张克良[1]2004年在《基于模糊神经网络的锅炉燃烧控制方法的研究》文中认为工业锅炉作为工业生产和生活中重要的热源和动力源,在整个能源消耗中占相当大的比重。提高锅炉的运行热效率、降低能耗以及减少环境污染,是多年来技术改造和节能工作中意义深远的课题。目前锅炉控制的核心难点问题就是研究如何提高燃烧系统的经济燃烧指标,如何对锅炉燃烧过程进行最有效的控制。锅炉燃烧控制系统主要包括两方面的内容:一是空燃比控制;二是蒸汽压力控制。本文主要研究模糊神经网络(FNN)控制在这两个方面的应用。在分析锅炉的工作过程、控制系统结构基础上,采用模糊逻辑控制技术与自寻优控制思想,设计了空燃比模糊神经网络控制器,有效地克服了传统控制中将空燃比视为负荷的单一函数并近似为比值关系以及需要测量残氧量的缺点,具有自动跟踪锅炉热效率变化,及时调整空燃比的功能。这种基于模糊逻辑、神经网络和BP算法的控制器,采用了混合学习算法,即:首先由自组织算法确定模糊神经网络的初始隶属函数;其次由竞争学习算法完成模糊规则确定;最后提出了一种改进的BP算法用来优化调节己经获得的隶属函数。通过补偿模糊推理和快速学习算法的引入,构造一种补偿模糊神经网络控制器,用以取代目前在锅炉控制中普遍使用的PID控制器。由于补偿模糊神经网络在性能上优于一般的模糊神经网络,将其应用于锅炉的蒸汽压力控制系统,对锅炉这种大时滞、参数不稳定的被控对象实现更为有效的控制,达到满意的品质指标。最后用Matlab软件对应用补偿模糊神经网络控制器和空燃比模糊神经网络控制器的锅炉控制系统进行了仿真。结果表明,它们的控制效果明显优于PID控制器,而且能有效跟踪被控对象参数的时变及较大的干扰,取得了比较满意的控制效果。
张静巧[2]2009年在《船用增压锅炉燃烧控制系统研究》文中指出增压锅炉是舰用蒸汽锅炉发展的新阶段,它具有高可靠性、经济性、重量轻、尺寸小,以及功率大等优点,是舰用锅炉的发展方向。增压锅炉的燃烧控制系统是蒸汽动力装置中的一个重要的控制系统。该系统的惯性大,数学模型复杂,各参数之间相互关联,耦合关系复杂,这就对控制系统提出了较高的要求,同时也决定了控制系统的复杂性。本文以增压锅炉为基础,以燃烧控制系统为研究对象开展了以下研究工作：首先,全面的分析了增压锅炉的总体结构和燃烧系统的结构组成,并建立了叁大分系统的数学模型。利用流量特性方程建立了燃油流量系统的数学模型；利用牛顿第二定律对涡轮增压装置建立了转矩平衡方程,得出了空气流量系统的数学模型；利用汽水两相的质量平衡方程和能量平衡方程,以及传热方程建立了主蒸汽压力系统的动态物理机理模型,为燃烧控制系统的研究奠定了基础。其次,针对空气流量系统非线性、时变性的控制难点,设计了空气流量的FUZZY-CMAC控制器,并利用时变遗传算法对FUZZY-CMAC中的控制参数进行优化,提高了算法的收敛速度,实现了空气流量的最优控制。同时,设计了燃油流量耦合系统的PID控制仿真,得到了满意的控制效果。再次,在燃油流量和空气流量独立控制的基础上,提出了基于模糊控制的变偏置双交叉限幅燃烧控制系统。由于变偏置函数在限幅过程中起到了重要的作用,利用模糊控制对变偏置函数进行自寻优修正,不仅提高了系统的经济性能,而且很好的克服了限幅燃烧过程中燃油流量和空气压力变化频繁,不利于物理实现的缺点。最后,针对主蒸汽压力控制系统大滞后、时变性和非线性等特性,提出了基于CMAC神经网络的γ增量型阶梯式广义预测控制策略,该方法利用CMAC对系统中的高阶非线性部分进行逼近,预测控制将非线性考虑进来,设计了非线性系统的γ增量型阶梯式广义预测,很好的解决了主蒸汽压力大滞后的控制难点,且具有很好的鲁棒性。
