在鍋爐的實時運行中,灰渣含碳量直接反映了煤的利用率也是鍋爐熱效率的一個重要參考指標(biāo)。大多數(shù)中小型鍋爐運行中,由于受測量手段的限制,只能通過離線燃燒失重法測量灰渣含碳量的值,該方法耗時長、滯后大。難以應(yīng)用這個參數(shù)對鍋爐的燃燒進(jìn)行及時的優(yōu)化調(diào)節(jié)。軟測量技術(shù)以其實時性強(qiáng)和建模方法多樣化等優(yōu)點成為解決這一問題的有效手段之一。鍋爐的燃燒是一個復(fù)雜的過程,灰渣含碳量與鍋爐的熱工參數(shù)和各個操作變量之間存在著非線性、強(qiáng)耦合的關(guān)系。本文首先應(yīng)用了較常用的建模方法—多元逐步回歸法對灰渣含碳量進(jìn)行軟測量建模,以此方法得到的灰渣含碳量模型是一種線性數(shù)學(xué)表達(dá)式,可以確定進(jìn)入表達(dá)式的輔助變量及具體模型參數(shù)。回歸模型把各個變量與灰渣含碳量之間的關(guān)系線性化,在特定的區(qū)段基本能反映灰渣含碳量的變化趨勢。當(dāng)灰渣含碳量超過該區(qū)間范圍時,該模型的泛化能力較差并無法較吻合的反應(yīng)灰渣含碳量的實際值。因此把灰渣含碳量與輔助變量之間的關(guān)系線性化是不合適的。神經(jīng)網(wǎng)絡(luò)具有良好的非線性問題處理能力、強(qiáng)大的自學(xué)習(xí)能力,可以利用不同的權(quán)重值表述各個工藝參數(shù)的權(quán)重,但是對于建模過程人不可參與;模糊系統(tǒng)可以充分利用經(jīng)驗與知識,建模過程不再是一個"... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 選題背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
第2章 軟測量理論
    2.1 軟測量相關(guān)概念
        2.1.1 輔助變量的選取
        2.1.2 數(shù)據(jù)的分析與預(yù)處理
        2.1.3 輔助變量與主導(dǎo)變量的時序?qū)?yīng)
        2.1.4 軟測量模型的迭代修正
        2.1.5 軟測量的工程設(shè)計
    2.2 軟測量建模方法
        2.2.1 基于機(jī)理分析的建模
        2.2.2 基于數(shù)據(jù)驅(qū)動的建模
    2.3 軟測量技術(shù)的優(yōu)缺點
        2.3.1 軟測量技術(shù)優(yōu)點
        2.3.2 軟測量技術(shù)缺點
    2.4 本章總結(jié)
第3章 基于數(shù)據(jù)驅(qū)動的軟測量建模方法
    3.1 回歸分析
        3.1.1 多元線性回歸分析
        3.1.2 多元逐步回歸分析
    3.2 模糊理論
        3.2.1 模糊系統(tǒng)概述
        3.2.2 模糊化
        3.2.3 模糊推理
        3.2.4 反模糊化
    3.3 神經(jīng)網(wǎng)絡(luò)基本理論
        3.3.1 人工神經(jīng)網(wǎng)絡(luò)
        3.3.2 神經(jīng)元的結(jié)構(gòu)
        3.3.3 神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)算法
    3.4 自適應(yīng)神經(jīng)模糊推理系統(tǒng)
        3.4.1 常規(guī)模糊系統(tǒng)的不足
        3.4.2 模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的比較
        3.4.3 模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合
        3.4.4 自適應(yīng)神經(jīng)模糊推理產(chǎn)生背景
        3.4.5 自適應(yīng)神經(jīng)模糊推理系統(tǒng)概述
    3.5 本章小結(jié)
第4章 灰渣含碳量模型的構(gòu)建與研究
    4.1 鍋爐燃燒工藝與灰渣含碳量的檢測
        4.1.1 鍋爐的燃燒工藝
        4.1.2 樣本的選取
        4.1.3 樣本的測量
    4.2 基于多元逐步回歸建模
        4.2.1 多元逐步回歸輔助變量篩選
        4.2.2 多元逐步回歸建模
        4.2.3 多元逐步回歸模型的驗證
    4.3 BP神經(jīng)網(wǎng)絡(luò)建模
        4.3.1 網(wǎng)絡(luò)輸入層變量的確定
        4.3.2 隱含層神經(jīng)元的確定
        4.3.3 神經(jīng)網(wǎng)絡(luò)的建模
    4.4 基于ANFIS建模
        4.4.1 ANFIS結(jié)構(gòu)
        4.4.2 數(shù)據(jù)的歸一化
        4.4.3 基于ANFIS建模
        4.4.4 ANFIS模型的驗證
    4.5 不同模型的對比
    4.6 本章小結(jié)
第5章 灰渣含碳量軟測量模型在線應(yīng)用
    5.1 灰渣含碳量的分析
    5.2 ANFIS模型的應(yīng)用
        5.2.1 MATLAB與上位機(jī)WINCC的連接
        5.2.2 軟件的設(shè)計
    5.3 灰渣含碳量指導(dǎo)燃燒
        5.3.1 煤層厚度的調(diào)節(jié)
        5.3.2 風(fēng)量的調(diào)節(jié)
    5.4 經(jīng)濟(jì)效益分析
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)



本文編號：3351218