基于現(xiàn)場數(shù)據(jù)的熱工過程辨識研究.pdf

1、RESEARCHONTHERMALPROCESSIDE]NTIFICATIONMETHODBASEDONFIELDDATAAThesisSubmittedtoSoutheastUniversityFortheAcademicDegreeofMasterofEngineeringBYQIANLeiSupervisedbyProfJUGangSchoolofEnergy&EnvironmentSoutheastUniversityMay20

2、16捅要摘要熱工過程的數(shù)學模型對其控制系統(tǒng)的設計起著關鍵作用。傳統(tǒng)的熱工過程模型辨識主要基于過程的動態(tài)特性試驗，由于單元機組運行的特點，現(xiàn)場動態(tài)特性試驗往往難以實施，即使做的動態(tài)特性試驗，其結果也不一定理想。因此，研究基于現(xiàn)場數(shù)據(jù)的熱工過程辨識不僅具有很強的理論意義，而且具有一定的應用價值。神經網(wǎng)絡可以任意精度逼近連續(xù)函數(shù)，具有較強的適應能力和學習能力，廣泛地應用于熱工過程的非線性建模中。但辨識中如何確定神經網(wǎng)絡的結構，如何提高網(wǎng)絡的泛

3、化能力，這些問題沒有很好地解決。另外，神經網(wǎng)絡模型不直觀，不易于理解，難以與經典的控制理論方法結合使用。針對上述問題，論文研究基于現(xiàn)場數(shù)據(jù)的熱工過程神經網(wǎng)絡辨識，并提出從神經網(wǎng)絡中提取傳遞函數(shù)的方法。主要研究內容及成果包括：1針對普通的靈敏度剪枝算法存在的問題，在原有的靈敏度剪枝算法的基礎上，提出了基于RBF神經網(wǎng)絡的剪枝優(yōu)化算法，并給出了的相應剪枝策略及算法步驟，仿真試驗表明該算法是有效的；2分析了利用現(xiàn)場進行神經網(wǎng)絡模型辨識的可行性

4、，提出了基于RBF神經網(wǎng)絡剪枝算法的熱工過程神經網(wǎng)絡模型辨識方法，給出了相應的辨識算法步驟，并通過仿真試驗，驗證了該方法的有效性；3分析了鍋爐過熱汽溫的過程及特性，將基于RBF神經網(wǎng)絡剪枝算法的熱工過程神經網(wǎng)絡模型辨識方法應用于鍋爐過熱汽溫模型辨識中，通過基于現(xiàn)場數(shù)據(jù)的仿真試驗，驗證了論文所提方法的有效性；4針對現(xiàn)場熱工試驗的困難性，研究并提出了從神經網(wǎng)絡模型中提取傳遞函數(shù)模型的方法，并結合遺傳算法給出了相應的算法及步驟，通過仿真驗證了