基于免疫優(yōu)化算法的熱工過程模糊建模和控制方法研究.pdf

1、熱工過程的自動控制是保證發(fā)電機(jī)組熱力設(shè)備安全經(jīng)濟(jì)運(yùn)行的必要措施，建立精確的熱工過程整體模型是對熱工過程進(jìn)行全局優(yōu)化控制的基礎(chǔ)。但由于熱工過程具有非線性和不確定性等復(fù)雜特性，傳統(tǒng)方法難以建立可精確表達(dá)熱工過程的非線性模型及實(shí)施整體優(yōu)化控制。為此，有必要對一些先進(jìn)的非線性建模與控制方法進(jìn)行深入的研究，將其應(yīng)用于熱工過程以有效地提高機(jī)組的安全經(jīng)濟(jì)性。 免疫系統(tǒng)具有免疫記憶、免疫識別、分布性、魯棒自適應(yīng)等特性，將這些免疫機(jī)制引入控制領(lǐng)域

2、，為解決不確定性系統(tǒng)建模和復(fù)雜對象的動態(tài)自適應(yīng)控制等難題提供了一個嶄新的思路。本文將免疫信息處理機(jī)制應(yīng)用于遺傳算法的改進(jìn)、模糊控制優(yōu)化設(shè)計(jì)、模糊聚類建模及非線性預(yù)測控制等方面，解決了復(fù)雜系統(tǒng)非線性建模和控制中的一些難題，并對電廠熱工過程如汽溫系統(tǒng)、單元機(jī)組負(fù)荷系統(tǒng)等進(jìn)行了仿真研究。本文具體研究內(nèi)容如下：(1)分析了傳統(tǒng)遺傳算法存在的缺陷和成因，在此基礎(chǔ)上，將免疫系統(tǒng)的抗原識別、抗體多樣性、免疫記憶、濃度調(diào)節(jié)等機(jī)制引入遺傳算法中，提出兩種

3、改進(jìn)的免疫遺傳算法(IGA)。一是改進(jìn)型單種群進(jìn)化免疫遺傳算法，它利用一種記憶細(xì)胞精英抗體遺傳策略進(jìn)一步保證了算法的穩(wěn)定性和收斂性；二是多種群進(jìn)化免疫遺傳算法，它將遺傳的競爭過程分為子種群間的競爭和子種群內(nèi)個體間的競爭兩級，能有效解決全局和局部搜索能力間的矛盾。通過對測試函數(shù)的求解，表明文中兩種改進(jìn)型IGA均具有優(yōu)良的的尋優(yōu)特性。 (2)提出了一種基于免疫遺傳算法的模糊控制器優(yōu)化設(shè)計(jì)方法。在模糊規(guī)則和隸屬度函數(shù)參數(shù)聯(lián)合編碼基礎(chǔ)上

4、，通過改進(jìn)的免疫遺傳算法實(shí)現(xiàn)模糊控制器參數(shù)的同步優(yōu)化。以過熱汽溫控制系統(tǒng)為例進(jìn)行了仿真試驗(yàn)，結(jié)果表明采用改進(jìn)的免疫遺傳算法優(yōu)化模糊控制，可以克服傳統(tǒng)遺傳算法存在的缺陷，保證更快更穩(wěn)地搜索到最優(yōu)的規(guī)則庫和隸屬函數(shù)，優(yōu)化后的模糊控制系統(tǒng)具有很好的控制效果。 (3)提出一種新型動態(tài)免疫進(jìn)化聚類算法以克服傳統(tǒng)模糊聚類建模方法須事先確定規(guī)則數(shù)的缺陷。它通過改進(jìn)的遺傳策略來優(yōu)化染色體長度以實(shí)現(xiàn)聚類個數(shù)全局尋優(yōu)，同時利用模糊C-均值(FCM)

5、聚類算法加快聚類中心參數(shù)的收斂；此外，通過引入免疫系統(tǒng)的記憶功能和疫苗接種機(jī)理，新算法得以快速穩(wěn)定地收斂到最優(yōu)解。利用這種高效的動態(tài)聚類算法辨識模糊模型，可以同時得到合適的模糊規(guī)則數(shù)和準(zhǔn)確的前提參數(shù)。對經(jīng)典實(shí)例進(jìn)行的仿真計(jì)算驗(yàn)證了這種模糊聚類建模方法的有效性。將其用于建立熱工過程的非線性模糊模型，不需要預(yù)先指定模型的規(guī)則數(shù)，計(jì)算量較小，而且所辨識模型精度高，從而為熱工過程的整體優(yōu)化控制奠定了模型基礎(chǔ)。 (4)提出了一種基于模糊模