多模型控制研究及其在機(jī)爐協(xié)調(diào)系統(tǒng)中的應(yīng)用.pdf

1、火電機(jī)組機(jī)爐協(xié)調(diào)系統(tǒng)是被控特性非常復(fù)雜的過程，具有非線性、大時(shí)延、強(qiáng)耦合的特點(diǎn)，參數(shù)隨工況負(fù)荷的變化而大幅度變動(dòng)，以PID控制為基礎(chǔ)的常規(guī)控制方案卻無法達(dá)到令人滿意的調(diào)節(jié)效果。在這種背景下，基于“分解-合成”策略的多模型控制可以一定程度上克服這一問題。本文以機(jī)爐協(xié)調(diào)系統(tǒng)為熱工對(duì)象，對(duì)多模型建模和控制若干問題進(jìn)行研究。主要研究?jī)?nèi)容有以下幾個(gè)方面:
　　1.對(duì)Bell-Astrom機(jī)爐協(xié)調(diào)系統(tǒng)T-S模糊多模型建模方法進(jìn)行了研究。給出了

2、一種利用FCM聚類算法對(duì)輸入空間進(jìn)行劃分，并對(duì)每個(gè)子空間分別進(jìn)行參數(shù)辨識(shí)的T-S模糊模型辨識(shí)方法。將Bell-Astrom機(jī)爐協(xié)調(diào)系統(tǒng)作為仿真對(duì)象，證明這種T-S模糊多模型建模方法的可行性。
　　2.對(duì)基于FCM聚類算法的T-S模糊多模型建模進(jìn)行了優(yōu)化。針對(duì)FCM聚類算法對(duì)于線性分布的數(shù)據(jù)聚類效果不佳的問題，在隸屬度計(jì)算公式中引入加權(quán)因子，使改進(jìn)后的算法更適合線性分布的數(shù)據(jù)結(jié)構(gòu)。針對(duì)FCM聚類算法無法自行確定聚類數(shù)的問題，采用改進(jìn)

3、的自適應(yīng)函數(shù)作為聚類評(píng)價(jià)指標(biāo)。針對(duì)FCM聚類算法易陷入局部極小值的問題，采用模擬退火遺傳算法優(yōu)化初始聚類中心。對(duì)改進(jìn)后的FCM算法，采用Box-Jenkins煤氣爐數(shù)據(jù)作為仿真對(duì)象進(jìn)行仿真試驗(yàn)，證明改進(jìn)的FCM算法的可行性。并將改進(jìn)后的FCM算法應(yīng)用于T-S模糊多模型建模中，采用Bell-Astrom系統(tǒng)數(shù)據(jù)進(jìn)行驗(yàn)證，仿真結(jié)果表明建模精度得到進(jìn)一步提升。
　　3.針對(duì)Bell-Astrom機(jī)爐協(xié)調(diào)系統(tǒng)非線性、多變量耦合和時(shí)延的特點(diǎn)