赵承滨[3]2004年在《基于遗传算法的模糊神经控制研究》文中研究说明遗传算法、神经网络与模糊控制是当前人工智能中的主要研究领域。由于它们在特性上有许多共同性和互补性，将遗传算法、神经网络与模糊逻辑相结合的研究已成为当前的研究热点之一。本文旨在探讨将遗传算法与神经网络、模糊控制相结合以获得智能信息处理功能的途径，并探讨了基于遗传算法的模糊神经控制在工业锅炉燃烧系统中的应用。本文以“遗传算法→模糊神经网络→基于遗传算法的模糊神经网络”为主线，全文共分叁部分：遗传算法、模糊神经网络和基于遗传算法的模糊神经网络。主要内容如下：第一、遗传算法的基本理论首先通过对常见的搜索方法及其特点的比较，阐述了遗传算法的特点及研究遗传算法的必要性。然后介绍了遗传算法的产生和发展、主要研究成果和今后研究的主要课题等。着重阐述了遗传算法的基本原理、流程及GA的MATLAB实现问题。最后以工业燃烧系统为例，讨论了遗传算法的应用问题。通过对基于遗传算法的工业锅炉燃烧系统热效率自寻优控制系统的研究表明：作为一种优化算法，遗传算法具有原理简单、易于实现、寻优速度快、鲁棒性强等特点。第二、神经网络与模糊控制相结合的模糊神经控制理论针对模糊神经网络理论，以“生物解剖学的神经元→控制领域的神经元模型→神经网络→模糊神经网络”为主线：先介绍了传统的神经网络的结构、功能、基本属性及学习规则等；再介绍模糊神经网络的拓扑结构、分类、隶属函数的特点及相应激励函数的确定方法等内容；最后，以模糊小脑神经网络(FCMAC)为算例阐述了模糊神经网络的应用问题，函数仿真结果表明：与单独采用神经网络相比，采用模糊神经网络具有更高的精确度和更快的学习速度。因此，它具有更广泛的使用和研究价值。第叁、基于遗传算法的模糊神经控制理论这部分主要探讨将遗传算法与模糊控制、神经网络相结合的控制策略，首先是将遗传算法用于模糊控制，主要表现在模糊遗传算法和遗传算法用于模糊优化两方面。其次是遗传算法在神经网络方面的应用：主要是在网络学习、网哈尔滨理_厂大学卜学硕士论文络设计和网络分析方面的应用。最后介绍了遗传算法和模糊神经网络相结合的控制策略，并以锅炉燃烧系统为算例，讨论了基于遗传算法的模糊神经控制的应用问题，仿真结果表明，该法具有寻优速度快、鲁棒性强等优点。 遗传算法、神经网络与模糊控制相结合的控制理论具有显着的优点，表明它在智能控制领域中有着巨大的应用潜力，因此加速人工智能领域的研究是一个非常重要的研究方向。
平玉环[4]2007年在《多变量系统模糊神经网络解耦的研究》文中认为复杂的工业生产过程中,被控对象动态特性往往表现出非线性、时变性、大迟延、和多变量强耦合等特点,这使得常规的单回路及传统的多变量解耦设计难以达到预期的控制效果。目前这一主要的研究课题受到了广泛的关注,一些学者将模糊逻辑系统、神经网络、模糊神经网络等智能方法应用到多变量过程控制中。本文在这些研究成果的基础上,提出了一种多变量系统模糊神经网络解耦的控制方法。该方法结合了基于模糊自适应整定PID控制算法和改进型模糊神经网络解耦算法,用于球磨煤机制粉系统和循环流化床锅炉床温-主汽压力系统中,对解耦设计方案进行了仿真研究,结果表明,该方案比传统的PID解耦控制方案的控制效果明显要好。
张蒙[5]2010年在《锅炉燃烧系统模糊控制的研究》文中指出燃煤锅炉是重要的动力设备,在我国国民经济发展中占有重要地位。近年来,随着人们能源与环保意识的增强,锅炉生产过程的在线监测与优化控制,已成为能源、环保和控制领域研究的热点方向之一。本文分析了锅炉换能过程的多输入、多输出、大时滞、紧耦合、非线性等特点,在充分研究模糊控制的基本原理基础上,分析了锅炉燃烧过程参数的多样性和控制的复杂性,研究了模糊神经网络在复杂工业过程控制中的优势,提出了采用模糊神经网络控制算法来解决,研究了基于模糊神经网络的锅炉控制系统。分析了锅炉燃烧过程中煤的燃烧特性和锅炉燃烧热辐射换热特性,阐述了锅炉燃烧过程的多变量、多回路、非线性、延迟性、时变性等特点。建立了用神经网络实现模糊推理的模糊控制器,实现了燃烧过程关键参量的实时在线测量,解决了锅炉控制中测量与控制的时域适配问题。对主汽气压力模糊神经网络控制器进行了仿真,通过与传统PID控制的对比,仿真结果表明,采用模糊神经网络控制器,系统超调减少,过渡时间缩短,取得比较令人满意的控制效果。
