论文部分内容阅读
水轮机调节系统是集电气、机械与水力为一体的复杂系统,具有很强的非线性特征,建模和控制及优化问题一直以来受到了研究者的关注。本文对贝叶斯-高斯神经网络、觅食优化算法进行了深入的理论研究和应用分析,提出了水轮发电机组模型辨识和控制以及控制器参数优化设计的新方法,主要研究内容如下：(1)介绍了本课题的研究背景及意义,就水轮机调速系统及控制策略的发展、水轮发电机组的模型辨识、贝叶斯建模技术和觅食优化算法进行了综述,给出了研究目的和章节的结构安排。(2)水轮机调节对象原型试验的方法不可能在研究中得到广泛采用,而借助于计算机对水轮发电机组进行仿真是一种有效手段。论文详细分析了水轮机调节对象的经典数学模型,并利用Matlab环境下的Simulink模块化软件构建了水轮发电机组线性和非线性仿真模型,为论文的算法验证和仿真分析提供了平台。(3)研究了贝叶斯-高斯神经网络的辨识理论,提出了利用群智能优化算法进行贝叶斯-高斯辨识网络的门槛矩阵的离线训练算法,同时提出了基于滑动数据窗口驱动的贝叶斯-高斯神经网络在线辨识算法。通过典型非线性系统的辨识仿真试验,验证了提出的贝叶斯-高斯神经网络的辨识效果。(4)将贝叶斯-高斯神经网络应用于水轮发电机组的模型辨识。通过分析水轮发电机组的辨识问题,进行了水轮发电机组的贝叶斯-高斯神经网络模型结构的设计。也介绍了水轮发电机组的BP神经网络和RBF神经网络的辨识方法,与贝叶斯-高斯神经网络辨识方法进行对比研究。通过仿真试验得出贝叶斯-高斯神经网络用于水轮发电机组的模型辨识,具有设计简单、调整参数少和辨识效果好等优点。(5)以贝叶斯-高斯神经网络模型为在线预测模型,进行水轮机调速系统非线性预测控制策略的设计,并对水轮发电机组进行了非线性预测控制仿真试验,结果验证了基于贝叶斯-高斯网络预估模型的非线性预测控制策略的有效性。(6)对觅食优化算法(Foraging Foraging Optimization, FOA)进行了理论分析,提出了一种改进的E.Coli觅食优化算法(IEFOA),增加优值跟踪算子,提高了基本觅食优化算法的收敛性,用五个测试函数验证了算法改进的有效性。同时将改进的E.Coli觅食优化算法与水轮机调节系统的控制器参数优化设计相结合,进行了水轮机调节系统的控制器的参数优化设计及仿真试验,验证了改进E.Coli觅食优化算法应用于水轮机调节系统控制器参数优化设计问题的可行性。