本文關(guān)鍵詞：基于GA-BP網(wǎng)絡(luò)模型與C#的鍋爐燃燒優(yōu)化系統(tǒng)設(shè)計

  更多相關(guān)文章： 燃煤鍋爐 燃燒優(yōu)化 神經(jīng)網(wǎng)絡(luò) 遺傳算法 OPC技術(shù)

【摘要】：近年來環(huán)境污染特別是霧霾問題日益嚴重,燃煤鍋爐因其排放的污染氣體是環(huán)境的主要污染源之一,受到越來越高的關(guān)注。而現(xiàn)有的鍋爐燃燒控制技術(shù)存在的不足日益顯露,逐漸難以滿足節(jié)能減排的實際需要,于是高效率低排放的燃燒優(yōu)化技術(shù)逐漸成為研究的焦點�，F(xiàn)有的燃燒優(yōu)化方法有兩種,一種是傳統(tǒng)的方法,另一種是智能控制方法。鍋爐燃燒系統(tǒng)是一個非線性、強耦合的復(fù)雜多輸入輸出系統(tǒng)。傳統(tǒng)方法由于考慮因素過于單一,不能全面反映系統(tǒng)的真實狀況。而智能控制非常適合于非線性、強耦合、多變量系統(tǒng)的建模與優(yōu)化,因此得到了越來越多的重視。本文基于智能控制設(shè)計了一個鍋爐燃燒優(yōu)化系統(tǒng)。首先,對燃煤鍋爐燃燒控制因素進行了分析,針對鍋爐燃燒特性難以用簡單明確的數(shù)學(xué)模型表示的情況,本文選用BP神經(jīng)網(wǎng)絡(luò)算法對鍋爐燃燒過程進行建模分析。由于BP算法具有收斂速度慢、容易陷入局部極值等缺點,因此本文選用遺傳算法作為網(wǎng)絡(luò)的優(yōu)化算法,充分利用其全局搜索能力對BP網(wǎng)絡(luò)的權(quán)值、閾值進行優(yōu)化,建立了合理的GA-BP網(wǎng)絡(luò)模型,并進行了Matlab仿真。由結(jié)果顯示,利用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò),提高了模型的訓(xùn)練精度及收斂速度,使模型更能反映鍋爐燃燒的運行特性。其次,通過對鍋爐燃燒優(yōu)化流程的分析,對通訊系統(tǒng)進行了設(shè)計。通過對Matlab引擎函數(shù)庫的調(diào)用,實現(xiàn)了對C#與GA-BP網(wǎng)絡(luò)模型的通訊。利用Dbcom接口實現(xiàn)了優(yōu)化程序?qū)崟r訪問力控數(shù)據(jù)庫。力控監(jiān)控系統(tǒng)通過OPC接口與現(xiàn)場DCS相連,實現(xiàn)了從理論研究到實際現(xiàn)場應(yīng)用的轉(zhuǎn)變。最后,利用C#編程語言設(shè)計了鍋爐燃燒優(yōu)化程序。將GA-BP模型作為最優(yōu)化的目標(biāo)函數(shù),模型的輸出作為優(yōu)化目標(biāo),通過遺傳優(yōu)化算法得出模型輸出達到最優(yōu)值時的鍋爐系統(tǒng)的給煤、鼓風(fēng)和引風(fēng)的輸入值,作為最優(yōu)解指導(dǎo)鍋爐運行過程的控制參數(shù),實現(xiàn)鍋爐性能達到最佳。
【關(guān)鍵詞】：燃煤鍋爐 燃燒優(yōu)化 神經(jīng)網(wǎng)絡(luò) 遺傳算法 OPC技術(shù)
【學(xué)位授予單位】：青島科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TK229.6
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 第一章 緒論8-12
• 1.1 課題的來源8-9
• 1.2 解決方案9-10
• 1.3 課題的發(fā)展現(xiàn)狀10-11
• 1.4 課題研究主要內(nèi)容11-12
• 第二章 鍋爐燃燒工藝12-21
• 2.1 鍋爐系統(tǒng)簡介12-15
• 2.1.1 鍋爐的工藝流程12-14
• 2.1.2 鍋爐燃燒控制環(huán)節(jié)分析14-15
• 2.2 鍋爐熱效率計算模型15-18
• 2.2.1 鍋爐熱平衡分析15-17
• 2.2.2 影響熱效率的因素分析17-18
