一种新的动态聚类算法及其在热工过程模糊建模中的应用.pdfVIP

第25 卷 第7 期 中 国 电 机 工 程 学 报 Vol.25 No.7 Apr. 2005 2005 年4 月 Proceedings of the CSEE ©2005 Chin.Soc.for Elec.Eng. 0258-8013 2005 07-0034-07 TK323 A 470·30 文章编号： （ ） 中图分类号： 文献标识码： 学科分类号： 一种新的动态聚类算法 及其在热工过程模糊建模中的应用 朱红霞，沈 炯，李益国 （东南大学动力系，江苏省南京市 210096 ） A NOVEL DYNAMIC CLUSTERING ALGORITHM AND ITS APPLICATION IN FUZZY MODELING FOR THERMAL PROCESSES ZHU Hong-xia, SHEN Jiong, LI Yi-guo （Southeast University, Nanjing 210096, Jiangsu Province, China） ABSTRACT: A novel dynamic evolutionary clustering 关键词：热工过程；动态聚类；模糊模型；免疫机制；遗传 algorithm(DECA) is proposed in this paper to overcome the 算法 shortcomings of fuzzy modeling method based on general 1 引言 clustering algorithms that fuzzy rule number should be determined beforehand. DECA searches for the optimal cluster 随着现代火电机组单机容量和参数的提高及 number by using the improved genetic techniques to optimize 系统本体的复杂化，对热工过程的自动控制提出了 string lengths of chromosomes; at the same time, the 更高的要求[1]，以保证热力设备安全经济地运行。 convergence of cluster center parameters is expedited with the 热工过程被控对象一般都具有高阶惯性、纯迟延、 help of Fuzzy C-Means(FCM) algorithm. Moreover, by introducing memory function and vaccine inoculation 非线性、时变等特点，基于常规线性模型的控制系 mechanism of immune system, DECA can converge to the 统，在过程工况发生较大变化时，控制品质将会下 optimal solution rapidly and stably. The proper fuzzy rule 降，甚至导致控制系统无法正常运行，因此，建立 number and exact premise parameters are obtained 热工过程精确的全局非线性模型是提高控制系统 simu