【正文】 重要參數(shù)之一。爐 內(nèi)燃燒工況一旦發(fā)生變化，爐膛負壓隨即發(fā)生相應(yīng)變化。因此，監(jiān)視和控制爐膛負壓對于保證爐內(nèi)燃燒工況的穩(wěn)定、分析爐內(nèi)燃燒工況、煙道運行工況、分析某些事故的原因均有極其重要的意義。本設(shè)計就是從鍋爐引風機方面進行爐膛負壓的研究。 本課題是通過對鍋爐爐膛負壓控制的基本原理來實現(xiàn)仿人智能控制，從而構(gòu)成一套完整的仿人智能控制系統(tǒng)，達到方便，安全，有效的生產(chǎn)。 二、設(shè)計（研究）現(xiàn)狀和發(fā)展趨勢（文獻綜述）： 1． 研究現(xiàn)狀： 目前國內(nèi)火力發(fā)電廠鍋爐風機大部分采用拖動電動機，其中 95％左右為交流異步電動機直接拖動，恒速運行。隨 著電力經(jīng)濟的發(fā)展等，使電廠中的鍋爐風機在運行中出現(xiàn)了裕量較大的問題，另外根據(jù)電網(wǎng)調(diào)峰的需要，機組長時間處于低負荷運行狀態(tài)，使鍋爐的送、吸風機長期處于低參數(shù)下運行，對廠用電率造成一定影響。目前 國內(nèi) 直屬發(fā)電廠鍋爐風機配備的電動機以 1 MW 左右居多，大部分都是采用恒速運行，造成很大的浪費。根據(jù)節(jié)能工作的要求，其中有個別發(fā)電廠已考慮或試用風機調(diào)速運行，解決目前風機運行中出現(xiàn)裕量過大的問題。 風機調(diào)速有幾種方案，其中，應(yīng)用最多的是 變頻器技術(shù) ，或 加裝液力偶合器裝置 。 此外，過程的非線性和大滯后也使對象更加復(fù)雜，難于建立精確 的數(shù)學(xué)模型，這樣對控制就提出了更為嚴格的要求。這包括兩層意義：一是控制系統(tǒng)要有很高的可靠性；二是控制方案要有很好的控制實效?；谶@樣兩點， CFB 鍋爐一般都選擇先進的 DCS控制系統(tǒng)， 特別是運用先進的控制方案能夠?qū)崿F(xiàn)鍋爐燃燒的完全自控 。 2．發(fā)展趨勢： 隨著 我國的 電力工業(yè)的不斷發(fā)展，作為火電廠重要設(shè)備的鍋爐己走向大型化，鍋爐控制 系統(tǒng)也日趨復(fù)雜。系統(tǒng)的藕合性、時變性、非線性等特點顯得更加突出，鍋爐系統(tǒng)生產(chǎn)過程需要監(jiān)視的內(nèi)容也越來越多，過程控制的任務(wù)愈來愈重，鍋爐系統(tǒng)的運行與操作要求更為嚴格。早期在火電廠采用的人工 控制或簡單的儀表單回路調(diào)節(jié)系統(tǒng)己很難滿足發(fā)電廠鍋爐運行的要求。生產(chǎn)自動化方式逐漸不能適應(yīng)時代的發(fā)展，鍋爐控制系統(tǒng)的自動化面臨著嚴峻的挑戰(zhàn)。然而另一方面，計算機技術(shù)正在不斷的發(fā)展、現(xiàn)代控制理論也在不斷完善 并 應(yīng)用。將上述兩項技術(shù)相結(jié)合的自動控制技術(shù)應(yīng)用于火電廠鍋爐 燃燒 控 制系統(tǒng)中，將會有效地提高火電廠的自動化水平，滿足鍋爐工藝發(fā)展的要求。安全可靠是機組運行的首要要求，特別是對大容量機組更是具有重要的意義。隨著機組容量的增大，熱力系統(tǒng)越來越復(fù)雜，需要監(jiān)視、控制的項目顯著增多?？咳藖肀O(jiān)視和操作，不僅勞動強度大，而且很 難勝任，同時極易因誤操作而造成事故，所以必須采用自動化儀表來完成監(jiān)視和操作。檢測裝置能把機組的運行狀態(tài)隨時報告給人和調(diào)節(jié)裝置 ； 自動調(diào)節(jié)裝置能簡化操作步驟和減少操作數(shù)量，避免誤操作；保護裝置能在機組運行發(fā)生異常或運行參數(shù)超過允許值時進行報警，避免、限制、處理事故。 因此，模糊控制系統(tǒng) 的應(yīng)用使鍋爐運行的可靠性得到了進一步的提高。 在 世界范圍內(nèi) ，由于 能源危機和劇烈的市場競爭，對節(jié)約能源和減少燃料消耗的要求不斷提高，環(huán)境保護和文明生產(chǎn)的的呼聲日益高漲。對鍋爐的控制系統(tǒng) 進行 優(yōu)化，不但可以減少事故停機的損失和檢修費用，還可 以有效提高熱效率，降低供電熱耗和煤耗。機組還可實現(xiàn)自啟停，可縮短啟停時間，因而使各種熱損失及工質(zhì)損失都大為減少 。 通過采用自動裝置和監(jiān)控手段可以減少運行人員，有效地提高勞動生產(chǎn)率， 因為 在機組 自 啟停階段，不需要臨時增加運行人員協(xié)助操作和抄表。實現(xiàn)生產(chǎn)過程自動化，可使運行人員從繁忙的體力勞動和緊張的精神負擔中解脫出來，值班員除在機組啟停時有些操作外，正常運行時只需要在控制室內(nèi)集中監(jiān)視主設(shè)備及自動化儀表的運行情況 。 三、設(shè)計（研究）的重點與難點，擬采用的途徑（研究手段）： 設(shè)計重點： 1) 熟悉 CFB鍋爐 工作原理 ，了解實際運行中 爐膛負壓 控制 的重要性。 2) 設(shè)計的爐膛負壓 控制 方案要求合理可行。 3) 所選擇的控制設(shè)備必須可靠性高，技術(shù)先進，最好列出具體生產(chǎn)廠家，型號等。 4) 根據(jù) 控制 要求設(shè)計的 控制 算法必須科學(xué)，列出詳細設(shè)計及推導(dǎo)過程。 設(shè)計難點： 1） 選擇目前通用的開發(fā)語言平臺，設(shè)計實現(xiàn)控制任務(wù)的程序結(jié)構(gòu)框圖。 2） 利用 MATLAB 建立控制系統(tǒng)仿真模型，從穩(wěn)定性，魯棒性，抗干擾等方面研究所設(shè)計控制算法的控制效果如何，并與常規(guī) PID 控制進行比較 。 擬采用途徑： 1) 針對爐膛負壓 控制 要求，設(shè)計爐膛負壓 控制 系統(tǒng)總體方案。 2) 選擇所需的控制設(shè) 備，畫出設(shè)備主要接線圖。 3) 根據(jù)爐膛負壓 控制 要求，設(shè)計仿人智能控制算法。 4) 設(shè)計實現(xiàn)控制任務(wù)的程序結(jié)構(gòu)。 5) 利用 MATLAB 建立仿真模型，研究控制算法的性能，并與常規(guī) PID 控制進行比較。 四、設(shè)計（研究）進度計劃： 第一周至第三周：資料收集，外文翻譯。 第四周：撰寫開題報告。 第五周至第七周：總體方案設(shè)計。 第八周至第十周：控制算法的設(shè)計。 第十一周至第十三周：算法仿真研究。 第十四周：畢業(yè)論文撰寫。 第十五周：答辯準備，畢業(yè)答辯。 五、參考文獻： 1． 文武 . 循環(huán)流化床鍋爐床溫動態(tài)建模與仿真 . 廈門大學(xué)學(xué)報 (自然科學(xué)版 )， 2021 年第 1 期。 2． 吳慶彬 。 循環(huán)流化床的模糊控制 。 南京工業(yè)大學(xué) 碩士論文， 2021 年。 3． 劉彬 . 專家模糊控制在鍋爐床溫控制中的應(yīng)用 . 電氣傳動自動化 ， 2021 年第 4 期 . 4． 岑可法，倪明江，駱仲渙等 .循環(huán)流化床鍋爐理論、設(shè)計與運行 .北京 :中國電力出版社， 1997。 5． 邊立秀 . 循環(huán)流化床鍋爐床溫控制 建模與仿真 . 