导读:本文包含了热工过程模型论文开题报告文献综述及选题提纲参考文献，主要关键词:火电厂,遗传算法,模型辨识,热工过程
热工过程模型论文文献综述
张乐,韦根原[1]（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）
任少君[2]（2018）在《热工过程海量数据流模型分析及诊断方法研究》一文中研究指出热工过程中的故障不仅会影响机组的发电效率,而且可能引发严重的设备事故、机组非停和环境污染。故障诊断技术能够及时发现并消除生产运行过程中的异常状态,已成为提高热工过程安全性和可靠性的一项重要途径。热工过程实时数据流不但为过程监控提供信息基础,所形成海量历史数据也为过程的诊断与分析提供了基础条件,在此基础上开展的数据建模及诊断方法研究具有重要的现实意义和工程实用价值。本文围绕热工过程数据驱动建模与过程诊断方法开展研究工作,主要研究内容如下:(1)提出了一种基于MITNN(Modified input training neural network)的非线性建模方法,该方法采用NAG(Nesterov’s accelerated gradient algorithm)方法建立了高效的动量因子和学习率自适应调整机制,有效提高了常规ITNN(Input training neural network)模型的训练速率和训练精度。(2)针对数据驱动建模过程中的“过拟合”问题,提出了一种新的融合过程先验知识的FITNN(Fusion input training neural network)非线性建模方法,建立了拉格朗日罚函数法约束处理机制,采用等式、不等式、单调性和凹凸性约束等数学形式将机理先验知识嵌入到网络训练过程中,通过NAG方法完成网络权值优化。进一步引入松弛变量扩大了罚函数的优化空间,有效降低了网络权重的寻优难度。通过仿真算例和工程算例说明所提算法的有效性。(3)针对故障诊断过程中的“残差污染”问题,提出了一种基于重构神经网络的非线性系统故障诊断方法,将预设故障方向引入到常规AANN(Auto-associative neural network)和ITNN两种方法的诊断过程中,分别建立了AANN和ITNN模型的重构指数计算公式,通过分析不同预设故障方向下的重构指数来定位故障点位置。文中进一步给出了基于RBITNN(Reconstruction-based input training neural network)方法的故障诊断流程,可满足单参数简单故障和多参数复杂故障的诊断要求,仿真算例验证了所提算法的优越性。(4)提出了一种基于协方差矩阵自适应进化策略(Covariance Matrix Adaptation Evolution Strategy,CMA-ES)和分支限界算法的IRBITNN(Improved reconstruction-based input training neural network)故障诊断方法,一方面采用CMA-ES方法取代递推下降方法,提高了RBITNN对单个故障参数组合的重构效率,另一方面建立了RBITNN重构指数与预设故障参数数量的单调性模型,采用分支限界算法方法实现了故障分离过程中的参数组合优化,在确保诊断准确性的前提下显着减少了故障分离时间。将该方法应用于某燃气蒸汽联合循环机组的故障诊断,仿真算例验证了所提方法的有效性,能够满足在线诊断的要求。(本文来源于《东南大学》期刊2018-05-03）
朱红霞,沈炯,李益国[3]（2016）在《基于满意模糊聚类的热工过程多模型建模方法》一文中研究指出由于热工过程往往具有非线性和不确定性,传统的线性建模方法难以精确表达其复杂特性。因此提出一种改进的基于满意模糊聚类的多模型建模方法。该方法不需要预先指定局部模型的个数即聚类数,它基于样本协方差矩阵的奇异值分解来确定初始聚类中心和新增聚类中心,并利用聚类有效性指标结合建模精确度要求来确定最佳聚类数。根据聚类结果可快速确定出局部模型网络的模型结构参数,进而采用基于加权性能指标的多模型辨识算法可得到各局部模型参数。对两个典型非线性系统和Bell-strm锅炉-汽轮机系统的建模结果表明,这种多模型建模方法具有辨识精确度高、子模型数少等优点。(本文来源于《电机与控制学报》期刊2016年10期）
