基于遗传算法的火电厂热工过程模型辨识

针对热工对象的特点及基本遗传算法存在的问题，提出了一种用于热工对象模型辨识的改进遗传算法，有效抑制了算法早熟，提高了算法的全局搜索能力和局部搜索能力。采用MATLAB语言编制了专用的模型辨识软件，对典型热工过程进行了辨识，给出了各种输入下的辨识结果，仿真研究表明，不管对象输入是阶跃信号，还是模拟现场操作的任意信号，都能得到准确的辨识结果，即使输入中含有较大的噪声信号，也可得到准确的传递函数。     

遗传算法在热工对象辨识中的应用

根据热工对象的特点,经验性地将热工对象进行了模型结构分类,采用了一种改进的自适应遗传算法对模型参数进行辨识,在此基础上编制了带有图形用户界面的热工对象MATLAB辨识软件.通过来自电厂SIS系统的实际运行数据对辨识软件进行了验证,结果表明了辨识软件的实用性和有效性.     

模糊量子遗传算法及其在热工过程模型辨识中的应用

针对量子遗传算法(QGA)中旋转变异角相对固定的缺点，将模糊自适应的思想引入QGA, 提出了模糊量子遗传算法(FQGA)。对典型函数测试表明：该方法有效地提高了量子遗传算法的计算精度和收敛速度。同时利用这种模糊量子遗传算法设计了一种通用的热工对象模型辨识算法，并编制了专用的模型识别软件，对典型热工过程进行辨识，取得了令人满意的效果。最后对某电厂循环流化床锅炉一次风对床温的传递函数进行辨识，结果表明该方法是一种简单易行的辨识算法，具有实用价值。     

一种实数编码的自适应遗传算法及其在热工过程辨识中的应用研究

该文针对传统的遗传算法(GA)难以解决的早熟和局部收敛问题,分析了传统的GA编码策略、选择策略、交叉变异策略和交叉变异概率选择等环节存在的不足,提出一种实数编码、多种算子互相补充和交叉变异概率自适应选择的改进算法.用一个非常复杂的数学函数对新算法进行了测试,结果表明改进算法较之传统GA有效地提高了全局寻优能力.在此基础上将这种改进算法应用于热工过程辨识进行仿真研究,结果表明该方法是有效的,具有一定的应用价值,并且文中所提出的算法和策略具有一般性,很容易运用于其它优化问题.     

量子遗传算法优化RBF神经网络及其在热工辨识中的应用

量子遗传算法是基于量子计算原理的概率优化方法,在量子门更新过程中,旋转角的大小直接影响优化的结果和进化的速度。文中针对模糊量子遗传算法(FQGA)容易导致系统陷入局部最优的缺点,将量子衍生交叉算法的思想引入FQGA,提出了一种新的量子遗传算法。同时利用该方法构造径向基函数神经网络进行非线性系统辨识。其特点是通过这种新的量子遗传算法,实现对RBF神经网络权值、宽度和中心位置等有关参数的估计。其速度快、精度高。通过RBF神经网络有效地完成了对非线性系统的辨识。对典型非线性函数辨识的测试表明：该方法有效地提高了量子遗传算法的计算精度和收敛速度。同时利用该方法设计了一种通用的热工对象模型辨识神经网络算法,编制了专用的模型识别软件,对某电厂循环流化床锅炉一次风对床温的动态特性进行辨识,结果表明该方法是一种精度比较高的辨识算法。     

基于标准粒子群算法对热工模型的辨识

针对热工系统建模中的模型辨识问题,采用标准粒子群算法去辨识热工系统的模型;介绍了粒子群算法和标准粒子群算法的基本思想,以及利用标准粒子群算法进行系统辨识的基本原理与计算方法,并且利用Matlab数学工具对该方法在火电厂生产过程中蒸汽变化量对汽包水位的影响的传递函数,以及送风量和引风量变化对炉膛负压影响的传递函数的系统辨识进行了仿真研究,得到了这两个系统的数学模型,仿真结果显示所得的这两个数学模型与实际的现场数据有一定的吻合性,对火电厂热工系统的研究以及运行操作人员具有一定的指导意义。     

