导读:本文包含了热工对象论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:热工,向量,对象,算法,神经网络,模糊,粒子。
热工对象论文文献综述
马鑫泰,何同祥[1]（2019）在《基于改进粒子群算法的大迟延热工对象PID参数优化》一文中研究指出对粒子群算法进行改进,并应用于大迟延热工对象,对PID控制器参数进行优化。本算法加快了粒子群算法的收敛速度,提高了寻优能力。将改进的粒子群算法和标准粒子群算法进行比较,结果表明:利用改进粒子群算法整定的PID参数,减小了超调量,同时缩减了调节时间。(本文来源于《仪器仪表用户》期刊2019年03期）
赵阳[2]（2018）在《证据回归建模方法研究及其在热工对象中的应用》一文中研究指出电站信息化的发展使得历史运行数据的获取相对容易,因此基于历史运行数据的数据驱动建模,已经成为热工对象建模过程中新的研究热点。然而历史运行数据往往存在着运行工况多且分布不均匀等特点,因此为保证覆盖全部工况,历史运行数据的训练样本集规模相对较大,导致数据驱动建模的训练过程复杂、硬件要求偏高;此外,由于历史运行数据本身精确性的限制,因此在某些应用场合,相对于给出模型的期望输出值,估计区间的输出形式更能帮助决策者了解模型本身的精确程度和可参考性。证据回归是一种训练过程简单、鲁棒性较强的非参数回归方法,比较适宜于大规模训练样本集的数据驱动建模过程;此外,证据回归可以提供具有给定置信度的估计区间输出形式,从而能反映模型输出的置信程度和可参考性,又具有应用上的便利性。考虑到证据回归的上述两个优点,本文将基于历史运行数据,开展证据回归建模方法及其在热工对象中的应用研究。论文研究结果为基于历史运行数据的建模及其热工对象应用提供了新思路,具有一定理论指导意义和应用价值。本文主要内容和研究成果可分为:(1)基于模糊加权C调和聚类算法的证据回归多模型建模方法研究本文提出一种基于模糊加权C调和聚类算法的证据回归多模型建模方法。首先,为适应历史运行数据大样本量和不同工况疏密程度不均匀的特点,本文提出了模糊加权C调和聚类算法,该算法引入“样本典型度”的概念,利用样本典型度概念可直接对样本集进行证据构建;将此证据构建过程用于证据回归多模型的子域划分,将规模较大的全域样本集划分为若干规模较小的子域样本集,并根据子域样本疏密程度的不同分别训练证据回归模型,从而减少训练时间、提高模型期望输出和估计区间的准确性;并且,将此证据构建过程用于证据回归多模型的样本判别,判别结果包含了识别框架样本集,也即不属于任何已有子域的新子域样本集,从而可以方便地实现模型自身的更新与校正。(2)热工对象证据回归的全工况样本选择方法研究本文提出了一种适用于热工对象证据回归的全工况样本选择方法。该方法利用密度偏差抽样和FCM聚类法粗筛选样本集,能够在较小计算复杂度前提下,实现热工对象历史运行数据的全局覆盖性;又设计了可以提高证据回归建模精度的KNN封装式样本选择,叁者结合构成了电厂历史运行数据的DBS-FCM-KNN全工况样本选择方法。算例显示,本文方法能够为热工对象的证据回归过程提供高质量的训练样本集。(3)基于证据回归多模型的NOx排放响应建模研究本文基于浙江某电厂的历史运行数据建立了相应的NOx排放响应模型。首先,针对本文选取对象的实际特点选取了NOx排放响应过程建模所需的输入参量,采用DBSFCM-KNN全工况样本选择方法筛选了覆盖全工况的训练样本集;其次,利用本文基于模糊加权C调和聚类的证据回归多模型方法建立了NOx排放响应模型,通过对比发现,本文方法训练时间更少,具有更新校正策略,模型精度更高;且模型估计区间的输出形式更能反映模型输出的精确程度和可参考性;最后,本文将建立的NOx排放响应模型用于锅炉燃烧优化之中,证明了本文方法的有效性和模型的实用性。