遗传算法在电站锅炉燃烧过程建模与优化中的应用与研究.pdf

摘 要 锅炉是火力电站的重要设备之一。电站锅炉设备庞大、复杂；过程多变量、大 延迟、强耦合。其控制和优化问题一直是这一领域学者所关注和研究的重点。 本文选取RBF神经网络作为建模工具，提出了一种新的RBF神经网络的设计 方法，采用遗传一K均值聚类算法对RBF神经网络的隐含层节点中心值进行优选， 用遗传算法训l练RBF神经网络的权值，增强了神经网络的泛化能力。 以锅炉燃烧为实例，采用现场采集的数据和改进的算法建立系统的神经网络模 型。采用实数编码遗传算法，寻找最优输入变量组合，实现多目标函数的优化。 关键词：锅炉，RBF神经网络，遗传算法，最优化 ABSTRACT Boilersare inPower is importantcomponentssystems．Boilerquitecomplex and insize．The initisofmulti—variablesandthe are huge processhappened parameters itscontroland ate asoneof coupledtogether．So optimizationtargeted themost heavily researchers． Problems key by Inthis NeuralNetworkwasselectedasatoolfor paper，RBF modeling tothecharacteristicsofboiler new ofRBFneuraI according systems．A network design is K—meansmethodbasedonGenetic is to used proposed．Adynamic algorithm optimize thecentersofthehiddenunitsofRBF network．Geneticisusedtotrainthe algorithm ofRBFnetwork．Soit enhancedthe ofRBFNeural weights generalizingability Networksandthus its improvingapplicability． boilercombustionasan RBFneural Taking processexample，a networkisbuilt withthedataonthe the up ameliorated with spot，using algorithm．Geneticalgo