本文關(guān)鍵詞：基于反向建模的鍋爐排煙粉塵濃度在線監(jiān)測方法研究

  更多相關(guān)文章： 反向建模 粉塵濃度 平均影響值 神經(jīng)網(wǎng)絡(luò) 支持向量機(jī) 在線監(jiān)測

【摘要】：受能源結(jié)構(gòu)的影響,煤炭一直是我國主要的一次能源。在我國煤的主要利用方式是燃燒,由于煤的化學(xué)成份特性,煤在燃燒時,大量的二氧化碳被釋放出來,同時產(chǎn)生一些硫化物、一氧化碳、氮氧化物、重金屬和一些微小的有機(jī)和無機(jī)顆粒物。長久以來燃煤發(fā)電一直是我國電力供應(yīng)的主要來源,目前燃煤火電廠污染物的排放控制越來越受關(guān)注。隨著國家對于環(huán)保投入的加大,對粉塵濃度在線監(jiān)測提出了更高的要求。粉塵濃度在線監(jiān)測儀的在線校準(zhǔn)及自動化完善校準(zhǔn),將成為粉塵濃度在線監(jiān)測系統(tǒng)的重要支持技術(shù)。因此,本課題通過對粉塵濃度的影響因素進(jìn)行分析研究,提出了粉塵濃度在線監(jiān)測儀的在線校準(zhǔn)方法。結(jié)合DCS系統(tǒng)中的在線監(jiān)測點(diǎn)參數(shù),論文引入平均影響值方法實(shí)現(xiàn)建模輸入變量的選取,有利于減少模型輸入?yún)?shù),降低了模型復(fù)雜度,提高了模型訓(xùn)練速度,同時保證了模型的精度�；谔卣鬟x取得到的粉塵濃度影響參數(shù),論文對比分析了反向建模方法如人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)方法在非線性問題處理中的優(yōu)勢,建立了粉塵排放濃度在線監(jiān)測模型,為粉塵濃度在線測量提供了理論基礎(chǔ)。論文最后以支持向量機(jī)方法為在線監(jiān)測系統(tǒng)的模型算法,設(shè)計(jì)了在線監(jiān)測系統(tǒng)框架,以實(shí)現(xiàn)粉塵濃度的在線監(jiān)測與分析,為粉塵濃度在線監(jiān)測儀的在線校準(zhǔn)及為運(yùn)行人員提供指導(dǎo)和參考奠定了重要的基礎(chǔ)。
【關(guān)鍵詞】：反向建模 粉塵濃度 平均影響值 神經(jīng)網(wǎng)絡(luò) 支持向量機(jī) 在線監(jiān)測
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TM621
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-18
• 1.1 課題背景及意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-17
• 1.2.1 國內(nèi)外粉塵濃度技術(shù)測量方法10-13
• 1.2.2 國內(nèi)外粉塵濃度在線監(jiān)測技術(shù)的現(xiàn)狀13-14
• 1.2.3 軟測量方法在燃煤機(jī)組中的應(yīng)用現(xiàn)狀及趨勢14-15
• 1.2.4 粉塵濃度在線監(jiān)測技術(shù)存在問題及發(fā)展趨勢15-17
• 1.3 本文的主要工作17-18
• 第2章 電站鍋爐粉塵濃度排放特性反向建模方法介紹18-27
• 2.1 支持向量機(jī)方法介紹19-21
• 2.1.1 支持向量機(jī)19-21
• 2.2 神經(jīng)網(wǎng)絡(luò)介紹21-24
• 2.2.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)22-23
• 2.2.2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程23-24
• 2.3 遺傳算法24-26
• 2.3.1 遺傳算法對支持向量機(jī)的優(yōu)化25
• 2.3.2 遺傳算法對BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化25-26
• 2.4 本章小結(jié)26-27
• 第3章 基于平均影響值的粉塵濃度特性參數(shù)選取27-33
• 3.1 特征選擇的目標(biāo)和優(yōu)點(diǎn)27
• 3.2 特征選擇的常用方法27-28
• 3.3 平均影響值方法介紹28-30
• 3.4 基于平均影響值的粉塵濃度特性參數(shù)選取30-31
• 3.5 本章小結(jié)31-33
• 第4章 鍋爐粉塵排放濃度在線監(jiān)測模型研究33-46
• 4.1 粉塵排放濃度在線監(jiān)測模型輸入變量的確定及建模數(shù)據(jù)的選取33-34
• 4.2 基于支持向量機(jī)的粉塵排放濃度模型34-40
• 4.2.1 特征選擇前建模結(jié)果分析34-36
• 4.2.2 特征選擇后建模結(jié)果分析36-39
• 4.2.3 結(jié)果對比分析39-40
• 4.3 基于神經(jīng)網(wǎng)絡(luò)方法的粉塵濃度模型40-45
• 4.3.1 特征選擇前建模結(jié)果分析40-42
• 4.3.2 特征選擇后建模結(jié)果分析42-44
• 4.3.3 結(jié)果對比分析44-45
• 4.4 本章小結(jié)45-46
• 第5章 粉塵濃度在線監(jiān)測系統(tǒng)軟測量校準(zhǔn)46-51
• 5.1 現(xiàn)有粉塵濃度監(jiān)測系統(tǒng)介紹46-50
• 5.1.1 現(xiàn)場條件46-48
• 5.1.2 LMS181顆粒物排放連續(xù)監(jiān)測系統(tǒng)48-49
• 5.1.3 粉塵濃度在線監(jiān)測系統(tǒng)軟測量校準(zhǔn)技術(shù)實(shí)現(xiàn)49-50
• 5.2 本章小結(jié)50-51
• 第6章 結(jié)論與展望51-53
• 6.1 全文總結(jié)51
• 6.2 展望51-53
• 參考文獻(xiàn)53-57
• 攻讀碩士學(xué)位期間發(fā)表的論文57-58
• 致謝58

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 張倩;楊耀權(quán);;基于支持向量機(jī)核函數(shù)的研究[J];電力科學(xué)與工程;2012年05期

2 劉吉臻,趙征,劉錦康,曾德良;利用數(shù)據(jù)融合方法實(shí)現(xiàn)通風(fēng)機(jī)流量軟測量[J];華北電力大學(xué)學(xué)報;2005年03期

3 王娟,慈林林,姚康澤;特征選擇方法綜述[J];計(jì)算機(jī)工程與科學(xué);2005年12期

4 段中興;嵇啟春;;催化劑粉塵濃度軟測量建模研究與應(yīng)用[J];系統(tǒng)仿真學(xué)報;2008年14期

，

本文編號：821594