智能技术在实际仿真系统中的应用研究

摘　要： 系统仿真作为一门多学科的综合技术, 近几年得到较快的发展，已广泛地应用到许多领域。对于大型仿真器中模型的实现往往也要求多层次、多样化、多途径。本文综合了系统仿真模型化智能技术，并在电站系统仿真中进行了应用。
关键词： 电站仿真系统； 智能技术； 辨识

引　言
　　影响仿真系统逼真程度的一个重要因素是模型的建立。在实际中模型的实现往往也要求多层次、多样化、多途径。有的模型直接用实物表现;有的模型用严格精确的数学逻辑表达。而大多数系统动态过程模型则需要根据机理(物理、化学等的定律、定理)建立模型。由于系统非线性、不确定性、复杂性,采用机理建模根本不能完全复现系统,而往往利用人的知识和经验却能很好地表征这个系统。由此看出,对电厂复杂对象进行系统仿真时,系统存在大量不同模式的信息数据(定量的、半定量的、定性的),它们从不同角度不同层次反映系统的行为,需要建立多层次、多样化的模型。
　　近年来,人工智能的蓬勃发展,及计算机符号处理能力的大大加强,为智能技术在仿真中的应用提供了可能性。另一方面,一些不确性复杂系统的建模,也可以采用人工智能技术优化模型,建立模型,将数值模型与非数值模型融合起来。

1　智能技术在实际仿真系统中的应用研究
　　研究和开发实际电站仿真培训系统是一项多学科的综合课题。从工程实践来看,对于一个复杂的实际物理系统应用传统的机理(物理学、化学等定理、定律)几乎无法建立数学模型,它也是一个高阶非线性时变的复杂微分方程组,或偏微分方程组。当对象很复杂时,要求对系统的控制精度越来越高,这样复杂性与精确性形成了十分尖锐的矛盾。这就是Zadech提出的“不兼容原理”。即:当一个系统复杂性增大时,使它精确化的能力将减小,在达到一定阈值时,复杂性和精确性将相互排斥。因此针对上述问题,在一些无法用传统机理建立模型的系统,可以采用以人的经验和知识建立的模型,即进行模糊建模;也可以采用神经网络的办法,因为神经网络具有在紧集上能够任意逼近非线性函数的能力。另外,遗传算法是最新兴起的智能计算技术,它是借鉴生物界的自然选择和遗传机制的随机化搜索算法。具有搜索速度快处理信息量大等特点,通过反复迭代最终能够找到全局最优解。因此,模糊辨识、神经网络辨识和遗传算法辨识是智能辨识方法。概括起来讲,智能辨识是利用智能技术把复杂系统的本质信息不同层次地浓缩成相应模型类的描述形式。
　　人们逐渐把定性推理、智能化的概念引入到辨识领域,最直接的是把人工智能如专家系统加到传统辨识系统的顶层,形成指导协调式的专家辨识;还有把人的经验和知识,定量计算与定性推理融合起来的模糊辨识;把模糊推理网络化的模糊神经网络辨识等等。这些智能辨识方法无疑丰富了辨识的方法。这些方法对于一些不确定、大滞后、非线性复杂系统,是一种有效的辨识方法。
　　在火力发电厂电站仿真系统的开发研究中，汽轮发电机密封油冷却系统是一个多输入多输出复杂系统。以往的建模方法采用流体网络计算方式，从机理上建立系统的模型，其结构复杂变化多样。流体的压力和流量响应特性具有较强的非线性，同时流体网络系统数学模型中各个方程之间耦合关系较强，给数学模型的求解带来一定的困难。同样，采用其它辩识方法也都没有取得好的效果。
　　文献［9］给出了一种基于模糊聚类多变量系统的模糊建模方法。以往的模糊系统,其输入空间很多是人为划定的。为了达到精度要求,常需要对每个变量划分较多的区间,这样,当输入变量维数较多时,模糊输入划分子空间将成指数增长。文献［9］采用带有评价准则的模糊聚类方法,根据训练样本对模糊输入空间进行最优划分。其算法如下:
　　给定样本集合X₁，X₂，…，X_n∈R^m，给定分类数c，定义如下目标函数：

μ_ik表示样本X_k在第i类里的隶属度, 且满足
其中Z_i为第i类聚类中心向量。 根据文献［2］,下面的算法可以保证目标函数J₁最小。
　　1. 选择聚类数c(2≤c≤N)的值,选择初始值U⁽⁰⁾,U⁽⁰⁾=［μ_ik］⁽⁰⁾_c×n.
　　2.计算中心向量Z_i:i=1,2,…c,k=1,…,n.　　(2)
　　3. 将U^(l)更新为U^(l+1)

I_k和_k是两个集合,I_k=｛i｜1≤i≤c,‖X_k-Z_i‖=0｝,_k=｛1,2,…c｝-I_k.,Φ是空集。
　　4. 如果‖U^(l)-U^(l+1)‖≤λ，λ为阈值,则停止，否则l=l+1并转2。
　　5. 对任意c(2≤c≤N),采用带有评价准则的模糊聚类学习方法来确定系统的模糊划分空间，其形式为

S=J₁/nd_min　　(4)

d_min=min_i,j‖Z_i-Z_j‖²表示聚类中心向量之间最小距离。
　　在式(4)中,S的最小化满足了J₁的最小化, 同时, 附加因子d_min表达了类与类之间的一种测量关系。 输入变量和输出变量之间的最佳聚类数就是通过使S最小化来实现的。
　　采用卡尔曼滤波方法估计模糊模型的后件参数。其详细的算法如下:

