基于LMS算法的热工过程建模研究.pdfVIP

第 25卷第 8期 电 力 科 学 与 工 程 Vo1．25，No．8 Aug．，2009 45 2009年 8月 ElectricPowerScienceandEngineering 基于LMS算法的热工过程建模研究 吴琪瑜 ，江清潘 ，常太华 ，朱红路 (1．上海国核工程有限公司，上海200233；2．华北电力大学，北京 102206) 摘要：热工过程往往表现出非线性、大惯性和大迟延等特点，不易建立精确的数学模型，难以精确表达热 工过程 以至于不能达到理想的控制效果。针对这一问题，提出了基于LMS算法的自适应滤波建模方法。该 方法通过误差信号自适应调整每个抽头权值，使基于该算法的自适应滤波器能够迅速的收敛到要求的输入 和输出关系，从而达到精确建模的目的。仿真结果表明该算法复杂度低，精度高，能有效的应用于热工过 程建模。 关键词：热工过程；LMS算法；自适应滤波器；建模 中图分类号；TK323 文献标识码：A 模、逆模型、预测、干扰消除等领域 。本文利 0 引 言 用 LMS算法能够逼近未知系统的能力，通过 LMS 算法建立热工对象的FIR模型。将这一方法应用 建立精确的热工过程模型是对热工过程进行优 于不同负荷下火电厂再热器对象的建模，仿真结果 化控制的基础，对提高系统运行的经济性和安全性 和现场数据验证了这一方法的有效性。该方法能够 有重要意义。热工过程被控对象一般都具有非线性、 适用于热工过程对象的建模，为热工对象的建模研 慢时变和大迟延等特点，而且受到很多干扰和不可 究提供了一种新的思路。 建模因素的影响，使得利用机理分析方法建立热工 过程模型存在较大困难。近年来先进的建模方法得 1 LMS算法原理 到了一定的发展，出现了支持向量回归、神经网络、 遗传算法和 自适应滤波建模等方法，但支持向量回 自适应滤波器依靠递归算法进行其运算，这样 归速度慢、运算量大且不具有实时性：神经网络算 使得它有可能在有关信号特征的完备知识缺失的环 法复杂、收敛慢，并有可能陷入局部极小；而遗传 境下，圆满地完成滤波运算。在平稳环境下，自适 算法收敛速度缓慢、计算代价昂贵并容易早熟 [1-5]o 应滤波器经过成功迭代后收敛于某种意义上的最优 因此，研究一种能够在线的、具有 自适应能力的建 维纳解。在非平稳环境中，其又具有跟踪输入数据 模方法对于热工对象的分析和控制算法的实施有着 统计特性随时间变化的能力，只要这种变化是足够 十分重要的意义 。 缓慢的。 LMS (最小均方，least—meansquare)算法是 1．1LMS算法基本原理 一 种随机梯度算法，它在相对于抽头权值的误差信 LMS算法是一种有哪些信誉好的足球投注网站算法，它通过对 目标函 号平方幅度的梯度方向上迭代调整每个抽头权值， 数进行适当的调整，简化了对梯度向量的计算。 使基于该算法的自适应滤波器能够迅速地收敛到未 LMS算法具有计算低复杂度、收敛性好、其均值 知对象的输入和输出关系。由于LMS算法计算量 无偏地收敛到Wiener解和利用有限精度实现算法 小，结构简单，易于实现，具有较高的可靠性，经 时的稳定性等特点。一般来讲，它包含两个基本过 过短短几十年的发展，LMS算法已广泛应用于建 程： 收稿 日期：2009-04—21． 作者简介：吴琪瑜 (1975一)，男，上海国核工程有限公司工程师 电 力 科 学 与 工 程 2009仨 (1)滤波过程 (filteringprocess)。包括计算 输入 ()激励。LMS滤波器根据未知系统的实际 线性滤波器输出对输入