本文選題：PH值控制 + 內(nèi)模控制�。� 參考：《青島科技大學》2017年碩士論文

【摘要】：熱電廠在運行過程中會排放大量SO2,從而造成嚴重的環(huán)境污染,因此對SO2的排放進行合理控制成為目前我國熱電廠急需解決的重要問題之一。熱電廠脫硫過程中吸收塔內(nèi)漿液PH值控制過程是一個典型的非線性和大滯后系統(tǒng),該控制過程具有多變量、非線性以及變增益等顯著特點。本文就PH值控制的特點進行分析,提出了一種基于改進的RBF神經(jīng)網(wǎng)絡(luò)的內(nèi)模控制來實現(xiàn)對PH值的控制。首先對吸收塔內(nèi)漿液PH值控制過程進行建模,通過深入研究脫硫過程中吸收塔內(nèi)漿液PH值控制的工藝過程,對PH值的特性及中和反應過程進行了分析。對于漿液PH值控制過程的數(shù)學模型運用基于Hammerstein模型最小二乘辨識方法進行辨識,得到其相應的數(shù)學模型。其次針對RBF神經(jīng)網(wǎng)絡(luò)存在的隱層單元數(shù)目和中心向量以及擴展參數(shù)難以確定的問題,利用減聚類算法來解決。最后將改進的RBF神經(jīng)網(wǎng)絡(luò)應用到內(nèi)�？刂浦�,通過改進的RBF神經(jīng)網(wǎng)絡(luò)對內(nèi)模控制中的正向模型以及逆向模型進行辨識,形成完整的內(nèi)�？刂葡到y(tǒng),這樣不僅使內(nèi)模控制的自適應能力得到極大的提高,同時還可以使內(nèi)�？刂频膽梅秶玫綐O大的擴展,因此形成一種先進的控制方案,并且將該方案應用到吸收塔內(nèi)漿液PH值控制過程中。通過MATLAB仿真結(jié)果表明,基于改進的RBF神經(jīng)網(wǎng)絡(luò)的內(nèi)�？刂品桨笇γ摿蛳到y(tǒng)中漿液PH值控制具有良好的控制性能、跟蹤能力、自適應能力和魯棒性,相對于傳統(tǒng)PID控制具有顯著優(yōu)勢。
[Abstract]:A large amount of so _ 2 is emitted from thermal power plants during operation, which results in serious environmental pollution. Therefore, reasonable control of SO2 emissions has become one of the most important problems that need to be solved in China's thermal power plants. The control process of PH value of slurry in absorber is a typical nonlinear and large delay system in desulfurization process of thermal power plant. The control process is characterized by multivariable, nonlinear and variable gain. In this paper, the characteristics of PH control are analyzed, and a kind of internal model control based on improved RBF neural network is proposed to realize PH control. Firstly, the control process of pH value of slurry in absorber is modeled. The process of PH control in absorber is studied deeply, and the characteristics of PH value and neutralization reaction process are analyzed. The mathematical model of the slurry PH control process is identified by using the least square identification method based on the Hammerstein model, and the corresponding mathematical model is obtained. Secondly, aiming at the problem that the number of hidden layer units, center vectors and extension parameters are difficult to determine in RBF neural network, a subtractive clustering algorithm is used to solve the problem. Finally, the improved RBF neural network is applied to the internal model control. Through the improved RBF neural network, the forward model and the reverse model in the internal model control are identified to form a complete internal model control system. In this way, not only the adaptive ability of internal model control is greatly improved, but also the scope of application of internal model control is greatly expanded, so an advanced control scheme is formed. The scheme is applied to the control process of the PH value of the slurry in the absorber. The simulation results of MATLAB show that the internal model control scheme based on improved RBF neural network has good control performance, tracking ability, adaptive ability and robustness to the PH control of slurry in desulphurization system. Compared with traditional PID control, it has significant advantages.
【學位授予單位】：青島科技大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TM621.8;TP183

【參考文獻】

相關(guān)期刊論文 前10條

1 陳紅杰;李高鋒;;基于RBF神經(jīng)網(wǎng)絡(luò)的投標報價預測研究[J];價值工程;2015年26期

2 白建云;尹二新;李春暉;;基于PID的模糊內(nèi)模控制在爐內(nèi)脫硫系統(tǒng)控制中的應用[J];熱力發(fā)電;2015年01期

3 王華秋;;自組織模糊神經(jīng)網(wǎng)絡(luò)的內(nèi)�？刂蒲芯颗c應用[J];計算機仿真;2014年04期

4 張秀云;鄭繼成;;國內(nèi)外煙氣脫硫技術(shù)綜述[J];電站系統(tǒng)工程;2010年04期

5 徐夕仁;馬春元;歸柯庭;陳蓮芳;王文龍;董勇;;干法/半干法煙氣脫硫灰化學組成計算模型研究[J];鍋爐技術(shù);2010年03期

6 譚忠;;化學分析參數(shù)在石灰石-石膏濕法煙氣脫硫運行中的應用[J];華電技術(shù);2010年03期

7 孫建平;李曉燕;王立軍;王俊;;廣義內(nèi)模預測控制在非最小相位系統(tǒng)中的應用[J];電力科學與工程;2009年08期

8 王賢亮;;基于最小二乘法的目標跟蹤算法研究[J];中國水運(下半月);2008年09期

9 崔莉;;燃煤鍋爐濕式煙氣脫硫效率分析[J];科技資訊;2008年24期

10 趙虹;;熱電廠煙氣脫硫技術(shù)初探[J];有色金屬設(shè)計;2007年01期

相關(guān)博士學位論文 前1條

1 權(quán)玲;內(nèi)模控制方法在復雜系統(tǒng)中的研究與應用[D];北京化工大學;2010年

相關(guān)碩士學位論文 前10條

1 陳明;基于Schneider PLC的火電廠煙氣脫硫系統(tǒng)的設(shè)計與實現(xiàn)[D];西南科技大學;2015年

2 薛俊;時滯系統(tǒng)的內(nèi)�？刂萍捌湓赑LC中的實現(xiàn)及應用[D];東華大學;2015年

3 蘭張];火電廠脫硫控制系統(tǒng)的設(shè)計[D];南昌大學;2013年

4 蘭穎;內(nèi)模控制在濕法煙氣脫硫控制系統(tǒng)中的研究與應用[D];華北電力大學;2014年

5 單冠飛;基于等價傳遞函數(shù)的多變量內(nèi)模解耦控制[D];北京化工大學;2013年

6 孫建良;Hammerstein模型非線性系統(tǒng)辨識算法研究[D];浙江大學;2013年

7 張春燕;濕法煙氣脫硫控制系統(tǒng)的設(shè)計與應用[D];華北電力大學;2012年

8 蘇暉;火力發(fā)電廠石灰石—石膏濕法脫硫技術(shù)運行優(yōu)化研究[D];華北電力大學;2012年

9 王志峰;火力發(fā)電廠脫硫島控制系統(tǒng)的設(shè)計與應用[D];華北電力大學;2011年

10 侯鵬飛;石灰石濕法脫硫性能指標在線監(jiān)測與控制策略的優(yōu)化設(shè)計[D];山西大學;2011年

，

本文編號：1805071