(4)基于证据回归多模型的热工设备状态预警研究本文提出了基于前述证据回归多模型的热工设备状态预警方法。证据回归多模型可以计算具有一定置信度的估计区间,基于DBS-FCM-KNN全工况样本选择方法,选择高压加热器正常运行状态样本,构建其正常运行状态模型,并计算其各运行参数正常状态下的估计区间。此预警范围是浮动的动态范围,该范围的大小能够直接反映历史运行数据的分布,从而避免了状态预警阈值设定困难的问题。实例显示基于证据回归多模型的状态预警技术具有工程上的简便性和实用性,能够满足工程实际需求。(本文来源于《东南大学》期刊2018-06-14）
孙大瑞,赵文杰,褚福常[3]（2016）在《基于运行数据的热工对象智能方法的研究》一文中研究指出本文针对热工对象的特性以及传统辨识方法的不足,选取某600MW超临界机组SIS系统的实际运行数据,并通过粒子群算法和神经网络算法这两种智能算法对燃料量影响下的主汽压动态特性进行了系统辨识。结果表明,智能算法在系统辨识过程中具有较高的可靠性和有效性。(本文来源于《仪器仪表用户》期刊2016年07期）
赵倩[4]（2016）在《预测控制在大迟延热工对象中的应用研究》一文中研究指出预测控制算法在大迟延热工对象中已得到广泛应用,但由于在应用过程中存在算法结构复杂、计算量大、参数多、参数含义与实际系统对应关系不明晰等问题,工业应用时不能发挥出其绝对优势。论文针对存在问题,提出一种基于预测模型的动态预测PID控制算法。首先,利用MATLAB仿真软件对大迟延系统进行设定值扰动、内部扰动、鲁棒性检验实验,分析了该算法对大迟延系统的可行性;然后,以600MW全范围锅炉仿真机为平台,研究仿真机与MATLAB的接口方法,对过热汽温进行进行调节量扰动实验,分析过热汽温动态特性,在该控制算法下进行降负荷实验,充分验证了该算法在全范围仿真机中对过热汽温的控制能力;最后,以水箱物理模型为平台,搭建水箱温度系统,分析系统存在的不足,在现有设备的基础上提出改进方案,对改进后的系统进行调节量扰动实验,得到水箱温度动态特性,并在该控制算法下进行设定值扰动实验,全面验证了该算法在实际水箱系统中对温度对象的可操作性。由此,动态预测PID控制算法无论是在复杂的锅炉仿真系统还是在实际的水箱温度系统,处理大迟延热工对象的控制问题时都具有优越性。(本文来源于《华北电力大学》期刊2016-03-01）
蒋薇[5]（2014）在《基于最小二乘支持向量机的热工对象在线建模》一文中研究指出能源是人类生存和发展的重要基础,在能源消费大幅提升的今天,环境问题在中国逐渐凸显。在我国的能源消费结构中占据主体的火电,尽管其比重逐渐降低,在未来很长时间内仍将作为发电主力而存在发展,因而也必须承担起节能减排的重任。随着发电煤耗指标进一步压缩,脱硫脱销等要求日趋严格,火电厂的优化也逐渐由依靠经验方式向依据优化理论来指导调整的方式转变,常用的优化理论需要依托热工对象模型,因此建立精确的热工对象模型具有重要意义。电厂热工过程内部运行环境复杂,还容易受到环境变化等的影响,具有非线性、慢时变和大迟延的特点,同时因其需要保证安全稳定运行而不易获取极端方式的运行数据。最小二乘支持向量机(LS-SVM)拥有小样本学习能力强、模型泛化性能好、能够处理高维数据的优点,十分适合对热工对象进行建模。鉴于LS-SVM对训练样本稳定性具有较高要求,针对性地研究了适合在线检测的基于最小二乘曲线拟合的稳态检测方法,改进其稳态指数计算式,对600MW电厂锅炉燃烧系统的总燃料量、燃料风挡板位置、省煤器出口烟气氧量进行了单独和多变量综合稳态检测,并设计了适合在线计算的具体步骤；然后基于该方法提取的稳态数据样本采用LS-SVM建立了以氮氧化物(NOx)排放浓度为代表的锅炉燃烧系统参数模型,模拟了在线获得新数据的情况,证明结合在线稳态检测和在线数据更新的LS-SVM可以用于热工对象在线建模。(本文来源于《华北电力大学》期刊2014-03-01）
