遗传算法在热工过程优化控制中的应用研究

摘要

热工过程自动控制是保证热力设备安全和经济运行的必要措施和手段。随着现代工业生产的发展，电能需求量日益增加，电力工业进入了大电网、大机组、高度自动化的时代。火力发电机组逐渐由过去的中小容量发展为大容量、高参数的单元机组，随着单机容量和参数的不断提高，系统也变得日趋复杂。此外，用电结构也发生了很大变化，电力供应的峰谷差越来越大，这要求许多大型机组参与调峰，负荷频繁地大范围变动，热工过程越来越表现出非线性、慢时变、大迟滞、强耦合性和不确定性，这对热工过程自动控制系统则提出了新的、更高的要求。在热工控制系统中，除了依靠常规的PID控制器实现的控制方法外，还出现了各种先进控制方法，如模糊控制和神经元控制、预测控制、鲁棒控制、多变量频率域控制和自抗扰控制等。但是，这些方法的复杂性限制了其现场应用。在我国现有的热工过程控制中，PID控制仍占90％以上，即使在目前较为先进的分散控制系统DCS中也多采用常规PID作为基本控制策略，因此研究热上控制系统的PID控制器优化设计，对保障了机组安全和提高机组的运行水平具有重要的现实意义。
　　 论文主要内容分为两个部分。第一部分对多目标遗传优化算法进行了研究，回顾了基于遗传算法的多目标优化算法的发展过程。在分析比较了几种典型算法的突出特点和不足的基础上，提出了两种改进的多目标遗传优化算法。改进算法中结合了并行计算的思路，并对传统算法的精英保留策略、小生境技术、适应度分配函数进行了改进。数值实验表明，两种改进的算法都能够摆脱局部极值，很好收敛到最优边界，且保持了解集的多样性。第二部分在对PID控制规律、控制器参数整定的准则以及常见的整定技术进行综述的基础上，提出了控制器参数的多目标优化思想，给出了基于改进多目标优化算法的PID控制器参数的整定方法。通过对锅炉过热汽温控制系统和单元机组负荷控制系统的仿真实验，研究结果表明多目标遗传优化算法应用于PID控制器参数整定，为决策者提供了更多的选择余地，是可行有效的。

目录

文摘

英文文摘

第一章 绪论

1.1 选题背景

1.2 多目标遗传算法的研究进展

1.3 遗传算法的应用

1.3.1 遗传算法在一般工业领域的应用

1.3.2 遗传算法在控制中的应用

1.4 本课题的主要研究内容

1.4.1 改进的多目标遗传算法

1.4.2 基于改进遗传算法的PID参数优化

第二章 多目标遗传优化算法

2.1 多目标优化的相关概念

2.1.1 多目标优化的基本概念

2.1.2 Pareto支配的相关概念

2.1.3 ε支配的相关概念

2.2 非支配快速排序遗传算法NSGA-Ⅱ

2.3 改进的多目标遗传优化算法的研究

2.3.1 基于NSGA-Ⅱ的并行多目标遗传算法

2.3.2 基于ε支配的改进多目标遗传算法

2.4 改进多目标算法的性能分析

2.4.1 改进算法一的数值实验与结果讨论

2.4.2 改进算法二的性能分析

2.5 小结

第三章 基于多目标遗传算法的热工过程优化控制研究

3.1 PID控制器原理

3.2 常见的PID参数整定方法

3.2.1 常规PID参数整定方法

3.2.2 基于智能技术的PID参数整定方法

3.3 基于多目标遗传算法的PID参数整定

3.3.1 多目标PID参数整定原理

3.3.2 基于多目标遗传算法的PID参数整定步骤

3.4.仿真研究

3.4.1 锅炉过热汽温控制系统仿真研究

3.4.2 单元机组负荷控制系统仿真研究

3.4.3 500MW燃煤机组非栈性模型仿真

3.5 小结

结束语

致谢

参考文献

硕士期间发表论文