混合遗传算法在多煤种掺烧电站制粉系统优化中的应用

电站制粉运行优化是一类多变量非线性时变系统,同时受到燃烧稳定性、磨的安全性、炉膛结焦等因素约束,且控制参数和约束条件之间相互耦合制约。本文将人工神经网络和遗传算法相结合形成混合优化算法,对电站多煤种掺烧制粉系统运行进行寻优。针对掺烧煤结焦的模糊性和非线性特征,采用模糊神经网络评估混煤的结焦特性,并利用径向基神经网络关联掺烧煤的煤粉细度和磨出口温度。以混煤煤价和制粉单耗最低为目标,采用组合结构基因加速寻优,其中煤种和掺混比率基因用于全局粗寻优, 运行参数基因用于制粉系统局部优化。考虑到参数基因维数大,在可行解空间内对浮点编码的10维变量进行均匀分割随机初始化,以保证搜索的稀疏性和初始群体的多样性。仿真结果表明,该算法对电站多煤种掺烧制粉系统运行问题具有相当好的实用性和适应性。     

混合遗传算法在制粉系统优化中的应用

提出一种混合遗传算法对电站多煤种掺烧制粉系统的运行进行寻优.采用模糊神经网络评估混煤的结焦特性,利用径向基神经网络预测掺烧煤的煤粉细度和磨出口温度.在此基础上,以磨煤机安全性和炉内燃烧稳定性为约束,以混煤煤价和制粉单耗最低为目标进行遗传算法寻优,并采用组合结构基因加速运算.仿真结果表明,该算法对电站多煤种掺烧制粉系统的运行优化具有较好的实用性和适应性.     

多目标混合混沌优化算法研究及应用

为了求解多目标优化问题,提出一种基于混沌搜索的多目标模糊混沌优化算法．将混沌优化方法与模糊优化方法有机地结合起来,应用混沌优化算法求出各个单目标的最优解;将各最优解模糊化;应用模糊非对称方法的思想和模糊集合理论中的最大满意度原理,将多目标优化问题转化为单目标非线性规划问题;最后应用混沌优化算法求解单目标优化问题,得到满意度最大的解．结果表明,所提出的多目标模糊混沌优化算法是可行和有效的,为求解多目标优化问题提供了一种新的有效方法．     

混沌动态模糊神经网络及变压器故障诊断的应用

提出一种结合动态模糊神经网络和混沌优化算法的故障诊断方法,将混沌变量引入模糊神经网络结构和参数的优化搜索.利用混沌优化的动态模糊神经网络建立变压器故障诊断模型,此模型不仅能对模糊规则而且能对输入变量的重要性做出评价,从而使得每个输入变量和模糊规则都可根据误差减少率进行修正.仿真结果表明,混沌动态模糊神经网络算法精度高、迭代步骤少、收敛快,对识别和预测变压器状态具有较高的精度和效率,并可方便有效地应用到其他领域.     

最优模糊神经网络参数的设计--混沌模拟退火学习法

提出了一种新型优化算法———混沌模拟退火学习法,将混沌算法和模拟退火算法相结合学习模糊神经网络的结构和参数。首先将混沌变量引入模糊神经网络参数的优化搜索中,利用混沌变量的遍历性寻优,根据性能指标寻找较优的模糊神经网络控制器,然后在混沌优化确定的网络基础上,把经混沌搜索后得到的全局次优解作为模拟退火学习算法的初始值,再用模拟退火方法进一步学习网络的隶属函数和权值参数,找到一个全局最优的网络。仿真结果表明:混沌模拟退火学习法优于传统优化方法,其控制结果具有精度高、超调小和响应快的优点,为解决模糊神经网络控制器参数全局最优设计提供了一种切实有效的方法。     

灰色集成优化算法在齿轮变速箱设计中的应用

在遗传算法基础上结合混沌理论和灰色关联分析理论,提出了一种灰色集成优化算法.该算法采用混沌映射技术的遍历性产生初始群体,以进化群体与标准序列的灰色关联度为适应度函数,通过对遗传算子的操作,从而逼近最优解.最后以某汽车变速器为例,在确保可靠传递动力的前提下,采用惩罚函数法将约束条件进行转化,建立了以体积最小为目标的优化设...     

脉冲暂态混沌神经网络在约束非线性规划中的应用

脉冲暂态混沌神经网络（PTCNN）是对暂态混沌神经网络的改进，呈现丰富的动力学性质，具有很强的跳出局部最小点的功能，在解决无约束非线性规划问题时，可以找到包括全局和局部最小值的尽量全面的最优解。当遇到带约束条件的非线性规划问题时，只有对约束条件进行合理处理，才能更有效地解决约束非线性规划问题。文章使用惩罚函数方法对含有约束条件的非线性规划问题进行处理，将其变成一个不含约束条件的非线性规划问题，进而用PTCNN求解，得到了令人满意的结果。     

基于混沌遗传算法的PHEV能量管理策略优化

提出了一种新的混沌遗传算法,改进了混沌映射和遗传算法的结合方式,使种群在进化的过程中能够混沌搜索解空间,从而增强遗传算法的遍历性.该算法有效地克服了遗传算法局部收敛的缺陷.在软件ADVISOR2002中,以一辆采用模糊能量管理策略的插电式混合动力电动汽车(Plug-in Hybrid Electrical Vehicle,PHEV)为研究对象,应用该混沌遗传算法对其隶属函数和控制规则进行了优化.仿真结果表明,该算法可以实现对模糊控制器的全局优化.与原模糊控制策略相比,优化后的燃油经济性提高了5.15%,CO排放减少了6.39%.     