章程明,张雨飞[4]（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[5]（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）
朱红霞[6]（2015）在《基于多模型的热工过程先进控制策略研究》一文中研究指出由于现代火电机组规模不断扩大,且参与电网调峰日趋频繁,电厂热工过程的特性越来越复杂,主要表现在：非线性、多变量耦合、大时滞、控制受约束、未知干扰因素多。传统的线性控制方法在面对这样的复杂对象时一般难以取得良好的控制效果。为此,本文利用多模型策略应对热力系统大范围变工况运行带来的非线性,基于此设计了几种适用于复杂热工过程的先进控制策略,以进一步提高火电厂热力系统的控制品质。本文的主要内容包括：(1)以局部模型网络作为非线性系统的多模型描述形式,提出了一种改进的基于满意模糊聚类的多模型建模方法。该方法不需要预先指定局部模型的个数即聚类数,它基于样本协方差矩阵的奇异值分解来确定初始聚类中心,并利用聚类有效性指标结合建模精度要求来确定最佳聚类数。根据聚类结果可快速确定出局部模型网络(LMN)的模型结构参数,进而采用基于加权性能指标的多模型辨识算法可得到各局部模型参数。对Bell-Astrom锅炉-汽轮机系统的建模结果表明,这种多模型建模方法具有辨识精度高、子模型数少和计算量小等优点。(2)基于局部模型网络设计了两种先进的多模型预测控制策略,即考虑局部模型有效域约束的控制器加权型多模型预测控制(CWMMPC)和基于免疫遗传算法(IGA)优化的模型加权型多模型预测控制(MWMMPC)。第一种控制策略,直接以模型的调度函数值作为控制器的加权值,在设计局部预测控制器时,将局部模型的有效域约束加入到控制律优化求解过程中,避免了因局部模型在整个预测时域内失效导致局部控制量不准确而引起的控制品质下降。第二种控制策略,将离线辨识到的LMN全局模型作为时变预测模型,利用改进后的IGA直接对引入终端代价函数的预测控制性能指标进行有限时域优化,给出最优的控制量；通过利用局部镇定控制器和终端代价函数,可以在确保稳定性和不影响控制品质的情况下,有效缩短预测时域,减小在线计算量。通过对多变量Bell-Astrom锅炉-汽轮机系统以及500MW单元机组负荷系统的仿真试验,分别验证了这两种多模型预测控制策略的优越性能。(3)针对热工过程中存在的各种不可测扰动,设计了一种改进的扰动观测器,并提出了一种基于改进扰动观测器的多模型预测控制(MDOB-MMPC)。局部控制器采用的是一种复合控制策略,即首先利用改进的扰动观测器得到不可测扰动的估计值,然后利用该扰动估计值进行前馈补偿,使受扰被控对象具有与标称对象相似的控制特性；反馈通道的MPC控制律根据标称对象设计,通过在约束处理部分引入前馈补偿信号,可确保系统满足控制约束条件。针对锅炉过热汽温对象的仿真试验结果表明,采用该控制策略的系统对工况变化适应能力强,且能有效抑制各种不可测扰动。(4)针对大惯性、大滞后热工过程因大范围变工况带来的非线性及因煤种变化、环境条件改变和模型简化等带来的不确定性,设计了一种简单易实现的多模型预估滑模控制(MMPSMC)。局部控制器采用的是一种便于运行人员理解和工程实现的基于二阶加纯滞后(SOPDT)模型的预估滑模控制方案,即首先基于标称工况下辨识得到的SOPDT模型构建一个无迟延输出预估模型用于过程输出值的预测,然后通过合理设计滑模函数和不确定上界自适应估计的滑模控制律使得具有不确定性的闭环系统能在任何外扰的作用下保持渐进稳定。针对循环流化床(CFB)锅炉床温对象的仿真试验结果表明,采用该控制策略的系统在大范围工况内均具有调节速度快、超调量小的特点和良好的抗干扰能力。(本文来源于《东南大学》期刊2015-12-15）
