版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、熱力發(fā)電廠作為電力生產(chǎn)企業(yè),不僅生產(chǎn)過程復(fù)雜,而且對(duì)于生產(chǎn)的經(jīng)濟(jì)性和安全性,對(duì)生產(chǎn)過程的控制品質(zhì)要求都較高。但是,由于現(xiàn)代熱力發(fā)電設(shè)備向著大容量,高參數(shù)的方向發(fā)展,機(jī)組設(shè)備越來越復(fù)雜,一些設(shè)備的具體特性很難用數(shù)據(jù)模型描述出來或者其特性隨著機(jī)組工況的變化會(huì)發(fā)生變化,傳統(tǒng)的控制方法在很多情況下無法有效地應(yīng)用于生產(chǎn)。計(jì)算智能是人們從生物進(jìn)化機(jī)理和一些物理現(xiàn)象中受到啟發(fā),提出的許多用以解決復(fù)雜優(yōu)化問題的新方法,因其高效的優(yōu)化性能、無需問題特殊信
2、息等優(yōu)點(diǎn),受到各領(lǐng)域廣泛的關(guān)注和應(yīng)用。因此,對(duì)計(jì)算智能進(jìn)行研究并把它們應(yīng)用于發(fā)電廠的熱工系統(tǒng)中,具有理論意義和實(shí)用價(jià)值。 本文在研究BP神經(jīng)網(wǎng)絡(luò)標(biāo)準(zhǔn)算法以及加入動(dòng)量項(xiàng)的改進(jìn)算法的基礎(chǔ)上,將RPROP算法應(yīng)用于BP網(wǎng)絡(luò)的權(quán)值修改。在研究了RBF標(biāo)準(zhǔn)算法的基礎(chǔ)上,對(duì)OLS算法進(jìn)行了介紹并進(jìn)行了仿真研究;設(shè)計(jì)了基于CMAC網(wǎng)絡(luò)的PID—CMAC復(fù)合控制策略;在研究改進(jìn)的Elman網(wǎng)絡(luò)的基礎(chǔ)上提出了一種新型的動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)—HIO
3、CDRN網(wǎng)絡(luò)。 本文提出了基于混沌優(yōu)化策略和RPROP的融合算法,該算法在一定程度上能夠克服神經(jīng)網(wǎng)絡(luò)的“局部極小”問題。在研究標(biāo)準(zhǔn)PSO算法的基礎(chǔ)上,引入動(dòng)態(tài)變量區(qū)間和重新啟動(dòng)策略,并將這一新型PSO算法應(yīng)用于電廠主汽溫控制系統(tǒng)PID控制器參數(shù)優(yōu)化。本文還提出了一種新型的熱工對(duì)象辨識(shí)方法—基于PSO和RBF神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)方法,該方法能大大提高辨識(shí)速度和提高辨識(shí)模型的泛化能力。 在研究標(biāo)準(zhǔn)遺傳算法的基礎(chǔ)上,提出了采用新
4、的適應(yīng)度函數(shù)的自適應(yīng)遺傳算法。提出的模糊量子遺傳算法,通過引入模糊計(jì)算,有效地克服了量子遺傳算法中旋轉(zhuǎn)變異角相對(duì)固定的缺點(diǎn),提高了量子遺傳算法的計(jì)算精度和收斂速度。本文將模糊量子遺傳算法應(yīng)用于熱工過程辨識(shí),并設(shè)計(jì)了熱工過程模型辨識(shí)程序,具有良好的通用性。 設(shè)計(jì)了單神經(jīng)元神經(jīng)網(wǎng)絡(luò)控制器,并將該算法編制成DCS的控制算法模塊,在算法模塊的設(shè)計(jì)中考慮了手自動(dòng)無擾切換問題。文章還將神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于內(nèi)??刂坪皖A(yù)測控制并設(shè)計(jì)了相應(yīng)的控制方
5、案。本文設(shè)計(jì)了基于PID神經(jīng)網(wǎng)絡(luò)逆模型的干擾觀測器,該觀測器和PID—CMAC復(fù)合控制策略相結(jié)合,大大提高了系統(tǒng)的控制品質(zhì)和抗干擾能力。將神經(jīng)網(wǎng)絡(luò)和遺傳算法應(yīng)用于燃燒系統(tǒng)優(yōu)化,優(yōu)化后的燃燒系統(tǒng)氮氧化物排量明顯降低。 論文的主要?jiǎng)?chuàng)新點(diǎn)有: 1.提出一種新型動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò)(HIOCDRN網(wǎng)絡(luò)): 2.提出混沌優(yōu)化和RPROP相融合的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法; 3.改進(jìn)PSO算法并設(shè)計(jì)了PSO算法與RBF神經(jīng)網(wǎng)絡(luò)相融
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 計(jì)算智能及其在城市交通誘導(dǎo)系統(tǒng)中的應(yīng)用研究.pdf
- 計(jì)算智能及其在機(jī)械制造中的應(yīng)用研究
- 智能優(yōu)化理論及其在熱工系統(tǒng)中的應(yīng)用.pdf
- 計(jì)算智能及其在多用戶檢測中的應(yīng)用研究.pdf
- 計(jì)算智能及其工程應(yīng)用研究.pdf
- 預(yù)測控制算法及其在熱工系統(tǒng)中的應(yīng)用研究.pdf
- 內(nèi)模解耦控制及其在熱工系統(tǒng)中的應(yīng)用研究.pdf
- 群集智能及其在分布式系統(tǒng)中的應(yīng)用研究.pdf
- 商務(wù)智能及其在電力系統(tǒng)中的應(yīng)用研究.pdf
- 人工智能及其熱工過程控制應(yīng)用.pdf
- 計(jì)算智能及其在氣象信息分析中的應(yīng)用.pdf
- 粒子群優(yōu)化算法在熱工系統(tǒng)中的應(yīng)用研究.pdf
- 混合智能計(jì)算及其在電力系統(tǒng)中的應(yīng)用研究.pdf
- 新型智能控制系統(tǒng)研究及其在熱工過程控制中的應(yīng)用.pdf
- 基于商空間的計(jì)算智能及在金融工程中的應(yīng)用研究.pdf
- 混合智能系統(tǒng)及其在商務(wù)智能中的應(yīng)用研究.pdf
- 電站熱工系統(tǒng)自抗擾控制技術(shù)及其在DCS中的應(yīng)用研究.pdf
- 軟計(jì)算在熱工過程中的應(yīng)用研究.pdf
- 計(jì)算智能技術(shù)在入侵檢測系統(tǒng)中的應(yīng)用研究.pdf
- 支持向量機(jī)逆系統(tǒng)方法在熱工系統(tǒng)中的應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論