丁卉[6]（2013）在《模糊控制器在热工对象中的应用》一文中研究指出本论文主要介绍模糊控制器在热工控制中的应用。首先总结模糊控制理论发展的梗概，并介绍了几种模糊控制方法，探究了模糊控制现阶段亟待解决的遗留问题和广阔的发展前景，然后着重针对典型热工对象介绍了模糊控制器的设计模式。热工对象普遍具有非线性、大迟延、数学模型不易确定的特点。针对复杂热工对象控制要求的多样性、控制参数难调整性的问题，本论文以火电厂中主汽温控制系统和冷水加热器控制系统为研究对象，设计了模糊PID控制和Fuzzy-Smith控制两种控制方法分别进行控制，并通过MATLAB对其实现了控制系统仿真。并且在被控对象模型参数有变化的可能工况下，讨论控制方法的可行性。仿真结果表明：与传统控制方法相比，模糊PID控制能够使系统的动静态特性更好，Fuzzy-Smith控制非线性、大迟延、时变的热工对象更为有效，这两种控制方法整体来说具有更好的控制品质和更强的抗干扰能力，鲁棒性更强，控制性能更为优越。因此模糊控制器应用于复杂的热工对象的控制有着良好的发展远景。(本文来源于《华北电力大学》期刊2013-12-01）
汪正海[7]（2013）在《发电机组热工对象自抗扰控制及其参数优化》一文中研究指出发电机组热工对象热容量较大，扰动较多且变量间存在耦合，控制大滞后、时变特性明显。变工况下，以稳定性、安全性为原则的传统PID控制器往往难以在线整定其参数与增益，动态过程调节难以保证最优，自适应能力及鲁棒性差。自抗扰控制（Active Disturbances Rejection Control，ADRC）不依赖对象模型，能够估计并补偿系统的内、外扰动，且依据状态误差矢量进行非线性反馈调节，有效抑制扰动，自适应性强。论文研究了两类典型发电机组热工对象自抗扰控制问题：超临界机组燃水比(Firing Rate to Feed Water Ratio，FR/FW)及核电站蒸汽发生器(Steam Generator, SG)水位控制。燃水比控制作为超临界直流锅炉控制的关键与难点，其控制效果制约着机组整体控制水平。超临界燃煤发电机组的大延迟及多变量耦合、负荷变动和煤质多变制约机组燃水比控制，常规控制常常引起燃料量或给水量调节过量，使锅炉远偏离于设计工况运行，进而危害机组运行安全。超临界直流机组是以燃料量和给水量为输入变量，微过热蒸汽焓值和主蒸汽压力为输出变量的两输入两输出模型。燃水比控制，必须协调燃料、给水动作来响应负荷变化。其控制系统可看作由微过热蒸汽焓回路与主蒸汽压力回路两个单回路构成，针对上述独立回路，提出相应自抗扰控制方案，将回路间耦合视为各自外扰，并利用自抗扰扰动估计能力实时估计耦合回路间的动态扰动，并用前馈方式予以动态补偿，实现燃水比解耦控制。仿真实验结果表明，此解耦控制方案相对传统PID解耦控制，变工况适应能力更好，且具有优异的动静态性能。蒸汽发生器故障是压水堆核电站非计划停堆及电厂容量因子损失的主因之一。为此，引入SG水位自抗扰控制。通过扩张状态观测器实时估计系统内、外扰动，并用前馈方式动态补偿；同时，根据状态误差矢量进行非线性反馈调节，缓解控制系统快速与超调之间的矛盾。因自抗扰控制策略参数众多，且尚未有统一调试规范，参数整定通常依靠试凑，工作量较大整定困难，工程实践中难以推广应用。而且SG虚假水位的存在使水位特性辨识难以实现，为此引入结构简单具备快速、精确辨识能力的二阶对角递归神经网络(Second-order Diagonal RecurrentNeural Network, SDRNN)，用其及时跟踪SG水位Jacobian信息，动态辨识水位变化率，实时优化自抗扰控制器参数。分别在水位、蒸汽、给水扰动及负荷变动工况下，进行SG水位SDRNN-ADRC仿真实验，结果表明，此SG水位控制方案能有效抑制瞬时虚假水位，辨识性能与控制品质优异。(本文来源于《重庆大学》期刊2013-05-01）
