人工神經(jīng)網(wǎng)絡(luò)在電站鍋爐排放中的應(yīng)用研究.pdf

1、本文采用神經(jīng)網(wǎng)絡(luò)技術(shù)，對(duì)電站鍋爐燃燒的主要排放物SO2和NO2控制問題作了較為深入的研究。 應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)非線性系統(tǒng)建模和控制，其所建立模型和實(shí)際對(duì)象是否匹配和由此所建立的控制系統(tǒng)控制性能是否優(yōu)良，關(guān)鍵在于該神經(jīng)網(wǎng)絡(luò)的“泛化”能力強(qiáng)弱的問題，沒有泛化能力的網(wǎng)絡(luò)是沒有實(shí)用價(jià)值的，如何有效地提高網(wǎng)絡(luò)的泛化能力已成為將人工神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用到電站鍋爐排放控制問題的關(guān)鍵。對(duì)此，本文首先針對(duì)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化進(jìn)行了較為深入的理論研究，由

2、于一般OBS剪枝算法需要在網(wǎng)絡(luò)經(jīng)過一次比較完整的訓(xùn)練后才能進(jìn)行，也即每刪除一次權(quán)值就需要重新訓(xùn)練一次網(wǎng)絡(luò)，因此導(dǎo)致算法的效率較低，針對(duì)此不足之處，本文提出動(dòng)態(tài)OBS剪枝算法，該算法使剪枝過程和訓(xùn)練過程同時(shí)進(jìn)行，采用該算法可以顯著提高剪枝算法的效率，可實(shí)現(xiàn)網(wǎng)絡(luò)結(jié)構(gòu)的在線優(yōu)化；本文在遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)權(quán)值方法的研究中，對(duì)遺傳算法中的編碼選擇、適應(yīng)度函數(shù)以及遺傳算子做了改進(jìn)。本文將以上這兩種優(yōu)化方法應(yīng)用在過熱汽溫神經(jīng)網(wǎng)絡(luò)預(yù)測模型的結(jié)構(gòu)和權(quán)值

3、優(yōu)化中，仿真結(jié)果表明，用本文所提出的網(wǎng)絡(luò)優(yōu)化方法可以使該預(yù)測模型能夠很好地逼近對(duì)象實(shí)際輸出，神經(jīng)網(wǎng)絡(luò)模型的泛化能力得到了大大地提高。 濕式石灰石/石膏脫硫系統(tǒng)中吸收塔漿液PH值控制品質(zhì)的好壞直接影響到脫硫系統(tǒng)的脫硫效率，如何設(shè)計(jì)控制方案提高被控對(duì)象的控制品質(zhì)是本文研究的重點(diǎn)之一。本文將人工神經(jīng)網(wǎng)絡(luò)技術(shù)引入到該控制系統(tǒng)中，利用所提出的動(dòng)態(tài)OBS剪枝算法優(yōu)化神經(jīng)網(wǎng)絡(luò)，采用遞推遺忘因子最小二乘法(REFLS)的在線學(xué)習(xí)算法，提出了基于

4、神經(jīng)網(wǎng)絡(luò)的廣義預(yù)測控制方案。此外本文利用CMAC網(wǎng)絡(luò)結(jié)構(gòu)簡單，計(jì)算耗時(shí)短和不會(huì)陷入局部極小點(diǎn)的特點(diǎn)，還提出了CMAC和PID并行控制的控制方案。并將這兩種控制方案分別應(yīng)用到脫硫系統(tǒng)吸收塔漿液PH值的控制系統(tǒng)中，從控制仿真效果上來看，無論是跟蹤設(shè)定值還是在抗擾動(dòng)方面都比傳統(tǒng)的PID控制有更好的效果。在工程實(shí)踐上，為該系統(tǒng)控制方案的改進(jìn)作了有意義的嘗試。 在電站鍋爐燃燒高效低NOx排放研究中，如何在鍋爐低NOx排放的基礎(chǔ)上，保證鍋爐

5、高燃燒效率，也是本文研究的重點(diǎn)，針對(duì)這個(gè)問題，本文建立了以NOx排放量和飛灰含碳量、排煙溫度為神經(jīng)網(wǎng)絡(luò)輸出的預(yù)測模型，利用改進(jìn)型的Elman動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡單、訓(xùn)練速度快、良好地逼近動(dòng)態(tài)高階系統(tǒng)和易收斂的特點(diǎn)，實(shí)現(xiàn)鍋爐燃燒模型的在線學(xué)習(xí)；以鍋爐燃燒神經(jīng)網(wǎng)絡(luò)預(yù)測模型和簡化的鍋爐熱效率計(jì)算模型為基礎(chǔ)構(gòu)筑了電站鍋爐NOx排放與鍋爐主要熱損失的混合模型，為采用構(gòu)造遺傳算法尋優(yōu)的目標(biāo)函數(shù)創(chuàng)造了條件；利用遺傳算法的尋優(yōu)特性對(duì)目標(biāo)函數(shù)進(jìn)行尋優(yōu)，得到