高龙[6]2011年在《循环流化床锅炉燃烧系统模糊神经网络与自适应模糊控制研究》文中认为随着经济的发展,能源枯竭与人们日益增长的生活质量提高需求间的矛盾越来越大。为节省更多的能源,形成合理的资源配置,寻找一种高效的燃煤技术已经成为中国工业社会的迫切需要。循环流化床锅炉(Circulating Fluidized Bed Boiler),简称CFBB具有燃料适应性广、低污染、负荷调节性能优良等特点,在国内的电力行业中得到了越来越多的应用。由于内部结构复杂,存在参数时变、大时延、非线性以及强耦合等因素,使得CFB锅炉的推广应用受到了限制。如何提高循环流化床燃烧系统的控制品质已经成为电力行业普遍关注的问题。本课题以循环流化床锅炉燃烧系统各输出量为对象,以提高循环流化床锅炉燃烧系统的工作效率为目的,在给出CFB锅炉燃烧系统结构和燃烧系统变量之间关系的基础上,分析了燃烧控制系统组成,分别阐述了各子系统的运行原理。介绍了神经网络控制和模糊控制基础知识,明确了神经元的结构,神经网络的基本类型和基本算法。还介绍了模糊控制系统的发展和组成,并给出了模糊控制器结构。接着针对CFB锅炉的特性重点介绍了模糊神经网络控制器的设计过程和给出了一种自适应模糊控制器设计过程,并借助Matlab和Simulink软件对所设计的控制器进行了验证,应用到燃烧控制系统的结果说明所设计的控制器能够适应CFB锅炉复杂的内部参数特性,控制效果良好。
马云飞[7]2012年在《信息融合聚类方法在锅炉燃烧系统中的应用研究》文中研究指明如何确保锅炉安全、经济运行，有效降低火电厂的发电成本是电厂亟待解决的问题。锅炉燃烧系统的控制水平对电厂运行的安全性和经济性影响很大，因此研究锅炉燃烧系统的控制问题具有重要的理论和实际意义。本论文致力于研究如何将信息融合聚类方法应用于锅炉燃烧系统的控制中，从而实现锅炉安全、经济运行，降低发电成本。本文针对锅炉燃烧系统难以控制及燃烧过程变量众多聚类效果不理想等问题进行了深入研究，具体研究工作如下：首先，深入研究多传感器信息融合的方法，同时对多传感器信息融合中的融合结构和功能结构进行了说明与设计，并对在系统中应用的ART2网络、BP网络工作算法进行了的研究。通过对传感器信息融合方法、混合神经网络方法的研究，提出了针对循环流化床锅炉(CFBB)燃烧过程的闭环控制系统。其次，研究并给出了循环流化床锅炉燃烧系统的密相区、过渡区、稀相区的动态能量平衡方程、动态物料平衡方程、动态炭质量平衡方程、动态氧量平衡方程、蒸发区压力动态平衡方程。通过对燃烧系统中汽压、床温、含氧量、料层差压被控对象的现场动态响应曲线研究，给出了汽压、床温、含氧量、料层差压在给煤量、一次风、二次风、料层厚度、燃烧率扰动下的数学模型及矩阵方程。再次，研究了基于传感器信息融合和聚类分析方法的锅炉控制问题。利用多传感器信息融合思想及混合神经网络对循环流化床锅炉研究并设计了基于多传感器信息融合的锅炉燃烧过程聚类控制系统，从数据级、特征级到决策级进行了完整的数据融合，获得了对工况完整的描述，并根据每一类别所描述的过程行为特点，采取了相应的控制策略。仿真实验证明了本文所设计的控制系统的有效性，尤其是在各种传感器失效的情况下，控制系统仍有令人满意的控制效果。最后，研究了针对汽包煤粉锅炉中参数过多聚类效果不理想的问题，提出了基于自适应粒子群的模糊聚类算法并对锅炉中一次风、二次风、氧量、排烟温度等物理量进行模糊聚类，仿真实验表明该方法可以有效的克服FCM方法中对初始值敏感、容易陷入局部最小值带来的问题。
