基于对象燃烧机理的改进神经网络锅炉燃烧系统建模方法.pdf
是你****盟主
亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于对象燃烧机理的改进神经网络锅炉燃烧系统建模方法.pdf
本发明公开了一种基于对象燃烧机理的改进神经网络锅炉燃烧系统建模方法,该神经网络由7层神经元组成,顺序为机理分解层、模糊输入层、模糊化层、模糊推理层、推理补偿层、归一化层和输出层;采用EKF算法和改进粒子群算法对网络结构参数进行学习和辨识。相比于传统模糊神经网络减少了模糊规则不确定性造成的模型计算精度随机性大等问题,提高了模型的稳定性和泛化能力,相比于自适应模糊神经网络减少了确定模糊规则数算法的计算量,并且赋予每个模糊规则以实际的物理意义,增加了模型的可读性和认知性,可以为现场锅炉燃烧改造和在线调整燃烧参数
一种改进的神经网络锅炉燃烧系统动态建模方法.pdf
本发明公开了一种改进的神经网络锅炉燃烧系统动态建模方法,包括以下步骤:A、确定影响锅炉效率的主要参数类别,提取主要参数类别对应的数据形成输入数据集,根据控制目标确定对应的输出数据集;B、构建锅炉燃烧系统的神经网络模型,使用输入数据集和输出数据集对神经网络模型进行训练;C、提取训练后的神经网络模型中的PID控制参数,根据锅炉燃烧系统状态参数的变化对PID控制参数进行优化。本发明能够改进现有技术的不足,实现了锅炉燃烧系统的动态建模,提高了控制精度。
基于神经网络的锅炉多工况燃烧建模研究的中期报告.docx
基于神经网络的锅炉多工况燃烧建模研究的中期报告中期报告一、研究背景随着工业化进程加速推进,煤炭等化石燃料的燃烧问题越来越引起人们的关注。锅炉是利用化石燃料进行热能转换和能量利用的设备,而燃烧过程是锅炉运行的核心。在多工况运行下,燃烧过程的表现和参数都会有所不同,如不同负荷、不同烟气回路等。因此,研究锅炉燃烧多工况建模,对优化燃烧效率,降低污染物排放具有重要意义。本研究基于神经网络算法,探索锅炉多工况燃烧建模的可行性,通过研究锅炉燃烧过程中的关键参数,建立多层神经网络模型进行预测和监测。二、研究方法1.数据
基于改进果蝇算法的电站锅炉燃烧建模与优化的开题报告.docx
基于改进果蝇算法的电站锅炉燃烧建模与优化的开题报告一、选题背景电站锅炉是发电行业中大型设备的重要组成部分,其燃烧效率直接关系到电厂的发电效率和环境保护水平。针对锅炉燃烧过程,燃烧建模与优化技术成为热点领域。近年来,基于启发式算法的优化方法已经成为优化锅炉燃烧的主流方法之一。果蝇算法(FruitFlyOptimization,简称FOA)是一种模拟齐聚和食物搜索行为的群体智能算法,其具有高效率、简洁性和平衡性等优点,在多种优化问题中获得了广泛应用。然而,FOA算法的局限性也存在着,如收敛速度慢、易陷入局部最
基于在线支持向量机的锅炉燃烧系统动态建模方法.pdf
本发明公开了一种基于在线支持向量机的锅炉燃烧系统动态建模方法,首先以NO