螢火蟲算法改進及其在燃燒系統(tǒng)魯棒控制中的應用.pdf

1、如今火電廠中，煤的用量依然非常大，鍋爐燃燒系統(tǒng)又是電廠的重要組成部分，因此對鍋爐燃燒系統(tǒng)控制的好壞直接體現了我國煤能源是否能夠被高效利用?；痣娬惧仩t燃燒系統(tǒng)是一個具有非線性、強耦合、大慣性、參數時變性等特點的系統(tǒng)，對其創(chuàng)建一個數學模型實施精確的控制十分困難。由于鍋爐本身固有的延遲特性使得傳統(tǒng)的熱量信號和溫度信號不能快速準確地反應爐膛內的燃燒狀況，導致控制效果不理想。本課題主要針對鍋爐燃料控制系統(tǒng)設計H∞魯棒控制器，又針對魯棒控制器設計中

2、的加權函數選擇問題，提出一種改進螢火蟲優(yōu)化算法(Genetic Algorithm-Artificial Fish Glowworm Swarm Optimization， GA-AFGSO)，最后將改進螢火蟲算法用于魯棒加權函數的尋優(yōu)。
　　為了提高燃燒系統(tǒng)的信號傳遞速度，本課題引用輻射能信號到串級燃燒控制系統(tǒng)中作為H∞魯棒控制器的反饋信號。通過一階分時時滯近似，得到最優(yōu)近似模型，又通過加權函數的設計得到了H∞魯棒控制器。并分析

3、H∞魯棒控制器的魯棒穩(wěn)定性和抗干擾能力。
　　在H∞控制器設計中，加權函數的選擇至關重要。傳統(tǒng)的加權函數選擇主要是通過試湊來獲得的，權函數選取的好壞很大程度決定于設計人員的經驗，想要得到最優(yōu)的權函數十分困難。而加權函數選擇問題實質上可轉化為多維復雜函數優(yōu)化問題，針對此問題提出了基于螢火蟲群（Glowworm Swarm Optimization, GSO）、人工魚群(Artificial Fish-school, AFS)和遺傳算