基于現(xiàn)場數(shù)據(jù)的熱工過程動態(tài)建模及仿真研究.pdf

1、隨著分散控制系統(tǒng)和管理信息系統(tǒng)在發(fā)電企業(yè)中的廣泛使用,火電機(jī)組實時運行數(shù)據(jù)的獲取變得越來越方便。研究如何利用這些已有的現(xiàn)場數(shù)據(jù)去建立熱工過程的模型,具有重要的實際意義。本文以神經(jīng)網(wǎng)絡(luò)辨識為主,以現(xiàn)場數(shù)據(jù)為依據(jù),研究了神經(jīng)網(wǎng)絡(luò)在熱工過程模型辨識中的應(yīng)用。
　　 在仿真環(huán)境下,分析了不同辨識用輸入信號下BP網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)的辨識效果。仿真試驗表明,逆M序列下神經(jīng)網(wǎng)絡(luò)的辨識效果最好,正弦信號次之,階躍信號最差；試驗還表明,BP網(wǎng)絡(luò)更適

2、合來作為基于現(xiàn)場數(shù)據(jù)建模的工具。為了提高神經(jīng)網(wǎng)絡(luò)的泛化能力,引入了貝葉斯正則化方法和神經(jīng)網(wǎng)絡(luò)集成方法。試驗結(jié)果表明貝葉斯正則化方法可以顯著得提高BP網(wǎng)絡(luò)的泛化能力,可以作為基于現(xiàn)場數(shù)據(jù)建模的主要學(xué)習(xí)算法；集成網(wǎng)絡(luò)的測試誤差要小于大部分子網(wǎng)的測試誤差,神經(jīng)網(wǎng)絡(luò)集成方法可以在一定程度上提高神經(jīng)網(wǎng)絡(luò)的泛化能力。針對現(xiàn)場運行數(shù)據(jù)的特點,使用歸一化方法對數(shù)據(jù)進(jìn)行預(yù)處理,使用主元分析法來分析影響主要監(jiān)控變量變化的主導(dǎo)因素。
　　 采用以上理