两种随机优化算法的改进及其在DEH参数辨识中的应用研究

摘要

汽轮机数字电液调节系统是确保汽轮发电机组安全、经济运行的重要控制系统。通过对调节系统各环节参数进行辨识，可以实现系统的性能预测、控制优化、状态监测与故障诊断。本文以两种随机优化算法，经典的遗传算法和新型的微粒群优化算法为研究对象，针对它们存在的缺陷提出相应的改进措施，通过典型算例的测试，结果表明改进策略能有效提高算法的计算速度和优化精度。最后，将两种改进的随机算法结合起来构成混合算法，用于汽轮机数字电液调节系统各环节的参数辨识，辨识精度比较高，具有工程使用价值。

目录

文摘

英文文摘

声明

第一章 绪论

1.1本文的选题背景及其意义

1.2参数辨识简介

1.3随机优化算法

1.4汽轮机调速系统参数辨识的研究现状

1.5本论文的主要工作

第二章 汽轮机调速系统的模型结构及特性分析

2.1概述

2.2 DEH的工作原理

2.2.1转速调节过程

2.2.2功率调节过程

2.2.3频率-功率调节过程

2.3 DEH系统的数学模型

2.3.1电液转换器的传递函数

2.3.2 DEH系统其它各环节的传递函数

2.4影响汽轮机调速系统动态特性的因素

2.5小结

第三章 遗传算法及其改进策略

3.1基本遗传算法(Simple Genetic Algorithms,简称SGA)

3.1.1 SGA的算法描述

3.1.2 SGA的基本组成及其特点

3.1.3 SGA的基本流程

3.2遗传算法的改进策略

3.2.1采用实数编码

3.2.2混沌序列产生初始种群

3.2.3多重交叉

3.2.4自适应交叉率

3.2.5非一致变异操作

3.2.6精英保留策略

3.3改进GA（Improved Genetic Algorithms,简称IGA）的实现步骤

3.4性能测试

3.5小结

第四章 微粒群优化算法及其改进策略

4.1微粒群优化算法的发展

4.2标准微粒群优化算法

4.2.1标准PSO模型

4.2.2算法流程

4.3惯性权重ω与加速度因子c1、c2对PSO算法搜索性能的影响

4.3.1 PSO算法模型参数分析

4.3.2 PSO算法模型参数选取

4.4 PSO算法改进策略

4.5实验分析

4.6小结

第五章 两种随机优化算法在汽轮机调速系统参数辨识中应用

5.1遗传算法与微粒群优化算法的比较

5.2两种随机优化算法相结合形成混合算法(GA-PSO)

5.2.1 GA-PSO算法的思想

5.2.2 GA-PSO算法流程描述

5.2.3群体多样性表示方法

5.3 对比实验

5.3.1对象选取及参数设置

5.3.2实验结果

5.3.3结果分析

5.4混合GA-PSO算法用于DEH系统参数辨识

5.4.1待辨识的参数和范围

5.4.2测点分析

5.4.3仿真模型

5.4.5参数辨识结果

5.4.6结论

第六章 总结和展望

6.1主要工作如下

6.2进一步的工作

参考文献

致 谢

在学期间发表的学术论文和参加科研情况