熱工過(guò)程數(shù)據(jù)校正技術(shù)研究與應(yīng)用.pdf

1、熱工過(guò)程測(cè)量數(shù)據(jù)的準(zhǔn)確性對(duì)機(jī)組過(guò)程控制、性能監(jiān)測(cè)與優(yōu)化運(yùn)行等系統(tǒng)有著至關(guān)重要的作用，相關(guān)研究對(duì)于保證機(jī)組的安全與經(jīng)濟(jì)運(yùn)行有著重要意義。本文針對(duì)熱工過(guò)程測(cè)量數(shù)據(jù)校正技術(shù)進(jìn)行研究，主要內(nèi)容如下：
　　提出基于輸入訓(xùn)練神經(jīng)網(wǎng)絡(luò)的熱工過(guò)程數(shù)據(jù)檢驗(yàn)?zāi)Ｐ?，利用該網(wǎng)絡(luò)良好的自映射特點(diǎn)進(jìn)行數(shù)據(jù)真值重構(gòu)。對(duì)網(wǎng)絡(luò)訓(xùn)練與測(cè)試算法進(jìn)行改進(jìn)，在網(wǎng)絡(luò)訓(xùn)練模型中引入動(dòng)量因子和自適應(yīng)調(diào)整網(wǎng)絡(luò)學(xué)習(xí)率，并在網(wǎng)絡(luò)目標(biāo)函數(shù)中施加參數(shù)限制項(xiàng)，以增加網(wǎng)絡(luò)權(quán)值調(diào)整的穩(wěn)定性，提

2、高模型收斂速率。
　　提出基于魯棒輸入訓(xùn)練神經(jīng)網(wǎng)絡(luò)(RITNN)的數(shù)據(jù)檢驗(yàn)方法，在測(cè)試目標(biāo)函數(shù)中引入影響因子函數(shù)和可靠性系數(shù)，抑制了多測(cè)點(diǎn)顯著誤差的不良影響，減小了殘差污染。針對(duì)RITNN實(shí)時(shí)性差的問(wèn)題，提出一種新型魯棒自聯(lián)想神經(jīng)網(wǎng)絡(luò)(RAAN)算法，通過(guò)對(duì)網(wǎng)絡(luò)解映射子網(wǎng)和映射子網(wǎng)分別訓(xùn)練的方式建立多測(cè)點(diǎn)顯著誤差魯棒數(shù)據(jù)檢驗(yàn)?zāi)Ｐ停⒁霐U(kuò)展訓(xùn)練數(shù)據(jù)集以增加模型的魯棒性。
　　在基于RAAN的數(shù)據(jù)檢驗(yàn)?zāi)Ｐ椭屑尤敕从诚到y(tǒng)物理規(guī)律

3、的約束方程，研究系統(tǒng)機(jī)理性建模與數(shù)據(jù)驅(qū)動(dòng)建模相結(jié)合的數(shù)據(jù)校正綜合建模方法。給出了基于RAAN/遺傳算法(RAAN-GA)的數(shù)據(jù)校正模型，對(duì)RAAN數(shù)據(jù)重構(gòu)值進(jìn)行調(diào)整，使其滿足給定的約束條件。為了改善RAAN-GA數(shù)據(jù)校正模型的實(shí)時(shí)性，同步進(jìn)行顯著誤差檢測(cè)和數(shù)據(jù)協(xié)調(diào)，提出了基于改進(jìn)魯棒自聯(lián)想神經(jīng)網(wǎng)絡(luò)(IRAAN)的數(shù)據(jù)校正綜合建模方法，在目標(biāo)函數(shù)中引入約束方程，提高了建模準(zhǔn)確性，改善了模型運(yùn)行效率。
　　基于電廠SIS系統(tǒng)平臺(tái)開發(fā)了