基于神經(jīng)網(wǎng)絡(luò)建模和粒子群優(yōu)化的鍋爐汽溫控制研究畢業(yè)論文-資料下載頁(yè)
2025-06-30 11:42本頁(yè)面
【導(dǎo)讀】安全、經(jīng)濟(jì)運(yùn)行的重要參數(shù)之一。過(guò)熱器出口溫度是全廠工質(zhì)溫度的最高點(diǎn)，也是金屬壁溫度的。機(jī)的排氣濕度，進(jìn)而影響汽輪機(jī)的安全。所以過(guò)熱蒸汽溫度過(guò)高、過(guò)低都會(huì)對(duì)機(jī)組的安全經(jīng)濟(jì)運(yùn)。行構(gòu)成威脅，一般要求過(guò)熱蒸汽溫度維持額定值，偏差在-5℃～+5℃范圍。鍋爐運(yùn)行過(guò)程中，影響蒸汽溫度變化的因素很多，可分為兩種：來(lái)自蒸汽側(cè)和煙氣側(cè)。送風(fēng)量、受熱面清潔程度、燃燒器運(yùn)行方式等。取非常有效的調(diào)溫措施才能保證汽溫符合要求。在此基礎(chǔ)上，針對(duì)600MW超臨界鍋爐的過(guò)熱汽溫系統(tǒng)，借助MATLAB建立神經(jīng)網(wǎng)絡(luò)模。型，確定控制方案并進(jìn)行詳盡的控制仿真試驗(yàn)。需求，預(yù)計(jì)其需求量將增加到目前的七倍。穩(wěn)定運(yùn)行，必須將主蒸汽溫度和過(guò)熱蒸汽溫度控制在給定值附近，不能過(guò)高或過(guò)低。如果過(guò)熱蒸汽溫度過(guò)高，則過(guò)熱器、蒸汽管道容易損壞，影響使用壽命，如果過(guò)熱蒸汽溫度過(guò)低，則會(huì)降低設(shè)備的熱效率，煤耗增大。
【正文】 另一為全種群迄今找到的最優(yōu)解 gbest。 粒子群算法是一個(gè)非常簡(jiǎn)單的算法，且能夠有效地優(yōu)化各種函數(shù)。從某種程度上說(shuō)，此算法介于遺傳算法和進(jìn)化規(guī)劃之間。此算法非常 依賴于隨機(jī)過(guò)程，這也是和進(jìn)化規(guī)劃相似之處。此算法中朝全 局最優(yōu)和局部最優(yōu)靠近的調(diào)整非常類似以遺傳算法中的交叉算子。此算法還使用了適應(yīng)值的概念，這是所有進(jìn)化計(jì)算方法所共同的特征。 基本算法的數(shù)學(xué)描述 假 設(shè)有 由 M個(gè)粒子組成的群體在 一個(gè) D 維 的搜索 空間 一定的速度飛行。群體中粒子 i在 t 時(shí)刻的位置表示為矢量 xi=(xi1,xi2,? xid)T Xid[Ld,Ud],Ld,Ud 分別為搜索空間的下限和上限； 粒子的速度表示為矢量： 通過(guò)粒子群的目標(biāo)函數(shù)對(duì)粒子的當(dāng)前位置作出評(píng)價(jià)。 第 i 個(gè)粒子在 t 時(shí)刻的個(gè)體極值，即粒子本身到目前為止 搜索到的最優(yōu)解可以表示為 : 11 pBest=(pi1,? pid) ； 全局最優(yōu)值，即 t時(shí)刻 群體所有粒子目前找到的最 優(yōu)解 可以表示為 : gBest=( )。粒子通過(guò)跟蹤這兩個(gè)“極值”，進(jìn)行迭代尋優(yōu)。對(duì)于第 k 次迭代， PSO 中的一個(gè)粒子速度、位置更新是按照下式進(jìn)行變化的： 其中 t表示進(jìn)化的當(dāng)前代數(shù)， 公式 (2一 1)和 (2 一 2)中， v:為粒子個(gè)體 i 第 t次迭代后的飛行速度 。對(duì)為粒子個(gè)體 i 第 t次迭代后的位置矢量 。p、為個(gè)體粒子 i 的迄今為止找到的最好位置尸 bes 幼 p。為整個(gè)種群迄今為止找到的最好位置幾 best。c1 和 c2為加速因子， c1，是用來(lái)調(diào)節(jié)粒子飛向自身 最優(yōu)位置的步長(zhǎng) 。c2則是調(diào)節(jié)粒子飛向全局 最優(yōu)位置的步長(zhǎng)。 一般 c1=c2, 通 常取值為 2 左右。 rand， O 和 ran 叭 O是介于 [0， 1]之間相互獨(dú)立均勻分布的隨機(jī)函數(shù) 。N 為群體中粒子總數(shù)。 在兩維空間搜索時(shí)，粒子根據(jù)公式 (2 一 1)和 (2 一 2)從位置 X‘到 x‘ +1 移動(dòng)的原理如圖 所示。 式 （）主要有三部分組成： 第一部分是粒子先前 速度 的繼承 ，它是由 Shi 和 Eberhart 最先提出。