基于改进pso算法的过热汽温神经网络预测控制

《基于改进pso算法的过热汽温神经网络预测控制》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于改进PSO算法的过热汽温神经网络预测控制摘要火电厂锅炉高温过热器的过热汽温是一类非线性、时变性、大时滞、大惯性的典型对象。目前主要采用常规串级式PID控制，在干扰量大、工况发生变化时，难以达到理想的控制效果。神经网络预测控制(NNPC)充分利用了神经网络的非线性映射能力以及预测控制滚动优化、反馈校正的机理，更符合此类复杂系统控制的不确定性和时变性的实际情况。为了进一步改善NNPc的性能，本文将具有全局搜索能力、实用性强的改进粒子群优化算法(MPSO)融合到NNPC中，提出了基于MPSO算法的RBF神经网络混合优化(MPSO-RBF)

2、策略，构造了基于MPSO．RBF混合优化策略的模型预测器，以及基于MPSO算法的非线性优化控制器。针对过热汽温的控制，给出了基于神经网络预测控制的串级控制系统，并就该系统在实现时所涉及到的预测模型、滚动优化算法、反馈校正、仿真参数设置问题等进行了分析，给出了MPSO算法的粒子编码、操作设计和混合优化算法步骤。最后针对某超临界600MW直流锅炉高温过热器的过热汽温控制进行了仿真试验，结果表明该方法具有更好的性能指标。关键字。改进PSO算法RBF神经网络优化策略神经网络预测控制过热汽温Neuralnetworkspredictivecont

3、rolforsuperheatedsteamtemperaturebasedonmodifiedparticleswarmoptimizationAbstractThesuperheatedsteamtemperatureofboilersuperheatedsysteminfiredpowerstationisatypicalobject，whichhasnonlinear．uncertain，largedelayandinertialcharacteristics．Atpresent．generalPIDcascadecontrol

4、systemismainlyadopted，butitcan’tworkwellwhenmoreinterferencecomeorcyclesarechanged．NeuraInetworkpredictivecontrolfNNPC)willtakefulladvantageofthenonlinear,self-organizing，self-learningperformanceofneuralnetworksandtherollingoptimizing，feedbackadjustingeffectivenessofpred

5、ictivecontr01．Itwillbemoresuitableforthisuncertainboilersuperheatedsystemcontr01．InordertoimprovetheperformanceofNNPC，bycombiningmodifiedparticleswarmoptimization(MPSO)wimNNPC．amodelpredictivecontrollerbased-onMPSOandradialbasisfunction(RBF)hybridoptimizationstrate：gY(MP

6、SO-RBF)ispresented。alsoanon．1inParoptimizationcontrollerbased-onM口Soispresented．Inallusiontotnesuperheatedsteamtemperaturecontrol，acascadecontrolsystembased-onneuralnetworkpredictivecontrolisconstructed．alsoitspredictivemodel＆rollingoptimizingalgorithm＆feedbackadjusting＆

7、simulationparameterssettingproblemsareanalyzed，atthesaHi．etimepatticleencodedformatof～口SO&operatingdesignmethodandhybridoptimizationalgorithmsteparepresented．Finallythesimulationexpa-imentsaredoneforsuperheatedsteamtemperaturesystemcontrolofsuDel"critical600MWdircetcurre

8、ntbeiler,alsothismethodwillbeacom期sttoconventionaINNPC．thesimulationresultshaveshownthismethod’svalidit