本文關(guān)鍵詞：大型火電機(jī)組對(duì)流受熱面積灰建模

  更多相關(guān)文章： 燃煤鍋爐 積灰結(jié)渣 吹灰優(yōu)化 神經(jīng)網(wǎng)絡(luò) 粒子群算法 建模

【摘要】：燃煤電站鍋爐對(duì)流受熱面積灰結(jié)渣對(duì)電廠的經(jīng)濟(jì)安全運(yùn)行有很大影響。目前大多電廠采用的是“按時(shí)吹灰”的方法來(lái)清除受熱面灰污,這種基于運(yùn)行經(jīng)驗(yàn)或者鍋爐設(shè)計(jì)說(shuō)明書(shū)中推薦方案的吹灰方法一般是對(duì)各受熱面進(jìn)行順序吹灰,并沒(méi)有充分考慮到各受熱面的積灰程度的不同,經(jīng)濟(jì)性較差。本文將通過(guò)研究鍋爐對(duì)流受熱面在線監(jiān)測(cè)的理論與方法,對(duì)對(duì)流受熱面灰污問(wèn)題進(jìn)行建模。本文首先詳細(xì)介紹了基于機(jī)理模型的鍋爐對(duì)流受熱面監(jiān)測(cè)原理,并闡述了它的局限性。在此基礎(chǔ)上,結(jié)合工況及煤質(zhì)等因素對(duì)灰污狀況的影響分析,利用人工神經(jīng)網(wǎng)絡(luò)(ANN)方法對(duì)鍋爐對(duì)流受熱面污染監(jiān)測(cè)問(wèn)題進(jìn)行建模。通過(guò)對(duì)建模過(guò)程中樣本的選取和處理、輸入輸出量的選擇、人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)法的設(shè)計(jì)和模型的敏感性測(cè)試等問(wèn)題進(jìn)行深入探討,實(shí)現(xiàn)了模型的優(yōu)化。在人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,又進(jìn)一步采用遺傳算法(GA)和粒子群算法(PSO)優(yōu)化網(wǎng)絡(luò)的權(quán)值,用以克服BP神經(jīng)網(wǎng)絡(luò)易陷入局部極值和泛化能力差的缺陷,并比較了不同的優(yōu)化方法的優(yōu)化效果,確立了粒子群算法(PSO)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的監(jiān)測(cè)模型。本文以塔山電廠600MW機(jī)組為研究對(duì)象,通過(guò)大量的吹灰實(shí)驗(yàn)獲得了神經(jīng)網(wǎng)絡(luò)建模的所需要的準(zhǔn)確樣本數(shù)據(jù)�，F(xiàn)場(chǎng)實(shí)驗(yàn)驗(yàn)證了機(jī)理模型的在穩(wěn)態(tài)負(fù)荷下的適用性和變負(fù)荷狀態(tài)下的局限性。利用獲得的樣本數(shù)據(jù)和所編寫(xiě)的程序在MATLAB平臺(tái)上做仿真實(shí)驗(yàn),驗(yàn)證PSO-BP神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確性及現(xiàn)場(chǎng)適用性。結(jié)果表明,所建模型具有良好的泛化能力,在不同工況下都有較高的準(zhǔn)確性和可信度,可以滿足實(shí)際監(jiān)測(cè)的需求。
【關(guān)鍵詞】：燃煤鍋爐 積灰結(jié)渣 吹灰優(yōu)化 神經(jīng)網(wǎng)絡(luò) 粒子群算法 建模
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TM621
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 緒論8-14
• 1.1 研究背景及意義8-9
• 1.1.1 對(duì)流受熱面結(jié)渣積灰的原理及對(duì)鍋爐運(yùn)行的影響8-9
• 1.1.2 我國(guó)大型燃煤機(jī)組鍋爐受熱面的吹灰現(xiàn)狀及問(wèn)題9
• 1.2 燃煤鍋爐受熱面污染監(jiān)測(cè)及優(yōu)化吹灰研究現(xiàn)狀9-12
• 1.2.1 燃煤鍋爐受熱面灰污形成機(jī)理和模型的研究9-10
• 1.2.2 對(duì)流受熱面污染在線監(jiān)測(cè)的研究10-12
• 1.2.3 人工智能方法在吹灰系統(tǒng)中的應(yīng)用12
• 1.3 本文研究?jī)?nèi)容12-14
• 第二章 人工神經(jīng)網(wǎng)絡(luò)、遺傳算法及粒子群算法簡(jiǎn)介14-27
