發(fā)布時間：2018-03-21 19:21

  本文選題：加熱爐　切入點：模糊神經(jīng)網(wǎng)絡　出處：《青島科技大學》2015年碩士論文　論文類型：學位論文

【摘要】：原油作為一種重要的物質資源,對國家經(jīng)濟發(fā)展有著至關重要的影響,考慮到我國原油的特點,含蠟高、凝固點高且粘度高,需要不斷地給原油進行加熱,防止在輸送原油的過程中發(fā)生沉淀或凝固。而加熱爐是這一過程中的主要設備之一,如何設計加熱爐的控制系統(tǒng),對提高系統(tǒng)自動化控制水平,提高系統(tǒng)控制效率和縮短系統(tǒng)控制時間有著非常重要的作用。加熱爐是一個非線性、強耦合、多變量以及多干擾的復雜控制系統(tǒng),其主要包含三個控制方向：調(diào)整引風量與送風量,保證爐膛內(nèi)壓力,保證系統(tǒng)的安全運行；保證空燃比保持在最佳范圍內(nèi),已達到較高的燃燒效率,保證系統(tǒng)控制過程的經(jīng)濟性；保證原油溫度輸出在正常范圍內(nèi),保證原油的順利輸送。而這些要求利用傳統(tǒng)的控制方法已不能滿足,結合當代先進的控制方法,模糊神經(jīng)網(wǎng)絡結合了模糊控制及BP神經(jīng)網(wǎng)絡的優(yōu)點,而模糊系統(tǒng)不僅不需要對控制系統(tǒng)建立較為精確的數(shù)學模型,而利用BP神經(jīng)網(wǎng)絡可以將實際輸出與期望輸出之間的誤差反向傳播,以此來修正系統(tǒng)的隸屬度函數(shù)及權值,以更短的時間使系統(tǒng)輸出達到穩(wěn)定。本文介紹了模糊系統(tǒng)與BP神經(jīng)網(wǎng)絡的特點,以及兩種控制方法的結合點及特點。考慮到單純使用BP神經(jīng)網(wǎng)絡易陷入局部最小的問題,遺傳算法的全局搜索功能恰巧能解決這一問題,用GA訓練模糊神經(jīng)網(wǎng)絡可以避免陷入局部最小,所以選用GA-BP網(wǎng)絡,即遺傳算法與BP神經(jīng)網(wǎng)絡相結合對系統(tǒng)的初始數(shù)據(jù)進行離線優(yōu)化。最后利用MATLAB對模糊神經(jīng)網(wǎng)絡控制下的系統(tǒng)進行仿真,與傳統(tǒng)的PID控制方法相對比,在多種角度分析該種控制方法下系統(tǒng)控制的優(yōu)越性。
[Abstract]:Crude oil, as an important material resource, has a vital influence on the development of national economy. Considering the characteristics of crude oil in China, high wax content, high freezing point and high viscosity, it is necessary to continuously heat the crude oil. The furnace is one of the main equipments in this process. How to design the control system of the furnace and improve the automation control level of the system, It is very important to improve the control efficiency and shorten the control time of the system. The heating furnace is a complex control system with nonlinear, strong coupling, multi-variable and multi-disturbance. It mainly includes three control directions: adjusting the air intake and air supply, ensuring the pressure in the furnace and ensuring the safe operation of the system, and ensuring that the air-fuel ratio is kept in the optimum range and has achieved higher combustion efficiency. To ensure the economy of the control process of the system, to ensure that the crude oil temperature output is within the normal range and to ensure the smooth transportation of crude oil, and that these requirements can no longer be met by using the traditional control methods, combined with the modern advanced control methods, Fuzzy neural network combines the advantages of fuzzy control and BP neural network, and fuzzy system not only need not establish a more accurate mathematical model of the control system. By using BP neural network, the error between actual output and expected output can be propagated back to correct the membership function and weight of the system. In this paper, the characteristics of fuzzy system and BP neural network are introduced, as well as the combination points and characteristics of the two control methods. The global search function of genetic algorithm can solve this problem. Using GA to train fuzzy neural network can avoid falling into local minimum, so GA-BP network is chosen. That is, genetic algorithm and BP neural network are combined to optimize the initial data of the system offline. Finally, MATLAB is used to simulate the system under the control of fuzzy neural network, which is compared with the traditional PID control method. The superiority of system control under this control method is analyzed in various angles.
【學位授予單位】：青島科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TE963;TP273

