热工过程的自动控制是保证发电机组热力设备安全经济运行的必要措施,建立精确的热工过程整体模型是对热工过程进行全局优化控制的基础。但由于热工过程具有非线性和不确定性等复杂特性,传统方法难以建立可精确表达热工过程的非线性模型及实施整体优化控制。为此,有必要对一些先进的非线性建模与控制方法进行深入的研究,将其应用于热工过程以有效地提高机组的安全经济性。免疫系统具有免疫记忆、免疫识别、分布性、鲁棒自适应等特性,将这些免疫机制引入控制领域,为解决不确定性系统建模和复杂对象的动态自适应控制等难题提供了一个崭新的思路。本文将免疫信息处理机制应用于遗传算法的改进、模糊控制优化设计、模糊聚类建模及非线性预测控制等方面,解决了复杂系统非线性建模和控制中的一些难题,并对电厂热工过程如汽温系统、单元机组负荷系统等进行了仿真研究。本文具体研究内容如下:(1)分析了传统遗传算法存在的缺陷和成因,在此基础上,将免疫系统的抗原识别、抗体多样性、免疫记忆、浓度调节等机制引入遗传算法中,提出两种改进的免疫遗传算法(IGA)。一是改进型单种群进化免疫遗传算法,它利用一种记忆细胞精英抗体遗传策略进一步保证了算法的稳定性和收敛性;二是多种群进化免疫遗传算法,它将遗传的竞争过程分为子种群间的竞争和子种群内个体间的竞争两级,能有效解决全局和局部搜索能力间的矛盾。通过对测试函数的求解,表明文中两种改进型IGA均具有优良的的寻优特性。(2)提出了一种基于免疫遗传算法的模糊控制器优化设计方法。在模糊规则和隶属度函数参数联合编码基础上,通过改进的免疫遗传算法实现模糊控制器参数的同步优化。以过热汽温控制系统为例进行了仿真试验,结果表明采用改进的免疫遗传算法优化模糊控制,可以克服传统遗传算法存在的缺陷,保证更快更稳地搜索到最优的规则库和隶属函数,优化后的模糊控制系统具有很好的控制效果。(3)提出一种新型动态免疫进化聚类算法以克服传统模糊聚类建模方法须事先确定规则数的缺陷。它通过改进的遗传策略来优化染色体长度以实现聚类个数全局寻优,同时利用模糊C-均值(FCM)聚类算法加快聚类中心参数的收敛;此外,通过引入免疫系统的记忆功能和疫苗接种机理,新算法得以快速稳定地收敛到最优解。利用这种高效的动态聚类算法辨识模糊模型,可以同时得到合适的模糊规则数和准确的前提参数。对经典实例进行的仿真计算验证了这种模糊聚类建模方法的有效性。将其用于建立热工过程的非线性模糊模型,不需要预先指定模型的规则数,计算量较小,而且所辨识模型精度高,从而为热工过程的整体优化控制奠定了模型基础。(4)提出了一种基于模糊模型和免疫优化的非线性预测控制方法,该方法将离线辨识到的精确的全局模糊模型作为预测模型,然后利用实数编码的免疫优化算法在线实现非线性预测控制的滚动优化,给出最优的控制量。且该方法可通过修正的遗传算子方便地解决输入受限问题。通过对锅炉过热汽温控制系统和一个简化了的500MW单元机组负荷控制系统的仿真试验,验证了该非线性预测控制方法的有效性,为复杂热力系统控制品质的提高提供了一条新的途径。