[发明专利]一种基于改进自适应遗传算法的间冷燃气轮机状态空间模型辨识方法

摘要

本发明的目的在于提供一种基于改进自适应遗传算法的间冷燃气轮机状态空间模型辨识方法，其步骤为采用浮点编码方案，构建间冷燃气轮机状态空间方程辨识问题的解空间；以间冷燃气轮机某一工况下的参数作为初始种群输入；求出在相同输入激励下每个输出变量在n个相同采样时刻非线性模型输出与状态空间模型输出的差；选择策略采用精英保留和随机联赛选择相结合的方法，交叉策略采用基于自适应的代数交叉与单点交叉相结合的方法，变异策略采用基于自适应的均匀变异；得到基于改进的自适应遗传算法辨识的间冷燃气轮机状态空间模型。本发明可辨识出间冷燃气轮机的状态空间模型，可用于燃气轮机控制系统的设计，对于其他循环方式的燃气轮机也有参考意义。

主权项

1.一种基于改进自适应遗传算法的间冷燃气轮机状态空间模型辨识方法，其特征是：(1)参数编码方案：采用浮点编码方案，分别将系统矩阵A和B的元素逐行排列，然后按先A后B的顺序连接起来构成一条染色体个体，用一个实向量表示为θ＝[θ₁,θ₂,…,θ_n]＝[a₁₁,a₁₂,a₁₃,a₁₄,a₂₁,…,b₄₃,b₄₄]，染色体向量θ为间冷燃气轮机状态空间方程辨识问题的解空间；(2)确定初始种群：采用间冷循环燃气轮机的一工况作为启动遗传算法的初始种群；(3)设计适应度函数：设计遗传算法的适应度函数为上式中，N_i表示对应间冷燃气轮机动态模型(线性或非线性)第i个输出变量的采样点个数，z_i(t_k)表示非线性模型第i个输出变量响应在t_k时刻的采样值，y_i(t_k,θ)表示以θ为系数的状态空间模型第i个输出变量响应在t_k时刻的值，间冷燃气轮机状态空间模型的辨识转化为最优化问题，即求θ的最优解使f(θ)获得最大值；(4)设计遗传操作：1)选择策略：选择策略采用精英保留和随机联赛选择相结合的方法，精英保留是在每代进化完成之后，选出最优个体直接保留至下一代，精英个体被提走之后，在剩余个体中采用联赛选择，即每次随机选取2个个体作比较，将适应度高的1个遗传到下一代种群；2)交叉策略：交叉策略采用基于自适应的代数交叉与单点交叉相结合的方法，根据个体的适应度值自动调整上述两个交叉概率的大小，表达式为式中fmax、favg和f分别表示群体中最大适应度值、平均适应度值和参与交叉的两个个体中较大的适应度值，Pc表示设定的交叉概率，Pc.max和Pc.min分别表示设定的交叉概率取值范围的上、下限；3)变异策略：变异策略采用基于自适应的均匀变异，整体变异概率Pm1是种群中个体产生突变的概率，根据个体的适应度值自动调整整体变异概率的大小，表达式为式中Pm1表示设定的整体变异概率，Pm1.max和Pm1.min分别表示设定的整体变异概率取值范围的上、下限；均匀变异概率Pm2是个体中基因产生突变的概率，均匀变异概率表达式为式中Pm2.max和Pm2.min分别表示设定的均匀变异概率取值范围的上、下限，l’表示变异代数，其中，表示满足相对误差条件向上寻亲的最大代差，式中表示第k代种群的最大适应度值，表示从当下算起前第l代种群的最大适应度值，δ表示预设的适应度相对误差，根据种群进化的成熟程度确定变异概率，即依据设定的δ判断进化的成熟程度，认为连续三代之内进化缓慢可保持设定的最小均匀变异概率，若之后仍没有改观，则按线性规律增加均匀变异概率直至第八代达到设定的最大均匀变异概率；(5)设计终止条件当进化后的适应度相对误差小于预定值δ时，算法收敛，终止搜索。