柳善建[7]（2015）在《基于仿射模糊模型的复杂热工过程跟踪控制方法研究》一文中研究指出许多复杂非线性热工过程被控对象都具有多变量耦合、时滞、参数变动等动态特性,传统的PID控制方法在遇到工况大范围快速变动时,闭环系统的控制效果往往较差,自适应能力较弱。而目前许多先进控制算法在热工过程中的成功应用,都需要建立在被控对象较精确模型的基础之上,其中保证闭环控制系统稳定,是进行控制系统设计的必要前提。Takagi-Sugeno(T-S)模糊模型具有良好的非线性逼近能力,模糊控制器是通过将每个局部控制器的输出进行加权“聚合”而成,从而系统在进行大范围工况变动时,控制器的输出能够实现平滑无抖振,容易保证闭环系统的控制性能。T-S模糊模型根据后件部分是否含有仿射项,可分为“仿射模糊模型”和“齐次模糊模型”两大类。相较于常规的齐次模糊模型,仿射模糊模型由于仿射项的存在,可以表达更多的模型动态信息,因此可以更好地描述原非线性被控对象的特性。论文针对复杂非线性热工对象的特点,基于被控对象的仿射模糊模型研究了保稳定跟踪控制器的设计方法,主要研究内容如下：1、分别针对近似线性化和数据辨识两种方法,探讨了仿射模糊模型研究的意义。得出：当对非线性对象的数学机理模型进行近似线性化得到T-S模糊模型时,只有先将所有局部子模型都置于同一坐标基底下,才能通过隶属度函数进行平滑连接,而此时在非坐标原点,即便是平衡点,模糊子模型中一般也是含有仿射项的。另外通过对一过热汽温系统的数据辨识得知,当采用相同辨识方法和模糊规则时,仿射模糊模型的精度要比齐次模糊模型的高。针对目前连续/离散仿射模糊模型稳定性分析的两种常见方法,即是否将模型后件部分中的仿射项处理进系数矩阵中,基于模糊Lyapunov函数进行自治系统的稳定性分析。为减少稳定性判据中线性矩阵不等式(LMIs)的个数,提出了“仿射最大交迭规则组”和“仿射有效规则组集”的概念,并通过算例对所得判据的保守性进行对比。其中,采用将仿射项扩增进系数矩阵的方法而得到的判据的保守性较强,不利于保稳定控制器的设计。2、针对非线性对象的离散仿射模糊模型,不采用将仿射项处理进系数矩阵的方法,利用并行分配补偿(PDC)技术设计保稳定控制器。基于模糊Lyapunov函数进行闭环控制系统的稳定性分析,并引入S-procedure减小判据的保守性。得到的稳定性判据是一系列双线性矩阵不等式(BMIs),借鉴迭代求解法的思想,提出了BMI方程的求解算法。在此基础上,针对大型发电机组在跟踪电网AGC指令时,存在外部干扰因素较多会影响控制效果的问题,设计了一套H∞跟踪控制系统。并将风跟踪控制问题归结于一个最优化问题的求解,在保证闭环系统稳定的同时,达到对外部有界扰动的有效抑制,提出了相应的BMI求解算法。将设计的模糊跟踪控制器用于机炉协调系统的目标值跟踪,仿真结果表明：闭环控制系统能够最终逼近设定目标值,但如果系统存在控制量的升降速率限制,那么在跟踪过程中容易造成调节时间变长,超调量变大,控制阀门的动作幅度和频率也变大,且不易通过调整控制器设计参数来改变控制效果,说明所得稳定性判据的保守性相对较大。3、针对火电机组运行过程中,因机组用煤品质多变、设备老化磨损等原因,容易造成对象参数发生较大变动的问题,基于对象的仿射模糊不确定参数模型设计保稳定跟踪控制器。首先将一般的仿射模糊模型处理成广义系统形式,然后基于广义模糊Lyapunov函数进行闭环系统的稳定性分析,并引入S-procedure来减小判据的保守性,得到了LMI形式的稳定性判据,这样就避免上述难以处理的BMI求解问题,从而可以直接利用LMI工具箱进行求解。在上述基础上设计保稳定保性能跟踪控制器,选用了一类能够得到较弱保守性判据的跟踪控制器形式,并对二次性能指标和模糊Lyapunov函数的形式进行改进,得到满足跟踪性能指标的闭环控制系统稳定性判据。将上述跟踪控制器设计方法用于Bell-Astrom机炉协调系统的AGC指令跟踪过程中,仿真算例表明：可通过选取合适的跟踪控制器增益来得到较好的跟踪效果,稳定性判据的保守性大大减弱。4、针对控制过程中的执行器约束问题,采用预测控制方法来进行处理。首先基于上述广义系统方法,得到离散仿射模糊控制系统的稳定性判据,并引入S-procedure减小判据的保守性。在此基础上,结合稳定预测控制的理论,得出无穷时域系统稳定的判据,满足执行器约束的控制率问题归结为对一组有约束LMIs方程的求解,将所得控制率用于连续搅拌反应器系统(CSTR)的仿真实验中,结果表明闭环控制系统能够快速、稳定地跟踪设定目标值的变化,并且控制量在规定范围内变动,因此具有较好的跟踪控制效果。(本文来源于《东南大学》期刊2015-05-28）