微机热工过程模型的辨识与应用

用微机对热工过程模型进行辨识，不仅能快速准确地求取热工过程的教学模型，还能对控制系统寻优整定，这为大型火电机组热工自动控制系统的设计、调试提供了新的手段，可促进自动控制系统快速、高效、安全、可靠投入运行。     

采用改进蚁群算法的热工过程模型参数辨识

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。     

基于遗传单纯形混合算法的热工过程参数辨识

热工过程参数辨识是热工自动化领域的重要课题之一。针对热工对象的特点,利用遗传算法全局搜索能力强,单纯形算法收敛速度快、局部搜索能力强的特点,引入遗传-单纯形混合算法对典型热工过程数学模型进行参数辨识。编写Matlab程序进行仿真实验,通过描绘典型阶跃信号输入和其他任意信号输入下的响应曲线,并与已有文献中的辨识结果进行比较来验证参数辨识的精度。仿真实验表明,这种方法有效地解决了单纯形初值设置不当容易导致寻优失败的问题,克服了遗传算法寻优结果随机、分散的缺点,提高了搜索空间的广度和深度,能够得到精确的辨识结果。     

基于粒子群算法的火电厂热工过程模型辨识

针对火电厂热工过程对象的特点及传统模型辨识的缺陷,将粒子群算法应用于热工过程模型的辨识,并在实现方法、参数选取等方面进行了改进,提高了辨识的精确性与快速性。通过仿真数据及以某台300MW机组锅炉烟气挡板控制为对象,对再热蒸汽温度系统进行辨识,证明了该方法的有效性和可靠性。     

遗传算法在发电机励磁系统参数辨识中的应用

利用遗传算法所具有的自学习能力和非线性特性,解决励磁系统中非线性环节的辨识问题。通过建立待辨识励磁系统的模型,以励磁系统的实际输入作为模型的输入,利用遗传算法对模型参数进行优化,最终得到满足励磁系统建模要求的参数。用MATALAB下的仿真结果和现场试验结果进行对比,表明该算法能够较准确地辨识出励磁系统各个环节的参数。     

基于遗传算法的自适应模糊控制器在热力系统中的应用

针对热力系统的非线性特性,采用RBF神经网络进行被控对象的动态特性模型辨识,设计了评价模糊控制器控制性能的FITAE指标;采用遗传算法优化模糊控制器参数,来优化比例因子和控制规则表,并采用二阶段优化策略:首先只优化比例因子,得到一组次优的模糊控制器参数;然后优化比例因子和控制规则表,得到优化的模糊控制器参数。     

基于神经网络剪枝算法的热工过程模型辨识研究

提出了一种基于神经网络剪枝算法的过程模型辨识方法,该方法可解决模型辨识中确定模型阶次困难的问题。首先提出了一种基于灵敏度的神经网络剪枝算法,并将其应用于热工过程神经网络模型的辨识。仿真结果表明,所提出的基于神经网络剪枝算法的模型辨识方法是有效的。     

基于遗传算法的感应电动机稳态模型参数辨识

介绍了感应电动机传统的参数测试与识别方法,提出了基于遗传算法的感应电动机稳态模型参数辨识方法,利用实际所测的电动机电流和转速数据,结合感应电动机稳态模型电流特性方程,通过遗传算法进行曲线拟合得到电机稳态模型电流特性曲线及电机稳态模型各参数值。试验证明该设计参数辨识方法与传统测试方法相比,准确性和精度都有较大的提高,进一步验证了该设计方法的可行性和有效性。     

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。     

基于SQL数据结构的火电厂DCS培训网络系统设计

分析国内外远程教育的现状及发展趋势,并针对电力系统电厂DCS发展趋势产生建立网络教学电力培训系统的设想,从拓展应用的角度分析网络教学需要解决的问题,并实施一些解决方案,前台开发选择了基于国内流行的IIS+ASP技术的网站开发方案,后台选择适合中小型网站开发的SQL数据库。探讨了教学电力培训系统要实现的功能以及电力培训系统设计和开发的思路和总体,还介绍了建立电力培训系统网站时的关键性技术与后期发布网站时要做的详细工作,并提出如何利用数据挖掘来整合教学评价结果的思想。