优化的BP神经网络在水轮机调节系统中的应用研究

针对常规PID难以取得期望的控制效果和单一神经网络在线整定存在结构复杂、学习时间过长、收敛速度慢等问题,提出了一种基于主成份优化的BP神经网络PID控制。利用主成份分析对网络的输入层单元进行降维分析,以此简化网络的结构,提高网络的收敛速度及泛化能力,进而提升智能控制系统的控制品质。基于上述理论在MATLAB/Simulink平台进行水轮机调节系统实例仿真分析,阐述并分析试验结果,说明了经主成份分析优化后的BP神经网络PID控制效果较优化前有了显著改善。     

水轮机转子系统动力学参数在轨辨识方法

正确辨识水轮机转子系统动力学参数是研究水轮机转子系统可靠性、稳定性的关键,对提高水轮机组的运行安全有非常重要的意义。本研究对水轮机转子系统动力学参数的基础特性进行了划分与确定,将动力学相关参数与算法在水轮机、轴承、盘轴模型中体现,确定了圆盘结构为在轨辨识方法的核心结构。分析了常用的频域辨识法、动力学参数辨识法及智能算法下的参数辨识法,在传统辨识方法基础上提出了在轨辨识方法应用策略及减小辨识结果误差方法。利用对比实验验证了在轨辨识方法识别动力学参数的精准度和稳定性,结果表明：相比传统的瞬时功率计算辨识方法和电磁轴辨识方法,在轨辨识方法的适应能力提高了0.5个点,精准度提高了0.3 MW左右。     

粒子群优化算法及其在水轮机调速器PID参数优化中的应用

粒子群优化算法即Particle Swarm Optimization(PSO)是由Kennedy和Eberhart于1995年提出的一种基于群智能(Swarm Intelligence)方法的演化计算(evolutionary computation)技术.通过同时动态调整惯性权重和加速度权重以平衡运算性能,提出改进的PSO算法,利用改进PSO优化算法优化的PID控制规律使得调节系统具有更好的动态调节特性和鲁棒性.     

水轮机调节系统控制技术研究

介绍了水轮机调节系统控制技术目前的应用情况和存在的问题,着重阐述了现代控制技术和智能控制技术的主要研究方法和研究成果及其应用情况;并提出将多种控制技术相结合形成综合控制技术,将是水轮机调节系统控制技术的发展方向.     

水轮机转轮参数优化研究

通过分析水轮机转轮流态,确定不同流态下水轮机工作状态。通过计算叶栅前后速度差,确定转轮过流截面平均速度,在相同的单位转速及效率条件下,分析过流能力与单位流量之间的关系,以此优化水轮机叶栅稠密度。分析叶片扭角、单位转速与单位流量之间的关系,确定轮缘及轮毂截面相对半径,以此优化叶片扭角参数。计算转轮圆柱截面轴向速度,优化叶片厚度参数。由仿真实验结果可知,该方法在轮毂空蚀和桨叶空蚀情况下,水轮机最终运行速度比优化前分别快2.2和6.1 m/s,具有较好的优化效果。     

基于ARM和蚁群优化算法的水轮机轴线智能检测系统研究

水轮机轴线检测是水轮机运行、安装、检修维护与轴线调整的基础,深入研究了一种基于ARM和蚁群优化算法的水轮机轴线智能检测系统的原理和实现技术.首先,详细介绍了基于ARM微处理器的水轮机轴线智能检测系统的硬件组成及其工作原理,然后深入研究了基于蚁群优化算法的水轮机轴线偏差检测的原理和适用于ARM微处理器的软件实现技术,最后...     

水轮机调节保证计算电算法

水轮机调节保证计算是水电站设计中的一项重要内容。以往这项计算均采用近似公式或图解法进行,误差较大,且只能给出桌一参数变化的最大值,不能给出参数随时间变化的过程线。本文采用物理概念清晰的数学模型,工程计算中通用的 FORTRAN 算法语言,给出了在我国得到广泛应用的 APPLEII、IBM-PC 微型计算机上通过了的通用程序,可供同行们参考、应用。     

基于SOA的水轮机调速系统PID参数优化

针对现有优化方法复杂、易陷入局部最优等问题,为水轮机调速系统提出了一种基于人群搜索算法的比例-积分-微分控制参数优化方法.为验证该算法的可行性,建立了水轮机调速系统非线性模型,选取水轮发电机组转速偏差的积分时间绝对误差指标作为目标函数进行优化.为验证优化结果的有效性,将人群搜索算法的控制效果与参考文献中粒子群算法的控制...     

