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，可以采用面积法，而面积法存在着易于陷入局部最小等缺点，故只适用于有自平衡能力的简单对象。现代的系统辨识以离散系统差分模型的参数估计为基础，并衍生出了以最小二乘法为基础的理论和方法，但该方法对测试信号和噪声干扰均有特定的要求。因此，对现有智能辨识方法借鉴并加以改进，使之能应用在热工工程的控制中十分重要。
技术实现思路
本专利技术所要解决的技术问题在于，提供一种采用改进混合粒子群算法的热工过程模拟参数辨识方法，可以保持群体多样性的同时，提高全局搜索速度，有效避免搜索过程陷入局部最小解。为解决上述技术问题，本专利技术提供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：定义指标函数为：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：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。优选的，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：(3)自适应变异；采用自适应变异，在迭代开始时，变异概率Pm较小，随着迭代的进行，Pm增加，Pm的表达式如下式：式中：Pmax、Pmin分别为最大、最小变异率；fmax为种群中最大适应度；favg为每代种群中的平均适应度；f为变异个体的适应度；(4)模拟退火；概率受到温度参数的控制，大小随着温度的下降而减小，当前温度下各Pi的适配值如下式：采用轮盘赌策略从所有Pi中确定全局最优的某个替代值Pg’，各粒子的速度和位置如下式：xi,j(t+1)＝xi,j(t)+vi,j(t+1)(7)其中，初始温度和退火方式如下式：tk+1＝λtk,t0＝f(pg)/ln5(8)(5)接种疫苗与选择；将之前提取的疫苗与模拟退火后的粒子合并，按适应度由大到小排序，选取前N个粒子生成新一代种群；每次迭代粒子更新自己的位置和速度，记忆每个粒子经过的最好解和群体最好解，通过不断迭代，最终找到全局最优解。本专利技术的有益效果为：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整个参数空间进行高效搜索，从而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，有效的避免搜索过程陷入局部最小解。附图说明图1为本专利技术的系统辨识结构示意图。图2为本专利技术的伪随机二进制序列信号示意图。图3为本专利技术的混合粒子群算法流程示意图。图4为本专利技术的单位阶跃输出和实际输出对比图。图5为本专利技术基本粒子群算法与改进粒子群算法辨识效果图。图6为本专利技术的30次实验辨识误差e对比图。图7为本专利技术的八级线性反馈移位寄存器产生伪随机二进制序列结构示意图。图8为本专利技术的用于辨识的输出示意图。具体实施方式如图1所示，为本专利技术的系统辨识结构，G(s)为待辨识对象，为估计模型，u(k)为系统输入，y(k)为系统的实际输入，为模型输出。过程中采用MATLAB软件，根据系统输入输出辨识出相关参数，最终建立精确的热工过程模型。定义指标函数为其中，为模型输出，y(k)为对象实际输出。参数估计归结为上式的极小值问题，寻优过程由改进混合粒子群算法实现。如图2和图3所示，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：火电厂中大多数的热工过程都具有自平衡能力，一般可认为其具有纯延迟的惯性系统，二阶非线性动态模型为：有四个未知参数：增益系数K、时间常数T1、T2和延迟时间τ；模型辨识的过程就是寻找最优参数K、T1、T2和τ，使指标函数式(1)最小的过程。(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：粒子群算法中的每个粒子代表问题的可行解，辨识参数采用实数编码。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(m<N，N为粒子总数)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：(3)自适应变异；采用自适应变异来保证选择复制后抗体的多样性，在迭代开始时，种群多样性较好，变异概率Pm较小，随着迭代的进行，种群中个体趋向同一，Pm增加，改善种群多样性，Pm的表达式如下式：式中：Pmax、Pmin分别为最大、最小变异率；fmax为种群中最大适应度；favg为每代种群中的平均适应度；f为变异个体的适应度；(4)模拟退火；模拟退火算法在搜索过程中具有概率突跳的能力，能够有效地避免搜索过程陷入局部极小解。在退火过程中不但接受好的解，而且还以一定的概率接受差的解，同时这种概率受到温度参数的控制，其大小随着温度的下降而减小。根据式(5)确定当前温度下各本文档来自技高网...

【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)，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。

【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