它表示了 粒子對(duì)當(dāng)前 自身運(yùn)動(dòng)狀態(tài)的信任，依據(jù)自身 速度進(jìn)行慣性運(yùn)動(dòng)， 慣性權(quán)重 w 控制著先前 速度帶來(lái)的影響； 第二部分是 “ 認(rèn)知 ” 部分 (Cognition Modal)， 表示粒子本身的思考，即綜合考慮自身以往的經(jīng)歷從而實(shí)現(xiàn)對(duì)下一步?jīng)Q策，這種行為決策便是“認(rèn)知”，它反映的 是 一個(gè)增強(qiáng)學(xué)習(xí)的過(guò)程，從當(dāng)前點(diǎn)指向此粒子自身最好點(diǎn)的一個(gè)矢量，表示粒子的動(dòng)作來(lái)源于自身經(jīng)驗(yàn)的部分； 第三部分為 “ 社會(huì) ” 部分 (Social Modal)， 表示粒子間 的的協(xié)同合作和知識(shí) 共享 。在搜索過(guò)程中粒子在記住自己經(jīng)驗(yàn)的同時(shí)也考慮同伴的經(jīng)驗(yàn)，當(dāng)單個(gè)的粒子察覺(jué) 到同伴的經(jīng)驗(yàn)較好時(shí)，它將進(jìn)行適應(yīng)性的調(diào)整，以達(dá)到一致認(rèn)知的過(guò)程 。 以上 三個(gè)部分共同決定了粒子的空間搜索能力。第一部分起到了平衡全局和局部搜索的能力。第二部分使粒子有了足夠強(qiáng)的全局搜索能力，避免局部極小。第三部分體現(xiàn)了粒子間的信息共享。在這三部分的共同作用下粒子才能有效的到達(dá)最好位置。 算法的基本步驟 粒子群算法的主要步驟如下 : 第一步 :初始化。 設(shè)定 PSO 算法中設(shè)計(jì)的各類參數(shù)：搜索空間的上限和下限 Ud 和 Ld，學(xué)習(xí)因子 c1c2，算法最大迭代次數(shù) Tmax 或收斂精度，粒子速度范圍 [vmin,vmax]；隨機(jī)初始化搜索點(diǎn)的位置 xi,及其速度 vi，設(shè)當(dāng)前位置即為 每個(gè)粒子的 pi，從個(gè)體極值找到全局極值，記錄該最好的粒子序號(hào) g及其位置 Pg。 第二步 :評(píng)價(jià) 每一個(gè) 粒子。 計(jì)算粒子的適應(yīng)值，如果好于該粒子當(dāng)前的個(gè)體極值，則將 pi設(shè)置為該粒子的位置，且更新個(gè)體極值。如果所有粒子的個(gè)體極值中最好的好于當(dāng)前的全局極值，則將 pg設(shè)置為該粒子的位置，更新全局極值及其序號(hào) g。 第三步 :更新最優(yōu)。 l) 比較粒子適應(yīng)度值與它的個(gè)體歷史最優(yōu)值 pbest，如果優(yōu)于 pbest，則用當(dāng)前粒子位置更新 pbest 位置 ； 12 2) 比較粒子適應(yīng)度值與群體全體最優(yōu)值 gbest，如果目前值好于 gbest，則設(shè)置當(dāng)前粒子位置為 gbest 位置。 第四步 :更新粒子。按照式 (10)和 (11)更新粒子的速度和位置 ； 第五步 :檢查是否符合結(jié)束 條件。 如果當(dāng)前的迭代次數(shù)達(dá)到了預(yù)先設(shè)定的最大次數(shù) Tmax，或最終結(jié)果小于預(yù)定 收斂精度 要求，則停止迭代 ，輸出最優(yōu)值，否則轉(zhuǎn)到第二步。 算法流程 基本 PSO 算法簡(jiǎn)要流程圖如圖 所示。 粒 子 適 應(yīng) 度 值 計(jì) 算位 置 更 新粒 子 適 應(yīng) 度 值 計(jì) 算個(gè) 體 極 值 和 群 體 極 值 更 新結(jié) 束滿 足 終止 條 件尋 找 個(gè) 體 極 值 和 群 體 極 值NY粒 子 位 置 和 速 度 初 始 化 1 參考文獻(xiàn)： [1]丁利 ,樓波 .過(guò)熱蒸汽溫度變化對(duì)鍋 爐 經(jīng)濟(jì)和安全影響研究 .節(jié)能技 術(shù) ,20xx,28(162): 294299 [2] 曾漢才 .關(guān)于超超界壓力鍋爐的若干問(wèn)題 .鍋爐制造， 20xx,4:177178 [3] 李永超 .小波神經(jīng)網(wǎng)絡(luò)理論及其在過(guò)熱汽溫控制中的應(yīng)用研究 [M].太原理工大學(xué)， 20xx [4] [5] [6] [7] [8] gtwgwtg[9]32sasdfgfgw
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1