非线性水轮机调节系统稳定性分析

水轮机调节系统的本质是非线性的。为了深入了解非线性水轮机调节系统的调节规律,在考虑水力发电机组非线性特性的基础上,建立了一个水轮机调节系统的非线性模型。运用非线性系统线性化的方法和线性系统的Hurwitz判据对系统进行稳定性分析,得到了令非线性系统稳定的控制器参数。非线性系统的仿真结果表明:线性化系统的稳定参数一定能使非线性系统稳定,且线性化系统的稳定参数中一定包含了令非线性系统强稳定的控制器参数。这为非线性水轮机调节系统的控制器参数整定及稳定运行提供了理论依据。     

PSO算法与DDS算法在EasyDHM模型中的参数分析及对比研究

为了提高Easy DHM模型进行水文预报的精度,选用2012-2014年汉江流域的水文数据,分别使用PSO算法和DDS算法对模型参数进行率定,重点分析两种算法参数对算法性能的影响,从而得到两种算法在Easy DHM模型上进行参数率定的最优算法参数。在此基础上比较了两种算法在最优算法参数下的模型参数率定效果,结果表明两种算法在该流域Easy DHM模型的参数率定上表现了较好的适应性。并根据对比结果给出了用Easy DHM模型进行场次洪水预报时,参数率定算法选择的建议:在要求率定效果最好情况下,预报的主要指标为洪量时建议使用DDS算法,预报的主要指标为洪峰是建议使用PSO算法;在要求率定速度尽量快的情况下,建议使用DDS算法。     

PA-DDS算法在HBV模型参数优化中的应用

影响水文模型预报精度的因素有很多,其中模型参数的优化对模拟结果起到至关重要的作用,目前用于参数优化的方法包括单目标优化和多目标优化两种。随着参数率定方法研究的深入,多目标分析问题越来越受到关注。Pareto存档动态维度搜索(Pareto-Archived Dynamically Dimensioned Search,PA-DDS)作为多目标优化算法,通过在求解过程中动态存储Pareto前沿以防止最优解的丢失,在寻优速度以及解的稳定性方面比较有优势。精英非支配排序遗传算法(NSGA-Ⅱ)具有寻优速度快、解集收敛性能好等优点,已经成为检验其他多目标优化算法性能的标准;AMALGAM算法通过对四种相关算法分配权重从而实现信息交换同时寻优,解的收敛性能较好。因此本文将PA-DDS算法与AMALGAM算法和精英非支配排序遗传算法(NSGA-Ⅱ)在收敛性能方面进行了对比,并将非劣解分布的均匀性及解的相似性方面与AMALGAM进行比较,利用尼泊尔巴格玛蒂河流域2005-2011年期间实测洪水日径流过程资料作为HBV模型参数率定系列,运用PA-DDS算法对模型参数进行优化,得出Pareto最优解,并利用2013年5场洪水日径流过程进行模型检验。结果表明:PA-DDS算法比AMALGAM算法能够更快地得到Pareto最优解且解的质量较好,拟合历史洪水平均确定性系数达到0.86,模型预报精度高,表明PA-DDS优化算法在解决多参数多目标优化问题中具有优势。     

基于遗传算法的自适应水轮机调节系统

为了进一步改善水轮机调速器的鲁棒性，有利于我国的水电行业向着“无人值班”的管理模式健康发展，提出了基于遗传算法的自适应水轮机调节系统的硬件结构和软件结构，并针对应用实例进行了仿真计算。由于基于遗传算法的自适应水轮机调节系统能够根据调节对象的变化，辨识并优化控制器参数，因而使得调节器具有智能化的特点，符合调速器的发展方向。     

基于PCA-SDG的水轮机调节系统故障诊断

讨论了基于符号有向图SDG的故障诊断方法,建立了闭环控制系统的SDG模型及故障诊断推理规则.利用经验方法建立了典型的水轮机调节系统的SDG模型及故障诊断推理规则.针对SDG模型节点符号确定的主观性问题及节点阈值的组合爆炸问题,将主元分析PCA方法与SDG模型结合用于故障诊断.利用系统运行数据建立主元分析PCA模型,根据PCA模型构造残差统计量进行故障检测,当有故障发生时,将每一检测分量对残差统计量的贡献率与设定的贡献率阈值比较,得到各检测分量的定性符号值,该符号值作为SDG模型中相应节点的符号,根据SDG推理规则进行故障推理,找出故障源.根据现场运行数据建立水轮机调节系统的PCA模型,应用PCA-SDG故障诊断方法对其进行故障诊断,模拟系统传感器恒偏差故障,对故障诊断过程进行仿真,结果证明该PCA-SDG故障诊断方法对水轮机调节系统是有效的.     

