基于遗传算法的虚拟传感器输入参数的优选.pdfVIP

　第 23 卷　第 4 期 动　力　工　程 V o l. 23 N o. 4　 　2003 年 8 月 POW ER EN G IN EER IN G A ug. 2003　 　 　　文章编号:(2003) 基于遗传算法的虚拟传感器输入参数的优选 1, 2 2 1 赵　瑜 , 　周宇阳 , 　胡念苏 ( 1. 武汉大学 动力与机械工程学院, 武汉 430072; 2. 新华控制工程有限公司, 上海 200245) 摘　要: 为了解决在汽轮发电机组实时监测系统中采集参数偏移和失效的问题, 提出以神经网络为仿真手 段建立虚拟传感器的技术并以汽轮机调节级后汽温为例, 讨论了其品质因输入参数组合不同而异的特性, 进 而引入遗传算法进行优选, 以确定最优的输入参数组合。图2 表 2 参 3 关键词: 汽轮发电机组; 神经网络; 虚拟传感器; 输入参数优化; 遗传算法 中图分类号: T K 247　T K 284. 1　　　文献标识码: A 　　对汽轮发电机组进行实时监测是火电厂提高 使用基于变工况计算原理的机理模型, 也可以采 运行水平的重要措施, 监测系统的有效工作依赖 用基于历史数据的神经网络模型。 于大量现场参数的测值, 现场传感器大多工作在 神经网络可以通过大量的现场数据进行热力 高温、高压的恶劣环境下, 损坏率较大, 难免出现 过程特征的提取, 其所反映的是机组在非稳态工 信号漂移甚至失效的情况。一些重要参数的失真 况下运行的普遍特性, 可以用来表征不同机组在 乃至缺失将会造成不可估量的影响。 非稳态工况下的运行规律, 其误差往往更可信的 调节级后汽温是机组非稳态工况时汽轮机转 被认为小于由于机理模型的不完备性所带来的误 子热应力计算的重要参数, 如果该参数的测值发 差; 此外, 神经网络还对那些难以用规则或公式描 生故障, 将直接影响到寿命评估与监测系统的有 述的问题表现出极大的灵活性和自适应性。所以 效性, 导致汽轮机寿命史的缺失。因此, 在汽轮机 本文采用神经网络来建立模型。 组优化启停、寿命监测等过程中需要对调节级后 径向基函数神经网络是其中常用的一种, 它 蒸汽温度进行实时仿真跟随, 通过仿真值校验现 具有最佳逼近的特性, 其隐层的作用相当于对输 场测值, 当测值发生损坏或者异常时则直接进行 入模式进行一次变换, 将低维模式的输入数据变 替代, 如同一个同时工作的传感器一样, 称为虚拟 换到高维空间内, 以利于输出层进行分类识别; 隐 2 传感器。 单元变换函数为高斯核函数(y = e- x ) , 如图 1 所 虚拟传感器的输入参数来自现场其它测值, 示。该函数对输入信号在局部产生较强的响应, 当 选择的标准是其与调节级后汽温的相关性, 那些 输入信号靠近基函数的中央范围时, 隐层节点将 与被虚拟参数强相关的参数应该被优先选择, 这 产生较大的输出, 反之则输出较小, 这使得网络具 个过程称为参数的优选。本文引入遗传算法, 经过 有局部逼近的能力。 不断的选择、交叉、变异操作,