基于深度神经网络的机炉协调系统建模研究

发布时间：2024-04-14 09:30

　　机炉协调控制系统是火电厂自动化控制系统中的核心单元,其控制性能的好坏将会直接影响到单元机组的长期安全稳定经济运行,而且得到协调系统精确的模型是控制系统算法设计和性能研究的前提条件。因此,建立准确的机炉协调系统的模型是十分有必要的。随着容量更大、参数更高的火电机组的相继投产,使得机炉协调系统内部各部分的耦合和非线性特性更强,利用传统的机理分析法很难建立准确的模型。近些年来,基于现场历史数据序列的智能建模算法成为研究的主要热点之一。本文在深入研究神经网络算法的基础上,针对神经网络中人为设定的参数过多,隐层能够提取到数据的特征不太多,并且不能够准确反映数据的分布情况,并且容易陷入局部最优的缺点。针对其缺点提出了增加神经网络的层数,改进学习算法,也即深度神经网络。研究的重点是利用深度神经网络中的深度信念网络进行模型建立。深度信念神经网络实际上是由多个波尔兹曼机叠加而成,其学习过程包含无监督的预训练和有监督的学习两个阶段,经过预训练得到相对较优的网络权值,然后使用样本中的输入和输出数据对预训练得到的深度信念网络进行学习,使用的学习算法是梯度下降法,得到网络相对最优的权值。最后在分析了机炉协调系统...

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

图3-1人工神经元结构

生物神经元网络结构的功能模拟、简化和抽象，神经元作为神的处理单元。神经元模型的结构也是多种多样，但是基本原理都是区别就在于不同的神经元模型采用了不同的激励函数。大量神经连接就组成了神经网络，再加上一定的算法，神经网络就具备了，神经网络的学习结果的好坏很大程度上取决于各层之间的连接....

图3-2单输出节点单层感知器网络结构

图3-2单输出节点单层感知器网络结构图3-3多输出节点单层感知器网络结构的输入层也常被称为感知层，感知层的每个节点只能够负

图3-3多输出节点单层感知器网络结构

18图3-3多输出节点单层感知器网络结构输入层也常被称为感知层，感知层的每个节点只能够入层本身没有信息处理能力，输出层也称为信息处理理能力，并向外部输出处理后的信息，不同的输出节的。网络训练数据的效果的好坏，需要有一个评价指标，络的输出和实际值的均方误差和的大小，然后通过梯小....

图3-4三层感知器神经网络结构

图3-4三层感知器神经网络结构图的感知器网络中，整个网络的输入向量为12(,,,,,iXxxx出向量可以表示为12,,,,TjmYyyyy；输出层的输出向量可12,,,,Tkloo....

本文编号：3954468