水轮机调节系统的动态滑模控制

针对水轮机调节系统在滑模控制中的抖振问题,研究基于滑模控制方法设计了水轮机调节系统的动态滑模控制器。首先建立了考虑超长引水隧洞的水轮机调节系统的数学模型,并设计了动态滑模控制器;然后通过粒子群和灰狼混合优化算法（PSOGWO）对设计的控制器参数进行了优化;最后采用设计的动态滑模控制器对水轮机调节系统进行了正弦和阶跃的轨迹追踪试验,用于评估不同控制器的优越性和有效性。仿真结果表明,设计的动态滑模控制器不仅提高了水轮机调节系统的控制性能并减少了轨迹追踪的收敛时间,而且能够显著减小滑模控制的抖振效应和轨迹追踪的误差。     

状态监测与故障诊断技术在水轮机调节系统中的应用与发展

文章简述了水轮机调速器状态监测与故障诊断的现实意义,介绍了状态监测与故障诊断的组成与工作原理,着重阐述了状态监测与故障诊断技术在国内外的应用与发展状况,指出了该技术目前存在的主要问题,并提出了状态监测和诊断技术未来的发展方向。     

协同过滤算法在农产品智能推荐系统中的应用研究

随着信息技术的不断发展,信息资源的爆炸、超载等问题日益突出,推荐系统的实用价值就体现出来了,并且是一种很好的解决方法。推荐系统是当前业界和学术界的一个热门话题,其中最受欢迎的就是协同过滤算法,通过挖掘用户的历史行为来判断用户的偏好,并根据用户的偏好进行推荐。基于此,笔者对协同过滤算法进行了详细介绍,并对面向农产品的协同过滤推荐算法的应用进行了描述,最后分析了协同过滤推荐算法中存在的问题与未来面临的挑战。研究结果表明,农产品智能推荐系统既有利于人们了解到更多的农产品,快速找到自己所需要的产品,又有利于推动产供销融合发展,但随着互联网普及率日益提高,网络规模不断扩大,其应用也面临着一定的困难和挑战。     

基于群智能优化算法的土壤水动力参数反演

土壤水动力参数是模拟田间土壤物质传输过程的基本参数,准确确定土壤水动力参数对实现农田生境精准调控具有重要意义。基于一维垂直入渗试验数据,采用代数方法和数值方法,构造3个不同的目标函数,并分析鲸鱼优化算法和灰狼优化算法反演Brooks-Corey-Mualem模型参数的适用性。结果表明：通过选择合适的目标函数,两种群智能优化算法均可用于反演土壤水动力参数。在代数方法中,鲸鱼优化算法在目标函数2下(由累积入渗量、入渗时间、含水率构成的相对误差)固定参数θ_r、θ_s优化得到的土壤水动力参数误差最小,反演参数得到的累积入渗量、入渗率、含水率的相对误差都在9.74%以下,决定系数都在0.904 0以上,反演时间为70 s;在数值方法中,灰狼优化算法在目标函数3下(由累积入渗量、湿润锋深度、含水率构成的相对误差)固定参数θ_r、θ_s优化得到的参数误差最小,反演参数得到的累积入渗量、入渗率、含水率的相对误差都在2.53%以下,决定系数都在0.991 7以上,反演时间为115 s。因此,代数方法所用时间短、精度相对较低...     

基于PCC的水轮机调节系统实时动态仿真研究

水轮机调速器仿真系统作为水电站的一个重要的测试手段,有着传统的调速器测试手段所无法比拟的优点。受计算机软硬件技术的限制,以前的调速器仿真系统在实时性和可用性方面存在一定的缺陷。基于奥地利B8LR公司的可编程计算机控制器（PCC）PP41,设计了一套实用可行的水轮机调速系统实时动态仿真仪,提高了数据采集和传榆的实时性和准确性,可以对水轮机调速器进行快速准确地测试调整。     

基于P的水轮机调节系统实时动

水轮机调速器仿真系统作为水电站的一个重要的测试手段,有着传统的调速器测试手段所无法比拟的优点。受计算机软硬件技术的限制,以前的调速器仿真系统在实时性和可用性方面存在一定的缺陷。基于奥地利B&R公司的可编程计算机控制器（PCC）PP41,设计了一套实用可行的水轮机调速系统实时动态仿真仪,提高了数据采集和传输的实时性和准确性,可以对水轮机调速器进行快速准确地测试调整。