華北電力大學(xué)學(xué)報 ， 2021 年第 1 期。 6． Post Comparison of Methods of Fuzzy Relational Identification, IEE PROCEEDING. 1991， 138(3) 。 7． Chi and Design of fuzzy Control System. Fuzzy Sets and ,(57):125－ 140。 8． 胡章軍 . 仿人智能控制算法研究 . 青島科技大學(xué)碩士論文， 2021 年。 9． 徐軍 。 循環(huán)流化床鍋爐的優(yōu)化控制 . 江南大學(xué) 碩士論文， 2021 年。 指導(dǎo)教師意見 簽名： 月 日 教研室（學(xué)術(shù)小組）意見 教研室主任（學(xué)術(shù)小組長）（簽章）： 月 日 附件二 (外文文獻 ) Constrained optimization of bustion in a simulated coalfired boiler using artificial neural work model and information analysis Abstract Combustion in a boiler is too plex to be analytically described with mathematical models. To meet the needs of operation optimization, onsite experiments guided by the statistical optimization methods are often necessary to achieve the optimum operating conditions. This study proposes a new constrained optimization procedure using artificial neural works as models for target analysis based on random search, fuzzy cmean clustering, and minimization of information free energy is performed iteratively in the procedure to suggest the location of future experiments, which can greatly reduce the number of experiments needed. The effectiveness of the proposed procedure in searching optima is demonstrated by three case studies: (1) a benchmark problem, namely minimization of the modified Himmelblau function under a circle constraint。 (2) both minimization of NOx and CO emissions and maximization of thermal efficiency for a simulated bustion process of a boiler。 (3) maximization of thermal efficiency within NOx and CO emission limits for the same bustion process. The simulated bustion process is based on a mercial software package CHEMKIN, where 78 chemical species and 467 chemical reactions related to the bustion mechanism are incorporated and a plugflow model and a loadcorrelated temperature distribution for the bustion tunnel of a boiler are used. 1. Introduction Although there have been a lot of experimental and theoretical studies on the basic physical and chemical principles of a boiler’s operation, and great advance has been made in understanding various aspects of the operation, it is still impracticable, as Caravelle and coworkers [1] have just pointed out, to couple detailed fluid dynamics and kiics in the bustion system design even with the continuous increase of puter power, not to mention to simulate a boiler and its various auxiliary subsystems as a whole. If fuel and environment conditions are specified, the thermal efficiency of a given boiler depends mainly on the air to fuel ratio, and on the distribution of air and fuel to burners at different locations if two or more burners are used. For different fuels and different furnace configurations, the best air to fuel ratio and the best air and fuel distributions are surely different, which may be roughly estimated by analysis but can only be determined accurately by testing runs. As for the control of trace pollutant emissions (in terms of ppm or ppd NOx, SO2, etc.) of a boiler, all of such uncertain factors as fuel positions, plexity of flow and temperature fields in the burning chamber, and the plicated mechanism of chemical reactions make model prediction highly unreliable. The inab