　　P是结论参数向量。S为静态卡尔曼滤波器的增益。为零向量,S₀=α×I,α一般取很大的正整数,I为单位阵。
　　这种模糊建模方法与以往的模糊建模方法相比，该方法特点是将结构辩识和参数辩识分离开，具有从输入输出数据中获得知识的能力。同时实际测量数据是有噪声的,所以采用滤波计算方法，这样大大提高了辨识方法的精确性。采用模糊辩识方法对汽轮发电机密封油冷却系统进行了研究，建立了系统的模糊模型，经过模型检验和对现场的实际检验都取得了满意的效果^［9］。
　　电站仿真系统的开发研究中,锅炉蒸发系统是火电机组众多子系统中的一个重要系统。它的建模涉及对机组运行至关重要的监控量,如汽包压力、汽包水位等。实践证明,蒸发系统的动态特性对锅炉的运行特性有着决定性的影响。因此,正确地建立锅炉蒸发系统的数学模型非常重要。锅炉蒸发系统是一个非线性、分布参数系统。采用传统的计算方法,当机组负荷变化范围很大或在某些故障工况下,所建模型与实际系统的运行特性差别较大,难以满足仿真要求。
　　文献［10］采用了人工神经网络的方法对锅炉蒸发系统进行了建模研究,解决了锅炉蒸发系统的建模问题。实际应用表明,采用这种方法可以达到与实际系统相一致的仿真效果。
　　电站仿真系统中汽轮发电机中的透平金属温度与相对膨胀(胀差)是启、停机过程中监视的重要指标,是启、停机成败与否的关键。透平金属温度与相对膨胀是一个复杂非线性过程。以往对此系统的建模一般是基于机理而推出的非线性模型,也有近似的低阶线性模型。然而,非线性模型过于复杂,不利于仿真实时性,且两种方法都有某些物理参数难以获得的困难。文献［11］采用了神经网络对其进行了建模研究,采用遗传算法对网络进行优化。其遗传算法如下:
　　
　　GA(){
　　　　　iNItialization()
　　　　　　　　　while(loop<Gene){
　　　　　　　　　Ranking_{_}Selection();
　　　　　　　　　GA_{_}Crossover();
　　　　　　　　　GA_{_}Mutation();
　　　　　　　　　　　　　}
　　　　　　　　　　Output();
　　　　　　　　　　　　　　}
　　
　　遗传算法的交叉、变异操作依据一定的概率进行，文中采用自适应的交叉、变异概率增强GA的搜索能力。使得遗传叠代的后期比前期有较高的操作概率，适合度较低的个体比较高的个体拥有较高的操作概率。采用如下自适应交叉、变异概率P_c、P_m：

式中P_co、P_mo为(0,1)区间上的常数。
　　从这些建模方法中看出,采用智能辨识方法为复杂系统的研究提供了一个新的途径。需要进一步研究的问题是：如何进行自适应模糊辨识；如何进行在线模糊辨识；如何更好地化简模糊规则,减少模糊规则数；如何进一步提高神经网络的辨识精度；如何进一步提高神经网络的计算速度；如何更好地解决模糊逻辑与神经网络融合的模糊神经网络的辨识；如何进一步改善遗传算法的自适应复制率、交叉率和变异率。同时,应进一步将不同领域结合起来研究,不仅限于模糊逻辑和神经网络,近年来的研究已推广至混沌工程、概率推理等领域。这种融合技术应用于仿真建模,将无疑推动辨识技术的发展。
2　小结
　　将智能技术应用于电站仿真系统中,可以将专家系统、模糊逻辑、神经网络、遗传算法与各种机理建模有机地融合起来,既能反映系统动态模型的变化,又能反映各种工况下的变化,使得仿真范围变大。我们相信,随着智能技术的不断发展和完善,智能技术将为仿真研究的应用发挥更大的作用。

作者单位：哈尔滨工业大学126#信箱，哈尔滨 150001

参考文献：
［1］　李士勇.模糊控制*神经控制和智能控制理论［M］.哈尔滨：哈尔滨工业大学出版社，1996.
［2］　董嘉文,钱积新等.复杂工业系统模型化:多层智能辨识途径［J］.控制与决策.1996,3(11) Suppl.1:119-124.
［3］　李春,郑志强.智能技术在系统仿真中的应用初探［R］.1997年中国系统仿真学会学术年会,张家界:929-933.
［4］　孟晓风,王行仁.建模与仿真的智能化集成化发展综述［J］.系统仿真学报.1996,8(增刊):1.
［5］　王豪.微机电站仿真系统及其并行处理与智能化研究［D］.清华大学博士论文.1994,12.
［6］　王清,王子才.神经网络的遗传设计方法［R］.1997年中国系统仿真学会学术年会,张家界:100-105.
［7］　Kristisson. K..GA System Identification and Control Using Genetic Algorithms［J］. IEEE.Trans. on SMC.1992,22(5):1033-1046.
［8］　李伯虎等.系统仿真技术新动向［J］.计算机仿真.1996,13(3):3-5.
［9］　王宏伟,史小平等.汽轮发电机密封油冷却系统的模糊建模［R］.1997年中国系统仿真学会学术年会,张家界:100-105.
［10］　陈晓东,马广富等.锅炉蒸发系统动态数学模型的建立［J］.哈尔滨工业大学学报,1996,28(6):116-119.
［11］　王清.大型电站仿真器汽轮机系统的建模与评价方法研究［D］.哈尔滨工业大学博士论文.1997,10.
［12］　唐世林.电站计算机仿真技术［M］.北京：科学出版社,1996.