一种采用改进混合粒子群算法的热工过程模型参数辨识方法技术

本发明专利技术公开了一种采用改进混合粒子群算法的热工过程模型参数辨识方法，包括如下步骤：(1)确定辨识系统结构与待辨识参数；(2)获取用于辨识的输入输出数据；(3)运行改进混合粒子群算法得到最优解。本发明专利技术将热工过程模型的辨识问题转化为参数的组合优化问题，利用改进混合粒子群算法对参数空间进行高效搜索，获得系统模型参数的最优估计；相比基本粒子群算法，引入遗传算法中的选择、杂交和变异机制，保持群体多样性，避免算法陷入局部最优解；引入人工免疫中的疫苗提取和接种的思想，提高算法搜索速度，采用改进的自适应变异，更合理的保持粒子多样性；引入模拟退火思想，在搜索过程中具有概率突跳的能力，避免搜索过程陷入局部最小解。

【技术实现步骤摘要】

本专利技术涉及热工控制
，尤其是一种采用改进混合粒子群算法的热工过程模型参数辨识方法。
技术介绍
近年来，新能源发电技术得到了快速的发展，但是火电在今后一段时间内，仍是我国主要的电力装机形式，对我国的经济发展起着支柱性的作用。对火电机组特性的深入研究，尤其是深化发展节能减排技术，对发展资源节约型、环境友好型的国民经济具有重要的作用。结合我国火电机组的高参数、大容量、高度自动化的发展趋势，火电机组热力系统多变量耦合、结构复杂、不确定性和非线性等特征日渐突出，有必要对其对象动态特性开展深入研究，关键点之一就是建立准确的热工特性模型。基于模型的控制方法普遍应用于火电厂热工过程控制系统中，因此，建立被控对象的数学模型是设计和调试控制系统的基础。一般的，求取热工过程被控对象数学模型的方法有以下四种：阶跃扰动法、正弦波频率法、脉冲响应法和相关辨识法。由于现场运行条件和测试时间等因素的限制，后三种方法很难在实际中得到应用。当阶跃响应曲线比较规则时，可以采用近似法、半对数法、切线法和两点法来有效的导出传递函数，但这些方法的计算精度依赖于测绘仪器，故通用性比较差；当阶跃响应曲线呈现不规则形状时本文档来自技高网...

【技术保护点】
一种采用改进混合粒子群算法的热工过程模型参数辨识方法，其特征在于，包括如下步骤：(1)确定辨识系统结构与待辨识参数：定义指标函数为：J(k)=Σk=1n12[y^(k)-y(k)]2---(1)]]>其中，为模型输出，y(k)为对象实际输出；二阶非线性动态模型为：G(s)=K(T1s+1)(T2s+1)e-τs---(2)]]>其中，有四个未知参数：增益系数K、时间常数T1、T2和延迟时间τ；(2)获取用于辨识的输入输出数据：对象的输入数据取伪随机二进制序列，输出数据为用于辨识的模型测试数据；然后利用lsim函数求输出信号，及y＝lsim(G,ut,t)...

【技术特征摘要】
1.一种采用改进混合粒子群算法的热工过程模型参数辨识方法，其特征在于，包括如下步骤：(1)确定辨识系统结构与待辨识参数：定义指标函数为：J(k)=Σk=1n12[y^(k)-y(k)]2---(1)]]>其中，为模型输出，y(k)为对象实际输出；二阶非线性动态模型为：G(s)=K(T1s+1)(T2s+1)e-τs---(2)]]>其中，有四个未知参数：增益系数K、时间常数T1、T2和延迟时间τ；(2)获取用于辨识的输入输出数据：对象的输入数据取伪随机二进制序列，输出数据为用于辨识的模型测试数据；然后利用lsim函数求输出信号，及y＝lsim(G,ut,t)，其中ut为用于辨识的输入，t为取样时间点，G为系统传递函数，s为一个复数，代表系数在复领域，y为用来辨识的输出信号；得到的输入和输出数据用于辨识的模型测试数据；(3)运行改进混合粒子群算法得到最优解。2.如权利要求1所述的采用改进混合粒子群算法的热工过程模型参数辨识方法，其特征在于，步骤(3)中，改进混合粒子群算法的具体步骤为：(1)自然选择；每次迭代过程中将整个粒子群按适应度由大到小进行排序，选取前m个作为疫苗；(2)杂交；根据杂交概率选取指定数量的粒子放入杂交池内，池中的粒子随机两两杂交产生同样数目的子代粒子，子代粒子的位置和速度计算公式如下式：child(x)=p·parent1(x)+(1-p)&C...

【专利技术属性】
技术研发人员：陈真，王明春，张雨飞，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32