LMS算法在过热汽温建模中的应用.pdf

《 研究-ff分析YANJIUYuFENX LMS算法在过热汽温建模 中白I)应用 钟灼均，常太华，朱红路 (华北电力大学 自动化系，北京 102206) }商 要 热工过程往往表现出非线性、大迟延和大惯性等特点，难以建立精确的数学模型。针对这一问题，应用 ● ?LI旺s自适应滤波器对火电厂过热汽温对象进行建模。该方法以过热器的入 口和出口汽温作为滤波器的激励信号 -和期望信号，根据最小梯度算法调整滤波器抽头权值，获得过热汽温的FIR模型。文中建模方法计算复杂度低，仿_ 一 真结果和某电厂运行数据验证 了这种方法的有效性。 i 关键词 L1旺S算法；建模；自适应滤波器；过热器 中图分类号：TK323 文献标志码：A 文章编号：1673—7598(2010)04—0022—04 0 引言 1 LMS自适应滤波器原理 在火电机组运行过程 中．提高过热汽温对象的 自适应滤波器完全依靠递归算法进行运算，这 建模精度，对提高机组运行经济性和安全性具有重 样使得它有可能在有关信号特征的完整知识不能得 要的意义。过热汽温被控对象一般具有慢时变、大迟 到的环境下，完满地完成滤波过程。自适应滤波器必 延和不确定性等特点，且往往运行在复杂环境中，容 须满足某种最佳准则要求，因为不同的准则可以产 易受到其他扰动因素影响．难以通过机理分析的方 生不同的白适应算法。El适应滤波中所采用的最优 法确定其数学模型。近年来针对主蒸汽温建模已有 准则有最小均方误差准则、最小二乘准则、最大信噪 支持向量回归、神经网络、多层递阶、模糊逻辑等方 比准则、统计检测准则等，其 中运用最广泛的是最小 法，但算法复杂度和在线学习都存在一定局限，而 均方误差准则。该准则认为滤波器输出与期望信号 RLS(递推最小二乘法)虽然收敛速度快，但其计算 之差的均方值最小为优。 复杂度较高且不易于工程实现ll-5]。故研究一种能够 LMS算法具有计算复杂度低、收敛性好、其均值 在线的、具有 自适应能力的建模方法对于热．[对象 无偏差地收敛到维纳解和利用有限精度实现算法时 的分析和控制算法的研究具有十分重要的意义。 的稳定性等特点，一般包含2个基本过程6J【： 本文所应用的LMS(LeasI~一mea／1一square，最小均 (1)滤波过程(filteringprocess)。包括计算线性 方)算法是一种随机梯度算法，它在相对于抽头权值 滤波器输出对输入信号的响应和通过 比较输出结果 的误差信号平方幅度的梯度方向上迭代调整每个抽 与期望响应产生估计误差。 头权值。基于该算法的El适应滤波器具有在未知环 (2)自适应过程 (adaptiveprocess)。根据估计误 境下 良好运行并跟踪输入统计量随时间变化的能 差 自动调整滤波器参数。 力，它根据期望信号和滤波器输出估计信号之问的 图1为 自适应横向滤波器框图。图1中首先，有 误差对横向滤波器抽头权值进行调整，获得滤波器 一 个横 向滤波器，围绕它构造LMS算法，该过程完成 对未知对象的FIR逼近模型。利用LMS算法对过热汽 滤波T作；其次 ，有一个横向滤波器抽头权值进行 温对象建模，仿真结果和现场数据验证表明，这一建 自适应控制过程的算法，即 “自适应权值控制算法” 模方法结构简单、运算量小、辨识精度高且 自适应能 部分 。 力强