【摘要】：熱工大慣性對象的模型辨識(shí)是研究熱工控制問題的基礎(chǔ),確定模型的結(jié)構(gòu)和參數(shù)是進(jìn)行控制系統(tǒng)設(shè)計(jì)、調(diào)試和投運(yùn)的重要一環(huán)。在確定或辨識(shí)出對象模型之后,可以對實(shí)際控制系統(tǒng)進(jìn)行富有針對性的參數(shù)優(yōu)化,有效提升控制系統(tǒng)的質(zhì)量和效率,保障生產(chǎn)過程的安全。本文以模型辨識(shí)技術(shù)、PID參數(shù)優(yōu)化技術(shù)為背景,以典型的熱工大慣性對象的實(shí)際運(yùn)行數(shù)據(jù)為依據(jù),采用改進(jìn)粒子群算法對熱工對象進(jìn)行辨識(shí),分析影響系統(tǒng)辨識(shí)結(jié)果的主要因素以及在辨識(shí)過程中應(yīng)注意的問題,利用辨識(shí)結(jié)果實(shí)現(xiàn)PID控制器參數(shù)的優(yōu)化。采用PSO算法對熱工對象進(jìn)行模型辨識(shí)具有速度快、靈活方便的特點(diǎn)。但PSO算法存在易陷入局部最優(yōu)解、易早熟及搜索精度不高等問題,因此需要在PSO算法的基礎(chǔ)上,研究對該算法改進(jìn)與提高的方法。首先,在PSO中引入混沌搜索和模擬退火思想,使算法有更好的多樣性和跳出局部最優(yōu)的能力。其次,結(jié)合細(xì)菌趨化算法,引入排斥操作,用以增強(qiáng)粒子的搜索能力。用典型函數(shù)對改進(jìn)后的算法進(jìn)行驗(yàn)證,可以看出:算法的收斂性、穩(wěn)定性及全局搜索能力得到了明顯改善。根據(jù)對熱工模型結(jié)構(gòu)的認(rèn)識(shí),將改進(jìn)粒子群算法用于單入單出的實(shí)驗(yàn)室鍋爐溫度對象和多入單出的超超臨界鍋爐主蒸汽溫度對象的模型辨識(shí)中,并對幾種改進(jìn)算法的辨識(shí)結(jié)果進(jìn)行分析和對比,結(jié)果表明:針對不同的熱工控制系統(tǒng),細(xì)菌趨化粒子群算法的適應(yīng)能力更好,辨識(shí)所得的模型更精確。
[Abstract]:The model identification of large inertia object is the basis of studying the thermal control problem. Determining the structure and parameters of the model is an important part of the design, debugging and commissioning of the control system. After the object model is determined or identified, the actual control system can be optimized for parameters, which can effectively improve the quality and efficiency of the control system and ensure the safety of the production process. In this paper, based on the model identification technology and pid parameter optimization technology, based on the actual operation data of typical large inertia thermal engineering object, the improved particle swarm optimization algorithm is used to identify the thermal object. The main factors affecting the system identification results and the problems that should be paid attention to in the identification process are analyzed. The parameters of the PID controller are optimized by using the identification results. The model identification of thermal objects using PSO algorithm has the advantages of high speed, flexibility and convenience. However, PSO algorithm is easy to fall into local optimal solution, easy to prematurity and low searching precision. Therefore, it is necessary to study the method of improving and improving the algorithm based on PSO algorithm. Firstly, chaotic search and simulated annealing are introduced into PSO, which makes the algorithm have better diversity and the ability to jump out of the local optimum. Secondly, combined with bacterial chemotaxis algorithm, repulsive operation is introduced to enhance the searching ability of particles. The improved algorithm is verified by the typical function, and the convergence, stability and global search ability of the algorithm are obviously improved. Based on the understanding of the structure of the thermal model, the improved particle swarm optimization algorithm is applied to the model identification of the temperature object of the laboratory boiler and the main steam temperature object of the supercritical boiler with multiple input and single output. The identification results of several improved algorithms are analyzed and compared. The results show that the bacterial chemoattractant particle swarm optimization algorithm has better adaptability and more accurate identification model for different thermal control systems.
【學(xué)位授予單位】：上海電力學(xué)院
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TM621