杨小龙,王兴元,丁维明[8]（2013）在《基于覆盖聚类的TS模糊神经网络热工对象建模》一文中研究指出热工过程具有非常复杂的动态特性以及强耦合、大延迟和不确定等特征。控制过程需要较为精确的模型,但是常规的建模往往并不能满足要求,因此提出一种改进型的TS模糊神经网络建模方法。首先基于一种覆盖聚类算法对离线数据进行分类,初步得到模糊神经网络的前件和后件参数,再利用卡尔曼滤波算法调整后件参数和动态梯度算法调整隶属函数的宽度和中心,最后把得到的前件参数和后件参数进入在线网络,若进入网络的实时数据不属于所有的类,则应增加聚类中心和规则。(本文来源于《工业控制计算机》期刊2013年03期）
张志钢[9]（2012）在《针对热工对象的Smith预估控制设计》一文中研究指出大纯滞后系统足热工过程控制中一类常见的系统,采用传统控制策略难以获得满意的控制效果。目前有效的摔制方法主要有Smith控制、大林算法、预测摔制等。本文通过对Smith预估补偿摔制进行研究,针对有自平衡能力和无自平衡能力两类热工对象分别给出了Smith预估控制器的设计方法。得到的结论均经过仿真验证,控制效果良好。(本文来源于《第24届中国控制与决策会议论文集》期刊2012-05-23）
张涛[10]（2011）在《支持向量机在热工对象建模中的应用研究》一文中研究指出电能是现代社会的主要能源形式,随着国民经济的快速发展,人类对于电能的依赖程度越来越高。国家非常重视电力工业的发展,大容量、高参数的火力发电机组成为火电厂单元机组的发展方向。随着现代火电机组单元容量和参数的提高以及系统本体特性的复杂化,电力工业生产对于热工过程的控制系统提出了更高的要求。建立火电厂热工对象的数学模型,对于实现火电厂生产过程的精确控制具有重要的意义。然而热工对象本身特性非常复杂,通过机理分析建立数学模型非常困难,因此常用的建模方法是利用热工对象的输入输出数据估计数学模型。支持向量机(SVM)作为一种崭新的机器学习算法,具有适于小样本问题、全局最优、避免“过学习”、避免“维数灾难”等诸多优点,在模式识别、回归估计等问题的解决中取得了令人瞩目的成功。最小二乘支持向量机(?)(LS-SVM)作为一种特殊形式的SVM,不仅继承了SVM的许多优点,而且以其求解快速的优势取得了更加广泛的应用。热工对象建模问题本身是一个回归估计问题,SVM以及LS-SVM在该问题中的应用潜力十分可观。本文首先研究了LS-SVM的性能,包括稀疏性、鲁棒性,并且提出了基于聚类思想的两种改进LS-SVM性能的算法；然后将LS-SVM应用于锅炉燃烧系统建模中,建立了关于飞灰含碳量、排烟温度、NOx排放量的软测量模型,证明了SVM应用于热工对象建模中的可行性。(本文来源于《华北电力大学》期刊2011-12-01）
热工对象论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
电站信息化的发展使得历史运行数据的获取相对容易,因此基于历史运行数据的数据驱动建模,已经成为热工对象建模过程中新的研究热点。然而历史运行数据往往存在着运行工况多且分布不均匀等特点,因此为保证覆盖全部工况,历史运行数据的训练样本集规模相对较大,导致数据驱动建模的训练过程复杂、硬件要求偏高;此外,由于历史运行数据本身精确性的限制,因此在某些应用场合,相对于给出模型的期望输出值,估计区间的输出形式更能帮助决策者了解模型本身的精确程度和可参考性。证据回归是一种训练过程简单、鲁棒性较强的非参数回归方法,比较适宜于大规模训练样本集的数据驱动建模过程;此外,证据回归可以提供具有给定置信度的估计区间输出形式,从而能反映模型输出的置信程度和可参考性,又具有应用上的便利性。考虑到证据回归的上述两个优点,本文将基于历史运行数据,开展证据回归建模方法及其在热工对象中的应用研究。