张志杰[8]2007年在《燃煤锅炉模糊PID控制算法研究与应用》文中提出锅炉的自动控制主要包括汽包水位控制，燃烧控制，过热蒸汽温度控制和附属控制。对象往往具有多变量、强耦合性、不确定性、非线性和大纯滞后等特点，并存在着苛刻的约束条件。这种情况下，传统的PID控制已不能满足要求。必须采用先进控制算法。模糊控制器是在综合专家经验知识的基础上设计的。在模糊控制系统中，当模糊化方法和模糊决策方法选定时，选取适宜的模糊控制规则是该控制系统实现良好控制的核心问题。实际中规则库是根据专家的经验或操作人员的经验总结得来的，然而对某些复杂的工业过程，往往难以总结出较完善的经验，也就难有完善的控制规则。此时，模糊控制规则或者缺乏，或者很粗糙，并且当被控对象的参数发生变化，或者存在随机干扰的影响时，都会影响模糊控制效果。从某种意义上说，控制规则的优劣直接影响到模糊系统的性能和品质。由此看来，要提高模糊控制器的性能和品质，对控制规则进行优化就显得尤为重要了。本论文所做的主要工作如下：1．简单叙述课题的研究背景、意义及模糊控制发展的情况。分析在模糊控制系统中获取优化的控制规则的重要性，即控制规则对系统控制品质的影响。2．分析了量化因子大小对模糊控制系统性能的影响，通过调整量化因子来优化模糊控制规则，进而改善控制系统性能，使模糊控制系统在较优的状态下工作。在带调整因子的模糊控制算法基础上设计了带有动态环节和可变论域思想的模糊控制器。并在Matlab上进行了仿真。3．电站直热锅炉燃烧系统要求叁管流量均匀控制。在分析偏流成因的基础上，提出了以叁管出口温差为输入，调节阀开度为控制量带有动态环节和可变论域思想的模糊控制方案。解决了燃烧过程中的加热管结焦问题。加热管使用寿命提高叁倍以上。实际运行表明该方案是合理和有效的。
徐学红[9]2006年在《基于煤粉浓度的锅炉燃烧智能控制方法研究》文中提出电站锅炉是工业生产和生活中重要的动力源，在整个能源消耗中占相当大的比重。提高锅炉的运行热效率、降低能耗是多年来技术改造和节能工作中意义深远的课题。目前锅炉控制的核心问题就是对燃烧过程进行最有效的控制。如何使主蒸汽压力既具有良好的动态特性，又能使入炉燃料得以充分燃烧，是燃烧过程控制的关键。 锅炉燃烧控制系统是典型的多变量、非线性、时变、存在大时滞的复杂系统，对象模型难以建立，采用传统的控制方法，很难达到理想的控制效果，因此有必要研究新的智能控制策略。目前，模糊控制、神经网络正在控制领域显示出巨大的潜力，预测控制：在实际工业生产过程中也得到了一定的应用。本文在对上述叁种方法分析研究的基础上，综合利用叁种方法，提出了一种基于神经网络模型的模糊预测控制方法，首先，针对广义预测控制中滚动优化过程存在的问题，研究利用模糊控制实现传统的滚动优化；然后，针对基本预测控制都是基于线性模型的局限性，研究将神经网络引入模糊预测控制，用神经网络模型实现模型预测；最后，研究该算法在锅炉燃烧控制系统中的应用，并用Matlab编制了算法程序，通过仿真研究，证明了该算法对锅炉燃烧系统能进行有效的控制，也可以推广应用到其他非线性、大时滞系统的控制中。 本课题的主要：工作和研究内容如下： (1)分析了锅炉燃烧控制系统及与本课题相关的智能控制方法的发展现状。 (2)研究了广义预：测控制和模糊控制的基本原理，针对广义预测控制中滚动优化过程运算量过大、采样周期不能太小而导致的抗干扰性差的问题，将模糊控制与广义预测控制结合起来，用模糊控制器实现预测控制的优化求解。 (3)研究了径向基函数神经网络的非线性建模能力，用神经网络模型代替传统的预测模型实现未来信息的预测。并将神经网络、模糊控制、广义预测控制结合起来，设计了一种新的智能控制器：基于神经网络模型的模糊预测控制器。 (4)分析了煤粉浓度在线监测的必要性，设计了一种实用的煤粉浓度监测方法。 (5)分析了电站锅炉燃烧控制系统的特性，对主蒸汽压力和烟气含氧量分别设计了相应的智能控制策略，并进行了仿真实验。