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 盧曉玲;馬平;;基于粒子群算法的超臨界機(jī)組給水系統(tǒng)模型辨識(shí)[J];華電技術(shù);2015年01期

2 侯曉寧;孫海蓉;;基于現(xiàn)場數(shù)據(jù)和PSO算法的機(jī)組主汽溫系統(tǒng)辨識(shí)[J];計(jì)算機(jī)仿真;2014年12期

3 韋根原;趙鵬旭;韓璞;;基于混沌粒子群算法的火電機(jī)組熱工過程辨識(shí)方法[J];熱力發(fā)電;2014年10期

4 薛曉岑;向文國;呂劍虹;;基于差分進(jìn)化與RBF神經(jīng)網(wǎng)絡(luò)的熱工過程辨識(shí)[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年04期

5 楊偉新;張曉森;;粒子群優(yōu)化算法綜述[J];甘肅科技;2012年05期

6 劉長平;葉春明;;基于邏輯自映射的變尺度混沌粒子群優(yōu)化算法[J];計(jì)算機(jī)應(yīng)用研究;2011年08期

7 趙志剛;常成;;自適應(yīng)混沌粒子群優(yōu)化算法[J];計(jì)算機(jī)工程;2011年15期

8 李巖;王東風(fēng);焦嵩鳴;韓璞;;采用微分進(jìn)化算法和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的熱工過程模型辨識(shí)[J];中國電機(jī)工程學(xué)報(bào);2010年08期

9 田東平;;基于Tent混沌序列的粒子群優(yōu)化算法[J];計(jì)算機(jī)工程;2010年04期

10 李攀峰;楊晨;;基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的熱工過程模型辨識(shí)[J];重慶大學(xué)學(xué)報(bào);2009年09期

相關(guān)博士學(xué)位論文 前1條

1 孫劍;大型循環(huán)流化床鍋爐燃燒系統(tǒng)特性與建模研究[D];華北電力大學(xué)（北京）;2010年

相關(guān)碩士學(xué)位論文 前10條

1 彭岱;細(xì)菌覓食優(yōu)化算法研究及其應(yīng)用[D];沈陽理工大學(xué);2015年

2 朱波;蟻群算法在1000MW火電機(jī)組模型辨識(shí)中的應(yīng)用[D];華北電力大學(xué);2014年

3 馬磊;粒子群算法在1000MW火電機(jī)組模型辨識(shí)中的應(yīng)用[D];華北電力大學(xué);2014年

4 黃金山;基于和聲搜索算法的主汽溫控制系統(tǒng)的建模與優(yōu)化[D];華北電力大學(xué);2014年

5 謝秀華;基于改進(jìn)粒子群優(yōu)化算法的聚類算法研究[D];廣西大學(xué);2013年

6 丁滿;大型火電機(jī)組建模與驗(yàn)?zāi)７椒ǖ难芯縖D];華北電力大學(xué);2013年

7 袁世通;1000MW超超臨界機(jī)組燃燒系統(tǒng)建模研究[D];華北電力大學(xué);2011年

8 時(shí)樂;基于遺傳算法的熱工過程辨識(shí)[D];華北電力大學(xué)（河北）;2009年

9 高磊;室溫PID控制實(shí)驗(yàn)系統(tǒng)的研究[D];天津大學(xué);2008年

10 李欣欣;具有分工特征的蟻群算法及其在熱工控制系統(tǒng)中的應(yīng)用[D];華北電力大學(xué)（北京）;2008年

，

本文編號(hào)：2183032