设备》期刊2016年02期)
钱磊,雎刚[9](2016)在《一种热工过程RBF神经网络模型辨识方法》一文中研究指出针对模型辨识中模型阶次难以辨识的问题,提出了一种RBF神经网络剪枝算法。基于该算法,对RBF神经网络隐节点和输入节点进行剪枝,不仅可以精简网络的结构,而且可以减少网络的输入节点,从而确定模型的阶次。同时,为了避免误删输入节点,在对输入节点剪枝时,将过程的输入和输出分开剪枝。将该算法应用于热工过程辨识中,仿真结果表明,提出的基于RBF神经网络剪枝算法是有效的。(本文来源于《自动化仪表》期刊2016年01期)
韦根原,冯新强[10](2015)在《热工过程参数的改进逐维黄金分割法辨识》一文中研究指出针对基于群体智能算法的热工过程参数辨识存在随机性强、收敛慢、耗时长的不足,提出了一种快速辨识方法。在仿真验证辨识目标函数随各个参数变化呈单峰性后,将黄金分割法与坐标轮换法相结合,形成逐维黄金分割法,并通过选取最优初始点和提高寻优精度等方法对其进行改进;基于现场数据分别采用粒子群优化算法、逐维黄金分割法及其改进算法对风煤比-过氧量模型的过程参数进行了辨识比较。结果表明,改进后的逐维黄金分割法在快速性、精确性上明显优于粒子群算法和逐维黄金分割法,其更适合于热工过程参数的在线辨识,从而为热工控制系统调节参数的在线快速优化提供条件。(本文来源于《热力发电》期刊2015年10期)
热工过程辨识论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
针对传统开环辨识方法对热工系统运行过程扰动大及适应能力差的问题,研究了一种二阶振荡和带斥力因子的粒子群优化算法,并应用于过程辨识中。上述辨识方法基于数据分析拟合出系统的传递函数,无需考虑激励信号源的形式,应用全局搜索算法进行参数优化,二阶振荡因子维持种群多样性,增强全局搜索能力,斥力因子优化搜索空间粒子的分布特性,防止陷入局部最优,实现优化辨识系统的结构参数。上述方法用于辨识典型单容水箱液位系统和空气预热器进口氧量传递函数。仿真结果表明,上述辨识方法辨识精度较高且简单有效。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
热工过程辨识论文参考文献
[1].张天阳.燃气—蒸汽联合循环机组典型热工过程模型辨识算法研究[D].华北电力大学(北京).2019
[2].谢碧霞,孙海蓉,田瑶.基于数据的SecR-PSO算法热工过程辨识[J].计算机仿真.2018
[3].张乐,韦根原.基于遗传算法的热工过程模型辨识[J].科技与创新.2018
[4].邵恩泽.火电机组热工过程辨识与机组负荷优化控制研究[D].东南大学.2018
[5].柯海山.基于改进入侵杂草算法的热工过程辨识[D].华北电力大学(北京).2018
[6].钱磊.基于现场数据的热工过程辨识研究[D].东南大学.2016
[7].刘琛,韩璞,孙明.火电厂热工过程系统辨识方法的研究[J].计算机仿真.2016
[8].章程明,张雨飞.采用改进蚁群算法的热工过程模型参数辨识[J].发电设备.2016
[9].钱磊,雎刚.一种热工过程RBF神经网络模型辨识方法[J].自动化仪表.2016
[10].韦根原,冯新强.热工过程参数的改进逐维黄金分割法辨识[J].热力发电.2015