【相似文獻】

相關期刊論文 前10條

1 王爽;朱棟華;王家凱;;模糊神經(jīng)網(wǎng)絡的理論與應用[J];江蘇環(huán)境科技;2007年S2期

2 李恒嵬;;模糊神經(jīng)網(wǎng)絡研究現(xiàn)狀綜述[J];遼寧科技學院學報;2010年02期

3 宋彬彬;;模糊神經(jīng)網(wǎng)絡的發(fā)展與應用[J];煤炭技術;2012年07期

4 劉平,程翼宇;辨識藥物定量構效關系的模糊神經(jīng)網(wǎng)絡方法研究[J];高等學校化學學報;2000年10期

5 孫增圻;模糊神經(jīng)網(wǎng)絡及其在系統(tǒng)建模與控制中的應用[J];南京化工大學學報(自然科學版);2000年04期

6 肖文暉,劉亞斌,王思存;燃氣小時負荷的模糊神經(jīng)網(wǎng)絡預測[J];煤氣與熱力;2002年01期

7 劉軍;崔紅;龐中華;李桂麗;;基于綜合算法的補償模糊神經(jīng)網(wǎng)絡建模方法[J];青島科技大學學報(自然科學版);2006年01期

8 付家才;石娟;唐旭華;;基于陰陽調(diào)和的模糊神經(jīng)網(wǎng)絡[J];黑龍江科技學院學報;2007年03期

9 路永輝;馬翠紅;;小波模糊神經(jīng)網(wǎng)絡在高爐爐溫預測中的應用[J];四川冶金;2008年06期

10 劉燦;;模糊神經(jīng)網(wǎng)絡及其在醫(yī)學診斷中的應用[J];化學工程與裝備;2010年02期

相關會議論文 前10條

1 李仁發(fā);乜崇義;;一種用模糊神經(jīng)網(wǎng)絡建立模糊模型的新方法[A];1996年中國智能自動化學術會議論文集（上冊）[C];1996年

2 舒賽剛;任雪梅;陳杰;;模糊神經(jīng)網(wǎng)絡在混沌預測中的應用[A];第二十屆中國控制會議論文集（下）[C];2001年

3 張劍輝;彭力;林行辛;;變結構的補償模糊神經(jīng)網(wǎng)絡的研究[A];第二十三屆中國控制會議論文集（上冊）[C];2004年

4 林雄;張福金;黃槐仁;劉煜;;進化模糊神經(jīng)網(wǎng)絡在時序預測的應用[A];計算機技術與應用進展——全國第17屆計算機科學與技術應用（CACIS）學術會議論文集（上冊）[C];2006年

5 謝維信;錢濤;;模糊神經(jīng)網(wǎng)絡研究述評[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

6 陳一飛;李懷;;模糊神經(jīng)網(wǎng)絡在室內(nèi)采光控制中的應用[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

7 榮莉莉;;模糊神經(jīng)網(wǎng)絡在項目評價系統(tǒng)中的應用[A];全國青年管理科學與系統(tǒng)科學論文集第5卷[C];1999年

8 孫增圻;;模糊神經(jīng)網(wǎng)絡及其在系統(tǒng)建模與控制中的應用[A];1998年中國智能自動化學術會議論文集（上冊）[C];1998年

9 馬海峰;李晨光;唐濤;;基于模糊神經(jīng)網(wǎng)絡的列車運行安全控制[A];1998年中國智能自動化學術會議論文集（上冊）[C];1998年

10 王孫安;杜海峰;;基于相平面的模糊神經(jīng)網(wǎng)絡研究及應用[A];第一屆全國流體動力及控制工程學術會議論文集[C];2000年

相關博士學位論文 前10條

1 何春梅;模糊神經(jīng)網(wǎng)絡的性能及其學習算法研究[D];南京理工大學;2010年

2 李龍;模糊神經(jīng)網(wǎng)絡學習算法及收斂性研究[D];大連理工大學;2010年

3 翟東海;加乘型模糊神經(jīng)網(wǎng)絡理論和應用的研究[D];西南交通大學;2003年

4 楊潔;模糊神經(jīng)網(wǎng)絡的學習收斂性與閾值可去性[D];大連理工大學;2006年

5 艾芳菊;模糊神經(jīng)網(wǎng)絡的結構優(yōu)化研究[D];中國科學院研究生院（成都計算機應用研究所）;2006年

6 王振雷;模糊神經(jīng)網(wǎng)絡理論及其在復雜系統(tǒng)中的應用研究[D];東北大學;2002年

7 孫海蓉;模糊神經(jīng)網(wǎng)絡的研究及其應用[D];華北電力大學（河北）;2006年

8 周志堅;基于遺傳算法的神經(jīng)模糊技術應用研究[D];華南理工大學;1999年

9 朱喜林;模糊神經(jīng)網(wǎng)絡選擇機械加工參數(shù)的應用研究[D];吉林大學;2006年

10 陳向堅;微型飛行器姿態(tài)的智能控制方法研究[D];中國科學院研究生院（長春光學精密機械與物理研究所）;2012年

相關碩士學位論文 前10條

1 曹甄;基于模糊神經(jīng)網(wǎng)絡的橋梁狀態(tài)評價[D];天津大學;2009年

2 程冰;模糊神經(jīng)網(wǎng)絡研究[D];廣東工業(yè)大學;2005年

3 王玉紅;基于模糊神經(jīng)網(wǎng)絡的信用風險評級研究[D];哈爾濱工程大學;2006年

4 王雪苗;模糊神經(jīng)網(wǎng)絡優(yōu)化及應用研究[D];大連理工大學;2006年

5 馬秀會;模糊神經(jīng)網(wǎng)絡研究綜述[D];吉林大學;2008年

6 徐坤哲;基于區(qū)間二型TSK模糊神經(jīng)網(wǎng)絡系統(tǒng)的時間序列預測及應用研究[D];渤海大學;2015年

7 游鑫;基于相似日和動態(tài)模糊神經(jīng)網(wǎng)絡的短期電力負荷預測[D];江西理工大學;2015年

8 王榮;基于模糊神經(jīng)網(wǎng)絡的鍋爐汽包水位控制系統(tǒng)研究[D];新疆大學;2015年

9 方盼;一類模糊神經(jīng)網(wǎng)絡的參數(shù)辨識和結構優(yōu)化[D];大連理工大學;2015年

10 胡婷;基于模糊神經(jīng)網(wǎng)絡的輸油管網(wǎng)泄漏檢測技術研究[D];東北大學;2013年

，

本文編號：1645199