论文研究结果为基于历史运行数据的建模及其热工对象应用提供了新思路,具有一定理论指导意义和应用价值。本文主要内容和研究成果可分为:(1)基于模糊加权C调和聚类算法的证据回归多模型建模方法研究本文提出一种基于模糊加权C调和聚类算法的证据回归多模型建模方法。首先,为适应历史运行数据大样本量和不同工况疏密程度不均匀的特点,本文提出了模糊加权C调和聚类算法,该算法引入“样本典型度”的概念,利用样本典型度概念可直接对样本集进行证据构建;将此证据构建过程用于证据回归多模型的子域划分,将规模较大的全域样本集划分为若干规模较小的子域样本集,并根据子域样本疏密程度的不同分别训练证据回归模型,从而减少训练时间、提高模型期望输出和估计区间的准确性;并且,将此证据构建过程用于证据回归多模型的样本判别,判别结果包含了识别框架样本集,也即不属于任何已有子域的新子域样本集,从而可以方便地实现模型自身的更新与校正。(2)热工对象证据回归的全工况样本选择方法研究本文提出了一种适用于热工对象证据回归的全工况样本选择方法。该方法利用密度偏差抽样和FCM聚类法粗筛选样本集,能够在较小计算复杂度前提下,实现热工对象历史运行数据的全局覆盖性;又设计了可以提高证据回归建模精度的KNN封装式样本选择,叁者结合构成了电厂历史运行数据的DBS-FCM-KNN全工况样本选择方法。算例显示,本文方法能够为热工对象的证据回归过程提供高质量的训练样本集。(3)基于证据回归多模型的NOx排放响应建模研究本文基于浙江某电厂的历史运行数据建立了相应的NOx排放响应模型。首先,针对本文选取对象的实际特点选取了NOx排放响应过程建模所需的输入参量,采用DBSFCM-KNN全工况样本选择方法筛选了覆盖全工况的训练样本集;其次,利用本文基于模糊加权C调和聚类的证据回归多模型方法建立了NOx排放响应模型,通过对比发现,本文方法训练时间更少,具有更新校正策略,模型精度更高;且模型估计区间的输出形式更能反映模型输出的精确程度和可参考性;最后,本文将建立的NOx排放响应模型用于锅炉燃烧优化之中,证明了本文方法的有效性和模型的实用性。(4)基于证据回归多模型的热工设备状态预警研究本文提出了基于前述证据回归多模型的热工设备状态预警方法。证据回归多模型可以计算具有一定置信度的估计区间,基于DBS-FCM-KNN全工况样本选择方法,选择高压加热器正常运行状态样本,构建其正常运行状态模型,并计算其各运行参数正常状态下的估计区间。此预警范围是浮动的动态范围,该范围的大小能够直接反映历史运行数据的分布,从而避免了状态预警阈值设定困难的问题。实例显示基于证据回归多模型的状态预警技术具有工程上的简便性和实用性,能够满足工程实际需求。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
热工对象论文参考文献
[1].马鑫泰,何同祥.基于改进粒子群算法的大迟延热工对象PID参数优化[J].仪器仪表用户.2019
[2].赵阳.证据回归建模方法研究及其在热工对象中的应用[D].东南大学.2018
[3].孙大瑞,赵文杰,褚福常.基于运行数据的热工对象智能方法的研究[J].仪器仪表用户.2016
[4].赵倩.预测控制在大迟延热工对象中的应用研究[D].华北电力大学.2016
[5].蒋薇.基于最小二乘支持向量机的热工对象在线建模[D].华北电力大学.2014
[6].丁卉.模糊控制器在热工对象中的应用[D].华北电力大学.2013
[7].汪正海.发电机组热工对象自抗扰控制及其参数优化[D].重庆大学.2013
[8].杨小龙,王兴元,丁维明.基于覆盖聚类的TS模糊神经网络热工对象建模[J].工业控制计算机.2013
[9].张志钢.针对热工对象的Smith预估控制设计[C].第24届中国控制与决策会议论文集.2012
[10].张涛.支持向量机在热工对象建模中的应用研究[D].华北电力大学.2011
论文知识图