陈智轩[8]（2013）在《模型参考自适应控制方法的研究及其在热工过程控制中的应用》一文中研究指出本文首先研究了一类有界干扰和未建模动态影响下的直接模型参考自适应控制算法。考虑单输入单输出对象,给出Narendra提出的稳定自适应方案在具有未建模动态下的误差模型。重新选择了一个李亚普诺夫函数,根据李亚普诺夫稳定性理论,采用启发式的思路,推导出适合对象具有未建模动态情况下的自适应规律。将提出的模型参考自适应控制方法应用在大规模连续生产过程常见的重要设备,工业锅炉和蒸发器的整体控制上。先进控制算法比较复杂,计算代价比较大,要在一个采样周期内完成输出量的计算,就不能采用太高的采样速率。工业锅炉和蒸发器都是多变量、强耦合、非线性、纯滞后的复杂系统,但是这类对象的参数变化往往相对缓慢,因此非常适合用来验证各类新型的先进算法。本文的被控对象是高精度半实物仿真实验系统SMPT-100,以西门子PCS7系统和S7-400PLC组成控制系统,完成了控制系统的组态。负荷变动下的运行情况显示连续时间模型参考自适应控制可以应用计算机进行闭环控制,热量与工质循环正常,燃烧稳定。实验结果表明模型参考自适应控制能满足过程控制要求。将非线性反馈精确线性化方法和σ修正复合模型参考自适应方法应用于火力发电站单元机组的协调控制。考虑了干扰和系统摄动,分析静态精确反馈线性化解耦的鲁棒性问题,提出利用控制器补偿精确反馈线性化失效的影响。把耦合作为自适应系统的干扰处理,设计了每个回路的σ修正复合模型参考自适应控制器,阐述了根据匹配条件设计参考模型系统矩阵的方法。进行了仿真和对比,表明在同样基于反馈线性化的前提下,6修正复合模型参考自适应方法优于其它现有的方案。(本文来源于《广西大学》期刊2013-06-01）
王守会,杨耀权,闫飞朝,杜之正[9]（2012）在《基于人工智能方法的火电厂热工过程模型辨识》一文中研究指出本文分别采用神经网络和粒子群算法这两种人工智能方法去解决火电厂热工过程模型辨识问题。主要介绍了热工过程的辨识特性,BP网络学习算法及网络权值的附加动量调整规则,给出了标准的粒子群辨识算法,并将两种方法引入热工过程模型辨识。仿真研究表明,两种人工智能方法都能取得较好的辨识效果,对解决火电厂中热工控制系统的辨识问题具有重要的实用价值。(本文来源于《山东电力高等专科学校学报》期刊2012年05期）
李涛永,刘长良,闫华光[10]（2012）在《热工过程数据聚类分析研究及其在模型辨识中的应用》一文中研究指出发电厂热工过程具有非线性、大惯性、大延迟的特性,利用欧式谱系聚类分析方法对热工过程进行工况划分,将热工过程的非线性转化为若干个工况点的线性化问题,并把时间戳属性引入聚类分析的数据矩阵中。利用改进微分进化算法对给煤量设定值、主蒸汽压力的辨识结果表明,聚类分析方法能够提高模型辨识中工况划分的合理性,并且在给煤量设定值阶跃扰动时使负荷相对稳定。根据试验数据辨识得到的模型参数存在差异。(本文来源于《热力发电》期刊2012年06期）
热工过程模型论文开题报告
（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：
