基于人工鱼群优化的锅炉汽包水位模糊预测

《基于人工鱼群优化的锅炉汽包水位模糊预测》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、第12期陈宇等．基于人工鱼群优化的锅炉汽包水位模糊预测基于人工鱼群优化的锅炉汽包水位模糊预测陈宇王涛孙涛张春龙(东北电力大学自动化工程学院，吉林吉林132012)摘要介绍火电厂锅炉汽包水位在实际生产中的工作特点，将人工鱼群优化滚动、优化策略的广义预测控制算法和T—s模糊模型应用于汽包水位建模中，并将其作为广义预测控制的预测模型，研究基于模糊T—s模型的广义预测控制算法在汽包液位控制系统中的应用。在MATLAB仿真环境下对其控制效果和性能进行分析。关键词锅炉汽包水位建模人工鱼群算法广义预测控制算法T．s模糊模型中图分类号THl65+．2

2、文献标识码A文章编号1000．3932(2012)12．1541-04锅炉汽包水位是火电厂生产过程中的主要参数，反映了锅炉负荷与给水平衡的关系，是发电机组运行的重要参数之一，维持汽包水位在其允许范围内是保证火电厂安全运行的重要条件之一。由于蒸汽流量变化易造成虚假水位，而且锅炉的传热过程特性复杂，使得汽包水位系统表现出滞后性及干扰性等非线性特征，因此经典PID控制策略的效果并不理想⋯。随着计算机技术的发展，预测控制作为一种先进的控制理论得到了广泛的研究。笔者将T．s模糊模型、人工鱼群优化算法和广义预测控制算法(GeneralizedPr

3、edictiveControlAlgorithm，GPC)结合在一起，对锅炉汽包水位进行研究。采用T—s模糊模型对锅炉汽包水位进行建模，并将T—s模糊模型作为广义预测控制的预测模型，将人工鱼群优化算法作为滚动优化策略，不仅可避免广义预测控制中复杂的梯度运算和矩阵求逆问题，而且与应用智能优化算法相比，更加满足了滚动优化实时性的要求旧。。1建模1．1T．s模糊模型T．s模糊模型的主要思想是把输入空间分成若干个模糊子空间，在每个子空间里建立关于输入和输出的简单线性关系模型。T．s模糊模型本质上是一种非线性模型，它易于表达复杂系统的动态特性。

4、该模糊模型采用“if．一then”规则形式来定义，在规则为R。的情况下，模糊推理如下：R‘：if名lisA：，戈2isA；，·一，戈misA：，thenYi=P：+e；xl+Gx2+⋯+e'x。其中，A；为模糊系统的模糊集合；P；(_『=0，2，⋯，m)为模糊系统参数；Yi为根据模糊规则得到的输出，即输入部分(即if部分)是模糊的，输出部分(即then部分)是确定的。该模糊推理表示输出为输入的线性组合。对于输入量x=[名。，算：，⋯，戈。]，首先根据模糊规则计算各输入变量算，的隶属度：础：=exp[一(x，一c；)2／b；]，j=1，

5、2，⋯，m；i=1，2，⋯，n(I)式中c：、b：——隶属度函数的中心和宽度；m——输入参数个数；n——模糊子集个数。将各隶属度进行模糊计算，采用模糊算子为连乘算子：m‘=一；(x。)×∥；(z：)×⋯x肼?(z。)，i=1，2，⋯，n(2)根据模糊计算结果计算模糊模型的输出值y：：Y。=互ccJ‘(Pj+P：zI+Gx2+⋯+P：菇。)／互∞‘(3)1．2T-s模糊神经网络T-s模型辨识包括结构辨识和参数辨识。结构辨识包括输入变量论域的划分及隶属度函数形式的选取等问题；参数辨识包括模糊前提条件参数(主要是隶属度参数)和模糊结论部分参

6、数的辨识。基于神经网络的模糊模型建模，将模糊逻辑和神经网络有机结合起来，既利用了神经网络的收稿日期：2012-10-24(修改稿)化工自动化及仪表第39卷学习能力，又利用了模糊逻辑的表达能力。T—s模糊神经网络分输入层、模糊化层、模糊规则计算层和输出层。输入层与输入向量连接，节点数与输入向量的维数相同。模糊化层采用式(1)对输入值进行模糊化得到模糊隶属度值灿。模糊规则计算层采用式(2)计算模糊神经网络的输出¨。。模糊神经网络的学习算法包括误差计算、系数修正和参数修正3个步骤，具体为：a．误差计算，e=1／(Y。一Y。)2；b·系数修正

7、，巧(七)=哆(_

8、c一1)一a豢，碡ae=(Y。一Y。)∞‘／三∞。xi(F；为神经网络系数，“为网络学习效率，戈，为网络输入参数，∞‘输人参数隶属度连乘积)；c．参数修正，c；(k)=c；(k一1)一卢兰，dcJ6j(南)=q(．

9、}一1)一卢罟(勺i、”i分别为隶属度函数uui的中心和宽度)。2优化2．1广义预测控制广义预测控制(GPC)是在自适应控制的研究中发展起来的另一类预测控制算法。它是一种基于预测模型、滚动优化和反馈校正的控制方法。在广义预测控制中，预测模型的主要功能是根据对象的历史信息和未来输入情况来预测其某段时域内的

10、输出，滚动优化是广义预测控制的核心部分，用来求取待求问题的最优控制量序列。在GPC中，t时刻的性能指标为：．，=∑[Y(k+J)一W(k+J)]2+∑A(，)[Au(k+，一1)]2(4)其中，n为最大预测控制长度；m为