• 2.1 人工神經(jīng)網(wǎng)絡(luò)14-16
• 2.1.1 人工神經(jīng)網(wǎng)絡(luò)概述14
• 2.1.2 人工神經(jīng)元數(shù)學(xué)模型14-15
• 2.1.3 人工神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)15
• 2.1.4 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式分類(lèi)15-16
• 2.2 BP神經(jīng)網(wǎng)絡(luò)16-21
• 2.2.1 BP算法的定義、特點(diǎn)及應(yīng)用16
• 2.2.2 BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)16-17
• 2.2.3 BP算法數(shù)學(xué)推導(dǎo)過(guò)程17-20
• 2.2.4 BP算法的不足20-21
• 2.2.5 L-M型BP神經(jīng)網(wǎng)絡(luò)模型21
• 2.3 遺傳算法21-23
• 2.3.1 遺傳算法概述21
• 2.3.2 遺傳算法的基本要素及運(yùn)算流程21-23
• 2.4 粒子群算法23-24
• 2 4.1 粒子群算法概述23
• 2.4.2 粒子群算法的基本原理23
• 2.4.3 粒子群算法的一般流程23-24
• 2.5 遺傳算法與粒子群算法在BP神經(jīng)網(wǎng)絡(luò)方面的優(yōu)化24-26
• 2.6 本章小結(jié)26-27
• 第三章 鍋爐對(duì)流受熱面污染監(jiān)測(cè)的建模方法27-43
• 3.1 對(duì)流受熱面污染監(jiān)測(cè)機(jī)理模型27-31
• 3.1.1 一般對(duì)流受熱面基本傳熱模型27-30
• 3.1.2 空預(yù)器污染監(jiān)測(cè)模型30-31
• 3.2 對(duì)流受熱面積灰特性分析31-32
• 3.3 受熱面灰污監(jiān)測(cè)BP神經(jīng)網(wǎng)絡(luò)模型32-38
• 3.3.1 樣本的選取和處理32-34
• 3.3.2 輸入層和輸出層節(jié)點(diǎn)的選擇34
• 3.3.3 隱層數(shù)目及隱層節(jié)點(diǎn)的確定34-35
• 3.3.4 輸入?yún)?shù)敏感性測(cè)試35-38
• 3.4 用遺傳算法和粒子群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)38-42
• 3.4.1 BP神經(jīng)網(wǎng)絡(luò)各項(xiàng)參數(shù)的確定38-39
• 3.4.2 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)39-40
• 3.4.3 粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)40-41
• 3.4.4 三種神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果的比較41-42
• 3.5 本章小結(jié)42-43
• 第四章 現(xiàn)場(chǎng)試驗(yàn)及模型驗(yàn)證43-58
• 4.1 試驗(yàn)對(duì)象簡(jiǎn)介43-44
• 4.1.1 鍋爐結(jié)構(gòu)介紹43-44
• 4.1.2 試驗(yàn)數(shù)據(jù)采集和處理44
• 4.2 試驗(yàn)?zāi)康募皟?nèi)容44-45
• 4.3 試驗(yàn)要求及安排45-46
• 4.4 現(xiàn)場(chǎng)試驗(yàn)結(jié)果46-54
• 4.4.1 吹灰敏感性試驗(yàn)46-53
• 4.4.2 灰污因子上下限試驗(yàn)53-54
• 4.5 PSO-BP神級(jí)網(wǎng)絡(luò)模型仿真結(jié)果分析54-57
• 4.5.1 模型訓(xùn)練樣本和驗(yàn)證樣本的選取及處理54-55
• 4.5.2 模型的訓(xùn)練55-56
• 4.5.3 模型仿真結(jié)果分析56-57
• 4.6 本章小結(jié)57-58
• 第五章 結(jié)論與展望58-60
• 5.1 結(jié)論58-59
• 5.2 展望59-60
• 致謝60-61
• 參考文獻(xiàn)61-64
• 攻讀碩士學(xué)位期間發(fā)表的論文及參與的項(xiàng)目64-65
• 附錄65-73