热工过程中的故障不仅会影响机组的发电效率,而且可能引发严重的设备事故、机组非停和环境污染。故障诊断技术能够及时发现并消除生产运行过程中的异常状态,已成为提高热工过程安全性和可靠性的一项重要途径。热工过程实时数据流不但为过程监控提供信息基础,所形成海量历史数据也为过程的诊断与分析提供了基础条件,在此基础上开展的数据建模及诊断方法研究具有重要的现实意义和工程实用价值。本文围绕热工过程数据驱动建模与过程诊断方法开展研究工作,主要研究内容如下:(1)提出了一种基于MITNN(Modified input training neural network)的非线性建模方法,该方法采用NAG(Nesterov’s accelerated gradient algorithm)方法建立了高效的动量因子和学习率自适应调整机制,有效提高了常规ITNN(Input training neural network)模型的训练速率和训练精度。(2)针对数据驱动建模过程中的“过拟合”问题,提出了一种新的融合过程先验知识的FITNN(Fusion input training neural network)非线性建模方法,建立了拉格朗日罚函数法约束处理机制,采用等式、不等式、单调性和凹凸性约束等数学形式将机理先验知识嵌入到网络训练过程中,通过NAG方法完成网络权值优化。进一步引入松弛变量扩大了罚函数的优化空间,有效降低了网络权重的寻优难度。通过仿真算例和工程算例说明所提算法的有效性。(3)针对故障诊断过程中的“残差污染”问题,提出了一种基于重构神经网络的非线性系统故障诊断方法,将预设故障方向引入到常规AANN(Auto-associative neural network)和ITNN两种方法的诊断过程中,分别建立了AANN和ITNN模型的重构指数计算公式,通过分析不同预设故障方向下的重构指数来定位故障点位置。文中进一步给出了基于RBITNN(Reconstruction-based input training neural network)方法的故障诊断流程,可满足单参数简单故障和多参数复杂故障的诊断要求,仿真算例验证了所提算法的优越性。(4)提出了一种基于协方差矩阵自适应进化策略(Covariance Matrix Adaptation Evolution Strategy,CMA-ES)和分支限界算法的IRBITNN(Improved reconstruction-based input training neural network)故障诊断方法,一方面采用CMA-ES方法取代递推下降方法,提高了RBITNN对单个故障参数组合的重构效率,另一方面建立了RBITNN重构指数与预设故障参数数量的单调性模型,采用分支限界算法方法实现了故障分离过程中的参数组合优化,在确保诊断准确性的前提下显着减少了故障分离时间。将该方法应用于某燃气蒸汽联合循环机组的故障诊断,仿真算例验证了所提方法的有效性,能够满足在线诊断的要求。
（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。
热工过程模型论文参考文献
[1].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
[2].任少君.热工过程海量数据流模型分析及诊断方法研究[D].东南大学.2018
[3].朱红霞,沈炯,李益国.基于满意模糊聚类的热工过程多模型建模方法[J].电机与控制学报.2016
[4].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
[5].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
[6].朱红霞.基于多模型的热工过程先进控制策略研究[D].东南大学.2015
[7].柳善建.基于仿射模糊模型的复杂热工过程跟踪控制方法研究[D].东南大学.2015
[8].陈智轩.模型参考自适应控制方法的研究及其在热工过程控制中的应用[D].广西大学.2013
[9].王守会,杨耀权,闫飞朝,杜之正.基于人工智能方法的火电厂热工过程模型辨识[J].山东电力高等专科学校学报.2012
[10].李涛永,刘长良,闫华光.热工过程数据聚类分析研究及其在模型辨识中的应用[J].热力发电.2012