本文以A電廠的脫硫系統(tǒng)為依托,通過對濕式石灰石-石膏法脫硫系統(tǒng)的各個組成部分及其工作原理進行跟蹤研究。但是現(xiàn)場傳感器存在許多問題,包括設(shè)備安裝成本高、濕度和環(huán)境溫度導(dǎo)致的漂移,測量時間長等。本研究的主要目的在于尋找一種軟測量方法對該系統(tǒng)二氧化硫濃度進行實時測量,使之保持在一定的范圍之內(nèi),從而克服傳感器因時滯性而無法滿足實時在線檢測的問題。軟測量技術(shù)是當前工業(yè)過程控制的研究熱點之一,大數(shù)據(jù)環(huán)境下生產(chǎn)過程建模所面臨的非線性、數(shù)據(jù)維數(shù)高的問題,一種快速、精確的非線性變量選擇算法,也是建模的必要工作。本研究針對脫硫系統(tǒng),設(shè)計一種基于序列后向選擇（Sequential backward selection,SBS）與多層感知器（Multi-layer perception,MLP）的軟測量算法,具體內(nèi)容如下:1、對當前脫硫技術(shù)的類型簡單綜述,其中著重分析了濕法脫硫技術(shù)的原理和系統(tǒng)結(jié)構(gòu)及其對反應(yīng)過程中各個影響因素,同時,對A電廠脫硫工藝進行了詳細的介紹和研究。2、建立的算法模型將AIC（Akaike information criterion,AIC）準則引入到SBS中,使系統(tǒng)停止準則的均方誤差（... 

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 火力發(fā)電過程脫硫系統(tǒng)研究的背景和意義
    1.2 軟測量技術(shù)概述
        1.2.1 輔助變量的選擇
        1.2.2 數(shù)據(jù)的采集與處理
        1.2.3 軟測量建模
        1.2.4 軟儀表校正
    1.3 軟測量技術(shù)的發(fā)展現(xiàn)狀
        1.3.1 應(yīng)用現(xiàn)狀
        1.3.2 存在的問題
    1.4 本課題的研究目標
    1.5 課題研究的主要內(nèi)容和意義
第2章 脫硫技術(shù)原理及其A電廠脫硫工藝
    2.1 脫硫技術(shù)原理
        2.1.1 脫硫技術(shù)分類
        2.1.2 影響脫硫效率的主要因素
    2.2 濕法煙氣脫硫技術(shù)
    2.3 A電廠脫硫工藝
        2.3.1 系統(tǒng)組成
        2.3.2 A電廠的石灰石-石膏濕法煙氣脫硫工藝介紹
    2.4 本章小結(jié)
第3章 ISBS-MLP算法設(shè)計及實現(xiàn)
    3.1 算法基礎(chǔ)
        3.1.1 MLP神經(jīng)網(wǎng)絡(luò)
        3.1.2 SBS算法
    3.2 ISBS-MLP算法設(shè)計
        3.2.1 AIC準則
        3.2.2 交叉驗證法
        3.2.3 ISBS-MLP算法實現(xiàn)
    3.3 ISBS-MLP算法程序?qū)崿F(xiàn)
    3.4 本章小結(jié)
第4章 ISBS-MLP軟測量模型在脫硫系統(tǒng)中的應(yīng)用
    4.1 數(shù)據(jù)的預(yù)處理
        4.1.1 數(shù)據(jù)清理
        4.1.2 數(shù)據(jù)相關(guān)性分析
    4.2 ISBS-MLP軟測量模型在脫硫系統(tǒng)中的應(yīng)用
        4.2.2 算法性能對比
        4.2.3 變量選擇結(jié)果分析
    4.3 本章小結(jié)
第5章 總結(jié)和展望
    5.1 總結(jié)
    5.2 本研究的創(chuàng)新之處與不足
        5.2.1 創(chuàng)新之處
        5.2.2 不足之處
    5.3 展望
參考文獻
致謝
在學期間主要科研成果


【參考文獻】：
期刊論文
[1]脫硫脫硝行業(yè)2017年發(fā)展綜述[J]. 趙雪,程茜,侯俊先.  中國環(huán)保產(chǎn)業(yè). 2018(07)
[2]中國煤電清潔發(fā)展現(xiàn)狀及展望[J]. 王志軒,潘荔,劉志強,楊帆,李云凝.  電力科技與環(huán)保. 2018(01)
[3]基于超結(jié)構(gòu)的BN隨機搜索學習算法[J]. 呂亞麗,武佳杰,梁吉業(yè),錢宇華.  計算機研究與發(fā)展. 2017(11)
[4]基于機器學習的PM2.5短期濃度動態(tài)預(yù)報模型[J]. 戴李杰,張長江,馬雷鳴.  計算機應(yīng)用. 2017(11)
[5]貝葉斯隨機搜索的多變點模型分析[J]. 喬杉,謝勝藍,劉金山.  統(tǒng)計與決策. 2017(16)
[6]基于互信息的輔助變量篩選及在火電廠NOx軟測量模型中的應(yīng)用[J]. 馬平,李珍,梁薇.  科學技術(shù)與工程. 2017(22)
[7]基于輔助變量的壓縮采樣匹配追蹤閉環(huán)系統(tǒng)辨識方法[J]. 劉艷君,韓雪,丁鋒.  控制與決策. 2017(10)
[8]用于冗余度機械臂避障神經(jīng)網(wǎng)絡(luò)控制器[J]. 劉善春,李鯉.  中國工程機械學報. 2017(03)
[9]多自由度非線性系統(tǒng)動態(tài)參數(shù)化模型建模方法研究[J]. 劉昊鵬,朱云鵬,羅忠,韓清凱.  動力學與控制學報. 2017(01)
[10]基于T-S模糊模型的非線性系統(tǒng)廣義預(yù)測控制[J]. 劉石紅.  工業(yè)儀表與自動化裝置. 2016(06)

碩士論文
[1]在線特征選擇及其應(yīng)用[D]. 杜政霖.南京郵電大學 2017
[2]基于特征選擇聚類方法的模糊系統(tǒng)應(yīng)用與研究[D]. 張佳骕.江南大學 2016
[3]一種基于譜分析的三維尋徑啟發(fā)式函數(shù)[D]. 鄭輝.浙江大學 2016
[4]基于文本挖掘的高鐵車載設(shè)備故障診斷方法研究[D]. 王峰.北京交通大學 2016
[5]多層前向神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的研究[D]. 陳非.大連理工大學 2000



本文編號：3690251