试论电站煤粉锅炉混煤结渣性能变化

本文主要内容是从电站煤粉锅炉参烧强结渣性煤,在煤质与灰分成分测量与分析的基础上,根据工程上动力用煤配煤原则,并结合锅炉炉膛热力计算与2台锅炉的设计特点,分析预测了不同掺混比的混煤煤质主要结渣指标与程度,得到2台锅炉掺烧强结渣煤的合理比例。     

火电机组混煤掺烧与优化系统研究与应用

针对火电厂混煤掺烧的实际特点,建立火电机组混煤掺烧与优化系统。系统包括智能储煤模块、制粉优化模块和经济效益模块3个功能模块。系统采用K均值聚类算法和专家规则对进厂煤种进行智能储煤;采用多目标优化方法——粒子群优化(particle swarm optimization, PSO)算法对制粉系统进行优化管理得到合理配煤比例,使混煤掺烧达到安全、经济和环保的作用;并设计掺烧收益模块,进行经济性分析。针对内蒙某电厂实际情况,开发火电机组混煤掺烧与优化系统。通过实际应用证明,该系统可对各个煤种进行分类储煤,并得到最佳掺配方案。     

电厂配煤系统数学模型的可行性研究

对电厂配煤流程中影响混煤质量的主要因素进行了分析,指出混煤特性与组成单煤之间并非简单的加权关系,具有强烈的非线性特征,综合运用模糊数学与神经网络理论等数学方法加以描述,在此基础上开发动态配煤数学模型及相关的知识库。     

用模糊神经网络方法预测煤灰的结渣特性

研究煤灰的结渣特性是预测和诊断电站锅炉炉内结渣故障的第一步。综合应用模糊数学和神经网络的知识构造了一个模糊神经网络模型,用以判别煤灰的结渣特性。该方法是对已有的单一指标判别法和用模糊数学方法进行多个指标判别的改进。计算结果表明,该方法具有诊断速度快、结果准确的特点,为进一步研究煤灰结渣综合判别指标提供了一个新的途径。     

ACPSO-BP神经网络在矿井突水水源判别中的应用

矿井多年来的连续开采使各含水层水质特征变得更加复杂、更为接近,应用经典数学方法难以建立精确的判别模型,使用具有非线性映射功能的BP神经网络可以克服以上问题,但其仍然具有易陷入局部最优和收敛速度慢缺点。通过将"早熟"判断机制、Tent混沌映射以及权重自适应调整策略引入粒子群算法中,建立基于自适应混沌粒子群算法和BP(ACPSO-BP)神经网络突水水源判别模型,应用结果表明:与BP神经网络模型、基于标准粒子群算法和BP(SPSO-BP)神经网络模型相比,ACPSO-BP神经网络模型具有收敛速度快、精度高和泛化能力强的特点。     

模糊神经网络控制器参数的混沌优化

为了优化模糊神经网络的参数,将混沌变量引入到模糊神经网络参数寻优方式中,根据系统的性能指标,采用混沌变量进行粗搜索寻优模糊神经网络参数,然后在粗寻优基础上引入基于模拟退火策略的混沌细搜索,最后搜索出的模糊神经网络参数是全局最优的.仿真结果表明:该控制方案有效地实现对非线性对象的最优控制,为工业过程非线性复杂系统的控制提供了一种有效的控制方案.     

混沌优化在模糊系统优化设计中的应用

在基于 T- S模型的模糊神经网络的基础上 ,提出了一种将混沌优化方法和最小二乘法相结合的优化方法。用变尺度混沌优化方法优化隶属函数参数 ,而用最小二乘法估计规则后件参数。该方法同时利用了变尺度混沌优化的快速全局搜索能力和最小二乘法的快速收敛性 ,因此网络学习速度快 ,精度高。仿真结果表明了该方法的有效性 ,所建立的模型具有良好的泛化能力。     

电站用煤结渣预报的自适应模糊神经网络方法

综合了多种特性结渣指数 ,应用一种基于递推最小二乘估计和梯度下降法结合的混合算法的模糊神经网络模型来预报煤质结渣特性 .将该方法的预报结果与实际结渣情况比较 ,结果证明 ,该方法预报精度高 ,速度快 ,而且具有良好的自适应能力     

基于神经网络的空调负荷混沌优化预测

从空调负荷预测的目的出发，详细介绍了一种基于神经网络的混沌优化方法，对误差函数及搜索方法作了适当的改进，建立了一个混沌神经网络模型。并用此改进的模型对一实例进行了空调负荷预测，结果表明该方法简便、足够准确可靠。