• 2.3 NO_x排放18-20
• 2.3.1 NO_x生成機理18-19
• 2.3.2 燃燒中控制NO_x排放技術(shù)19
• 2.3.3 NO_x排放的影響因素分析19-20
• 2.4 鍋爐燃燒輸入輸出分析20
• 2.5 本章小結(jié)20-21
• 第三章 基于BP網(wǎng)絡(luò)和遺傳算法的鍋爐燃燒系統(tǒng)建模21-44
• 3.1 人工神經(jīng)網(wǎng)絡(luò)21-28
• 3.1.1 神經(jīng)網(wǎng)絡(luò)的基本概念21-22
• 3.1.2 BP神經(jīng)網(wǎng)絡(luò)的基本原理22-23
• 3.1.3 BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法23-26
• 3.1.4 BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)設(shè)計26-28
• 3.2 遺傳算法28-33
• 3.2.1 遺傳算法的基本原理28
• 3.2.2 遺傳算法的基本流程28-30
• 3.2.3 遺傳算法的基本元素30-33
• 3.3 神經(jīng)網(wǎng)絡(luò)與遺傳算法的結(jié)合33-34
• 3.4 鍋爐燃燒過程網(wǎng)絡(luò)模型的建立34-43
• 3.4.1 鍋爐燃燒過程神經(jīng)網(wǎng)絡(luò)建模34-35
• 3.4.2 遺傳算法優(yōu)化BP網(wǎng)絡(luò)的初始權(quán)值和閡值35-37
• 3.4.3 仿真分析37-43
• 3.5 本章小結(jié)43-44
• 第四章 鍋爐燃燒優(yōu)化通訊系統(tǒng)設(shè)計44-56
• 4.1 鍋爐燃燒優(yōu)化結(jié)構(gòu)44
• 4.2 神經(jīng)網(wǎng)絡(luò)模型與優(yōu)化系統(tǒng)數(shù)據(jù)交換的實現(xiàn)44-49
• 4.2.1 C#與Matlab混合編程方法45-46
• 4.2.2 Matlab引擎庫函數(shù)46-49
• 4.3 C#與力控數(shù)據(jù)交換的實現(xiàn)49-51
• 4.4 基于OPC的力控與現(xiàn)場DCS通訊51-55
• 4.4.1 現(xiàn)場鍋爐DCS系統(tǒng)51-52
• 4.4.2 力控監(jiān)控系統(tǒng)52-53
• 4.4.3 OPC通信設(shè)計53-55
• 4.5 本章小結(jié)55-56
• 第五章 基于C#的鍋爐燃燒優(yōu)化56-63
• 5.1 優(yōu)化目標(biāo)和結(jié)構(gòu)56-57
• 5.2 優(yōu)化參數(shù)的確定57-58
• 5.3 優(yōu)化系統(tǒng)開發(fā)及功能介紹58-60
• 5.3.1 系統(tǒng)參數(shù)優(yōu)化界面58-59
• 5.3.2 對點59
• 5.3.3 數(shù)據(jù)庫59-60
• 5.3.4 優(yōu)化曲線顯示60
• 5.4 優(yōu)化實現(xiàn)與分析60-62
• 5.4.1 參數(shù)優(yōu)化流程60-61
• 5.4.2 優(yōu)化前后參數(shù)及結(jié)果分析61-62
• 5.5 本章小結(jié)62-63
• 第六章 結(jié)論63-65
• 6.1 結(jié)論63
• 6.2 展望63-65
• 參考文獻65-70
• 致謝70-71
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文71-72

【相似文獻】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 曹慶才;基于GA-BP網(wǎng)絡(luò)模型與C#的鍋爐燃燒優(yōu)化系統(tǒng)設(shè)計[D];青島科技大學(xué);2015年

，

本文編號：1025140