基于神經(jīng)網(wǎng)絡(luò)建模和粒子群優(yōu)化的鍋爐汽溫控制研究畢業(yè)論文-在線瀏覽
2024-09-11 11:42本頁(yè)面
【正文】 要燃料以滿(mǎn)足世界能源需求，預(yù)計(jì)其需求量將增加到目前的七倍。 為響應(yīng)國(guó)家節(jié)能減排的號(hào)召，改善環(huán)境，電廠作為耗能大戶(hù)，必須加大節(jié)能減排研究、提高鍋爐機(jī)組的熱效率，而加大單機(jī)容量是一種 有效的手段。 目前機(jī)組的蒸汽參數(shù)已由亞臨界提高到超臨界 、超超臨界水平，單機(jī)容量也已提升到 1000MW 級(jí)水平。 而作為影響鍋爐安全 經(jīng)濟(jì) 運(yùn)行的重要參數(shù)，鍋爐過(guò)熱汽溫控制也一直是電廠運(yùn)行中十分關(guān)注的重要課題 。 原因可歸結(jié)為以下三個(gè)方面： (1)因?yàn)檫^(guò)熱蒸汽溫度是鍋爐汽水通道中溫度最高的部分，過(guò)熱器正常運(yùn)行的溫度一般接近于材料允許的最高溫度。 一般汽溫每降低 510℃，熱效率約降低 1%，而且溫度降低會(huì)使汽輪機(jī)軸向推力增大而造成推 力軸承過(guò)載，汽輪機(jī)最后幾級(jí)的蒸汽濕度增加，易引起葉片磨損。 所以 ， 鍋爐制造廠對(duì)運(yùn)行中 汽溫控制的質(zhì)量要求是非常嚴(yán)格的， 鍋爐穩(wěn)定運(yùn)行時(shí)，過(guò)熱 汽溫度 必須控制 在一定的范圍內(nèi) 。 但是 ，由于 熱工過(guò)程往往表現(xiàn)出非線性、慢時(shí)變、大遲 延和不確定性， 尤其是主蒸汽溫度具有較大的慣性和遲延 ， 同時(shí) 由于負(fù)荷變化汽壓波動(dòng)、給水壓力波動(dòng)、燃燒工況變化等擾動(dòng)因素多，對(duì)汽溫的穩(wěn)定產(chǎn)生不利影響 ， 使其可控指數(shù)很低。 對(duì)于大型機(jī)組， 由于被控對(duì)象模型的復(fù)雜性以及控制器參數(shù)選取不合理 ，傳統(tǒng)的 PID 控制有時(shí)已難以實(shí)現(xiàn)所需要的 4 控制效果。具備魯棒性，即使系統(tǒng)具有很強(qiáng)的抗干擾能力，對(duì)不確定因素的干擾不敏感 。具備自組織能力，使系統(tǒng)對(duì)復(fù)雜任務(wù)和分散的傳感信息具有自主的協(xié)調(diào)組織功能 。 智能控制系統(tǒng)的發(fā)展及其在電廠中的應(yīng)用 隨著人類(lèi)所面臨問(wèn)題的日益復(fù)雜化和對(duì)控制系統(tǒng)性能要求的不斷提高，自動(dòng)控制理論和方法已從傳統(tǒng)的采用傳遞函數(shù)、頻率特性和根軌跡為基礎(chǔ)的經(jīng)典控制理論 (頻域分析法 )逐漸發(fā)展到采用時(shí)域分析的現(xiàn)代控制理論階段 (狀態(tài)空間分析法 )。然而它們大都是基于模型的控制，對(duì)于一些具有高度非線性的復(fù)雜控制系 統(tǒng)，尤其是模型不確定的系統(tǒng)、控制對(duì)象或者過(guò)程，如一些熱工對(duì)象 (如工業(yè)鍋爐 )、機(jī)器人系統(tǒng)等等，雖然也能利用一些積累起來(lái)的實(shí)際經(jīng)驗(yàn)進(jìn)行分析，但總的說(shuō)來(lái)，其理論和方法還很不十分成熟，很難取得令人滿(mǎn)意的控制效果。 目前，國(guó)內(nèi)外眾多的專(zhuān)家和學(xué)者對(duì)智能控制理論和方法所做的大量工作主要集中在 專(zhuān)家系統(tǒng)、模糊控制、神經(jīng)網(wǎng)絡(luò)和進(jìn)化計(jì)算 及其相關(guān)方面 隨著智能控制理論的深入研究， 智能控制技術(shù)發(fā)展迅速，己提出了許多方法，如模糊控制、基于神經(jīng)網(wǎng)絡(luò)的控制系統(tǒng) 、 專(zhuān)家控制系統(tǒng)與專(zhuān)家控制器 、遺傳算法控制、組合智能控制等 。 在應(yīng)用方面，其研究重點(diǎn)集中在智能控制元件、系統(tǒng)的智能控制方法和智能控制器的實(shí)時(shí)實(shí)現(xiàn)方面 。 