改进粒子群算法在火电厂主汽温控制系统中的应用

摘要

在现代火力发电厂中，主蒸汽温度的稳定对机组的安全经济运行有重大的影响，所以对主蒸汽温度的控制要求很高，要对其进行有效合理的控制。PID控制在电厂主汽温控制中仍占有主导地位，但是主汽温对象具有大惯性、大延迟、非线性和时变特性，采用常规的PID控制存在着不足。粒子群优化算法（PSO）是一种启发式群体智能优化进化算法，通过模拟鸟类的觅食行为，将寻找具体问题的最优解转化为粒子在特定空间内的迭代搜索过程，本文将其应用于主汽温控制系统PID参数优化中。
　　 本文首先介绍了PID控制器的基本原理、参数整定方法和控制系统性能评价指标；接着介绍了粒子群算法的原理及常见的改进方法，针对粒子群算法存在早熟收敛和后期收敛速度慢，易陷入局部最优的缺点，引入了具有量子行为的粒子群算法，并借鉴遗传算法中的变异机制，以自适应变异概率对个体进行变异，来增加种群的多样性，由此产生一种改进的PSO算法，并通过对几个标准测试函数的优化，证明了改进PSO算法的收敛速度快、精度高；然后将改进的PSO算法应用到PID控制器的参数优化整定过程中，仿真结果验证了该算法的有效性；最后针对主汽温串级控制系统，采用改的PSO算法对其PID参数进行优化，仿真结果表明基于改进的PSO算法的主汽温控制系统获得了很好的调节品质和较强的鲁棒性。

目录

文摘

英文文摘

声明

第1 章 绪 论

第2 章 PID 控制器参数的优化方法

第3 章 粒子群优化算法

第4 章 基于改进粒子群算法的PID 控制器参数优化

第5 章 改进粒子群算法在主汽温系统中的应用

第6 章 结论与展望

参考文献

攻读硕士学位期间发表的论文及其它成果

致 谢