共 10 条
基于蚁群算法和LSSVM的锅炉燃烧优化预测控制
被引：22
作者：
龙文
[1
,2
]
梁昔明
[2
]
龙祖强
[3
]
李朝辉
[2
]
机构：
[1] 贵州财经学院贵州省经济系统仿真重点实验室
[2] 中南大学信息科学与工程学院
[3] 衡阳师范学院物理与电子信息科学系
来源：
关键词：
最小二乘支持向量机;
蚁群算法;
燃烧;
优化;
预测控制;
电厂;
支持向量机;
D O I：
暂无
中图分类号：
TM621.2 [锅炉及燃烧系统];
TP18 [人工智能理论];
TP13 [自动控制理论];
学科分类号：
081104 ;
0812 ;
0835 ;
1405 ;
摘要：
火电厂锅炉燃烧过程是一个复杂的多输入/多输出系统,具有高度非线性、强耦合的特点。借助燃烧特性试验数据,利用最小二乘支持向量机(LSSVM)建立锅炉燃烧模型,使用非线性模型预测控制(MPC)算法对锅炉燃烧过程进行优化和控制。提出一种改进蚁群算法用于求解预测控制算法中的非线性优化问题,采用动态随机抽取方法来确定目标个体引导蚁群进行全局搜索,同时在最优蚂蚁邻域内进行小步长局部搜索。实例表明,该方法对锅炉燃烧过程具有较好的控制效果。
引用
收藏
页码：89 / 93
页数：5
相关论文