英國(guó)倫敦大學(xué)教授 年在實(shí)驗(yàn)室研制成功鍋爐和蒸汽機(jī)模糊控制系統(tǒng)，通常都以此作為模糊控制發(fā)展史上的第一里程碑 5 本 文的主要工作 在對(duì)鍋爐結(jié)構(gòu)和燃燒工藝進(jìn)行分析 的基礎(chǔ)上，把握 蒸汽溫度 過(guò)程控制的關(guān)鍵因素及其對(duì)過(guò)熱汽溫 的影響方式，確定了 過(guò)熱汽溫 系統(tǒng)模型的輸入和輸出 ； 介紹了神經(jīng)網(wǎng)絡(luò)的基本原理和各種網(wǎng)絡(luò)模型的工作方式，重點(diǎn)介紹了 BP 網(wǎng)絡(luò)、 Elman 網(wǎng)絡(luò)及其算法流程，然后利用 BP 網(wǎng)絡(luò)和 Elman 網(wǎng)絡(luò)對(duì) 過(guò)熱汽溫 系統(tǒng)建模并對(duì)仿真結(jié)果進(jìn)行了分析和比較， 總結(jié)了每個(gè)網(wǎng)絡(luò)的特點(diǎn)和應(yīng)用場(chǎng)合 。 最后對(duì)本文研究的不足之處做了總結(jié)并提出了展望。具有通過(guò)學(xué)習(xí)獲取知識(shí)并解決問(wèn)題的能力，其知識(shí)存儲(chǔ)在連接權(quán)中 。 它可用電子元件實(shí)現(xiàn)，也可用軟件在計(jì)算機(jī)上實(shí)現(xiàn)。作為智能控制的一個(gè)分支，以其獨(dú)特的非傳統(tǒng)表達(dá)方式和固有的學(xué)習(xí)能力，引起了控制界的廣泛關(guān)注 [1]。 到目前為止 大致經(jīng)歷了四個(gè)發(fā)展階段。 80 年代到 90 年代初期，由于 物理學(xué)家 的 Hopfield 模型的提出開(kāi)創(chuàng)了神經(jīng)網(wǎng)絡(luò)用于聯(lián)想記憶和優(yōu)化計(jì)算的新途徑 ， 有力地推動(dòng)了神經(jīng)網(wǎng)絡(luò)餓發(fā)展。 90 年代以后，神經(jīng)網(wǎng)絡(luò)在經(jīng)歷了 80 年代末到 90 年代初的高潮后，硬件技術(shù)、應(yīng)用范圍與理論水平都有了很大的進(jìn)展，開(kāi)始進(jìn)入了穩(wěn)健發(fā)展時(shí)期。神經(jīng)網(wǎng)絡(luò)能夠充分逼近任意復(fù)雜的非線性關(guān)系，從而形成非 線性動(dòng)力學(xué)系統(tǒng)，以表示某些被控對(duì)象的模型或控制器模型。神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的自適應(yīng)能力，它能不斷地自適應(yīng)修正網(wǎng) 絡(luò)權(quán)值，學(xué)習(xí)與適應(yīng)不確定性系統(tǒng)的動(dòng)態(tài)特性。能夠處理那些未經(jīng)訓(xùn)練過(guò)的數(shù)據(jù)，而獲得相應(yīng)于這些數(shù)據(jù)的合 適解答，同樣，它能夠處理那些含有噪聲的數(shù)據(jù)。 ④高度并行處理，具有很強(qiáng)的數(shù)據(jù)融合能力。 神經(jīng)網(wǎng)絡(luò)模型 神經(jīng)網(wǎng)絡(luò)是由大量神經(jīng)元按一定的結(jié)構(gòu)連接而成，來(lái)完成不同信息 (包括智 能信息 )處理任務(wù)的非線性系統(tǒng)。在學(xué)習(xí)的過(guò)程中不斷調(diào)整突觸權(quán)值，使網(wǎng)絡(luò)實(shí)際輸出不斷逼近期 望輸出。神經(jīng)元由三個(gè)基本要素構(gòu)成 : )( xf?10 ?x?1x????2nx y1?n? 圖 21 簡(jiǎn)化的神經(jīng)元結(jié)構(gòu) 7 神經(jīng)元的每一個(gè)輸入連接都有突觸連接強(qiáng)度，用一個(gè)連接權(quán)值來(lái)表示，即將產(chǎn)生的信號(hào)通過(guò)連接強(qiáng)度放大，每一個(gè)輸入量（ jx ）都相應(yīng)有一個(gè)相關(guān)聯(lián)的權(quán)重（ j? ）。它是一個(gè)多輸入、單輸出的非線性元件，其輸入、輸出關(guān)系可描述為： ???????? ?? )(yn1j IfxI jj ?? (21) 式 中 ： y 為神經(jīng)元輸出 ； f 為輸出變換函數(shù)，或激活 函數(shù)， 其非線性特征可用閾值型、分段線性型和連續(xù)型激發(fā)函數(shù)近似 ； jx ),3,2,1( nj ???? 是 神經(jīng)元第 i 個(gè)輸入； ? 為 神經(jīng)元的 閾值 ； j? 為權(quán)系數(shù)， 表示連
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1