毕海军[10]2004年在《基于模糊技术的小区供热站运行参数预测及燃烧控制研究》文中研究表明本文根据模糊神经网络和模糊智能控制技术理论，通过对小区供热站实际运行工况的分析，对这种低温大流量、非线性大时滞系统的控制，提出了采用模糊神经网络进行参数预测和采用模糊控制器进行智能控制相结合的新型“双模糊”控制方法，并以青岛市春江小区供热站的锅炉采暖系统为研究对象，通过现场实验和计算机应用仿真，对这种解决小区供热站控制的关键技术进行了研究，取得了良好的效果。 通过对小区供热站的结构和运行特点分析，将其化分为两个子系统：燃烧换能子系统和热网负荷子系统。在这种动态双子系统模型的基础上，利用采集到的多气象参数和锅炉实际运行数据，进行了样本制各，并且对同一组样本数据，分别采用改进的FNN网络模型和NNFR网络模型，对热网负荷子系统的关键控制参数——出、回水口水温进行了预测，并将预测结果与燃烧换能子系统的运行参数相结合进行了再预测，最终预测结果与实验运行数据相符，从而证明了本方法的可行性，实现了“双模糊”控制系统的第一步。 对于“双模糊”控制系统的第二步——模糊控制器智能控制，本文将锅炉燃烧系统的控制分成叁个调节子系统：给煤量调节子系统、送风量调节子系统和引风量调节子系统。利用第一步预测的关键控制参数，根据供热站实际运行的专家经验数据，提取了模糊控制规则，实现了各调节子系统模糊控制器的设计，并用软件实现了控制器工作过程的仿真，为小区供热站“双模糊”控制系统的实现奠定了基础。 总之，本文所提出的解决我国小区供热站水暖锅炉控制问题的“双模糊”控制方法，通过与实验数据和计算机仿真模拟结果的对比，证明具有良好的控制精度和实用性，特别是该方法在模糊神经网络关键参数预测方面，较好的解决了风向、风力、云量等模糊气象参数的建模问题，与目前采用的热网静态模型仅考虑室外温度的方法相比，具有明显的优点。相信本方法通过在我国小区供热站进一步的实验完善，将有良好的推广应用前景。
参考文献：
[1]. 基于模糊神经网络的锅炉燃烧控制方法的研究[D]. 张克良. 天津大学. 2004
[2]. 船用增压锅炉燃烧控制系统研究[D]. 张静巧. 哈尔滨工程大学. 2009
[3]. 基于遗传算法的模糊神经控制研究[D]. 赵承滨. 哈尔滨理工大学. 2004
[4]. 多变量系统模糊神经网络解耦的研究[D]. 平玉环. 华北电力大学（河北）. 2007
[5]. 锅炉燃烧系统模糊控制的研究[D]. 张蒙. 燕山大学. 2010
[6]. 循环流化床锅炉燃烧系统模糊神经网络与自适应模糊控制研究[D]. 高龙. 燕山大学. 2011
[7]. 信息融合聚类方法在锅炉燃烧系统中的应用研究[D]. 马云飞. 燕山大学. 2012
[8]. 燃煤锅炉模糊PID控制算法研究与应用[D]. 张志杰. 大庆石油学院. 2007
[9]. 基于煤粉浓度的锅炉燃烧智能控制方法研究[D]. 徐学红. 郑州大学. 2006
[10]. 基于模糊技术的小区供热站运行参数预测及燃烧控制研究[D]. 毕海军. 中国海洋大学. 2004
标签：动力工程论文; 自动化技术论文; 模糊控制论文; 遗传算法论文; 模糊神经网络论文; 预测控制论文; 过程控制论文; 模糊理论论文; 仿真软件论文; 模糊算法论文; 线性系统论文; 非线性论文;