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類(lèi)工效學(xué);2004年03期

2 常國(guó)任;李仁松;沈醫(yī)文;劉鋼;;基于神經(jīng)網(wǎng)絡(luò)的直升機(jī)艦面系統(tǒng)效能評(píng)估[J];艦船電子工程;2007年03期

3 陳俊;;神經(jīng)網(wǎng)絡(luò)的應(yīng)用與展望[J];佛山科學(xué)技術(shù)學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年05期

4 許萬(wàn)增;;神經(jīng)網(wǎng)絡(luò)的研究及其應(yīng)用[J];國(guó)際技術(shù)經(jīng)濟(jì)研究學(xué)報(bào);1990年01期

5 張軍華;神經(jīng)網(wǎng)絡(luò)技術(shù)及其在軍用系統(tǒng)中的應(yīng)用[J];現(xiàn)代防御技術(shù);1992年04期

6 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡(luò)在預(yù)報(bào)控制中的應(yīng)用[J];機(jī)床;1993年11期

7 靳蕃;神經(jīng)網(wǎng)絡(luò)及其在鐵道科技中應(yīng)用的探討[J];鐵道學(xué)報(bào);1993年02期

8 宋玉華，，王啟霞;神經(jīng)網(wǎng)絡(luò)診斷──神經(jīng)網(wǎng)絡(luò)在自動(dòng)化領(lǐng)域里的應(yīng)用[J];中國(guó)儀器儀表;1994年03期

9 魏銘炎;國(guó)內(nèi)外神經(jīng)網(wǎng)絡(luò)技術(shù)的研究與應(yīng)用概況[J];電機(jī)電器技術(shù);1995年04期

10 王中賢，錢(qián)頌迪;神經(jīng)網(wǎng)絡(luò)法在經(jīng)濟(jì)管理中的應(yīng)用[J];航天工業(yè)管理;1995年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

2 周樹(shù)德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡(jiǎn)單規(guī)劃的識(shí)別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 郭愛(ài)克;馬盡文;丁康;;序言(二)[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

5 鐘義信;;知識(shí)論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國(guó)神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

7 金龍;朱詩(shī)武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評(píng)估中的應(yīng)用[A];第十二屆全國(guó)心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬(wàn)強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前10條

1 美國(guó)明尼蘇達(dá)大學(xué)社會(huì)學(xué)博士 密西西比州立大學(xué)國(guó)家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國(guó)教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國(guó)紡織報(bào);2003年

4 中國(guó)科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類(lèi)大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開(kāi)復(fù)雜工藝“黑箱”[N];解放日?qǐng)?bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個(gè)人造神經(jīng)網(wǎng)絡(luò)[N];科技日?qǐng)?bào);2011年

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國(guó)際先進(jìn)水平[N];中國(guó)電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過(guò)鑒定[N];中國(guó)船舶報(bào);2006年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無(wú)線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類(lèi)時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測(cè)方法研究[D];大連理工大學(xué);2015年

5 付愛(ài)民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國(guó)農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國(guó)礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋(píng);復(fù)雜網(wǎng)絡(luò)幾類(lèi)同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時(shí)間序列預(yù)測(cè)算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測(cè)研究與系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2015年

2 張韜;幾類(lèi)時(shí)滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

3 邵雪瑩;幾類(lèi)時(shí)滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

4 胡婷;改進(jìn)QGA-BP模型及其在彌苴河總氮量預(yù)測(cè)中的應(yīng)用[D];昆明理工大學(xué);2015年

5 劉俊輝;基于數(shù)據(jù)清洗方法的河道水位預(yù)測(cè)研究[D];昆明理工大學(xué);2015年

6 劉波;短期風(fēng)電功率預(yù)測(cè)方法研究[D];南京信息工程大學(xué);2015年

7 蔡邦宇;人臉識(shí)別中單次ERP時(shí)空特征分析及其快速檢索的應(yīng)用[D];浙江大學(xué);2015年

8 鄭川;垃圾評(píng)論檢測(cè)算法的研究[D];西南交通大學(xué);2015年

9 李菊;BP神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)批量評(píng)估中的應(yīng)用研究[D];昆明理工大學(xué);2015年

10 馬亮;降水點(diǎn)分類(lèi)預(yù)測(cè)方法研究[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

本文編號(hào)：917023