收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于智能算法的双进双出钢球磨煤机建模与优化控制

陈凯  
【摘要】: 双进双出磨煤机(以下简称磨煤机)广泛应用于我国火力发电厂,是制粉系统的主体设备,其特点是研磨效率高、设备运行稳定、维修率低、出力均匀等。但是,在具备众多优点的同时,也存在诸多问题:一是制粉单耗高,高达电厂用电量20%左右;二是磨煤机自动化控制程度低。本文正是针对以上两个问题进行分析研究。 文章首先介绍磨煤机总体结构、特点及控制任务。磨煤机的准确建模对其性能监测和控制具有重要意义。在对磨煤机结构及运行机理深入分析、得出相关参数基础上,在Matlab7.0的GUI环境下建立磨煤机三输入、三输出神经网络模型,采用改进粒子群算法对网络初始权值和阈值进行优化,提高网络收敛速度。应用阜新发电厂BBD-4360型机组80组训练样本对模型进行训练,20组测试样本与传统非线性数学模型进行入口负压、出入口压差和出口温度三项指标仿真对比。结果表明,神经网络模型具有较高的准确性。 模型建立后,通过对现有控制方法的对比分析,利用预测控制建模方便、鲁棒性强等优势,提出了基于预测控制思想的多变量非线性逆控制方案。为克服传统方法在非线性建模和非线性控制算法实现方面存在的不足,利用神经网络的非线性逼近能力建立磨煤机的预测模型,使用另一个前向神经网络实现逆系统,并将其作为控制器。应用现场实时监测数据,对神经网络逆控制器进行训练。 最后,在Matlab7.0环境下,与现有控制系统输出结果进行对比分析,仿真结果表明,文章提出的将预测控制思想与动态逆控制思想相结合的方法能够克服磨煤机系统时变、不确定性及环境干扰等影响,实现解耦控制,符合设计规范及安全性要求,具有较好的实际应用价值。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 孙吉刚;孔祥升;孙培树;;基于粒子群优化的神经网络模型在水位流量回归分析中的应用[J];华北水利水电学院学报;2009年03期
2 刘静纨;魏东;朱为明;;神经网络模糊预测优化控制在VAV系统中的应用[J];系统仿真学报;2010年12期
3 连春红;;神经网络在空空导弹自动驾驶仪中的应用[J];信息技术;2008年10期
4 邱秀君;姚加飞;冉康;;神经网络预测控制在变风量空调系统中的应用[J];低压电器;2009年12期
5 杨长保;刘波;;一种优化算法在齿轮传动装置故障诊断中的应用[J];机械工程师;2011年09期
6 吴昊;杨建国;张宏韬;;精密车削中心热误差和切削力误差综合建模[J];四川大学学报(工程科学版);2008年02期
7 曾晓琴;刘炜;;基于粒子群神经网络的汽轮机故障诊断[J];电工材料;2009年04期
8 李娜;李郁侠;;基于粒子群-BP神经网络算法的电价预测[J];武汉大学学报(工学版);2008年04期
9 张宝芳;李晓东;;基于多因素粒子群—神经网络算法的短期电价预测[J];科技信息;2009年24期
10 彭磊;黄张裕;凌晨阳;刘胜男;;基于PSO-SVM模型的深基坑变形预测研究[J];工程勘察;2011年03期
11 卢慧敏;李大磊;覃寿同;孟令启;;基于GRNN神经网络的中厚板轧机宽展预测模型[J];机械制造;2007年03期
12 于广滨;李瑰贤;金向阳;白彦伟;;改进的粒子群动态过程神经网络及其应用[J];吉林大学学报(工学版);2008年05期
13 陆宁;周建中;何耀耀;;粒子群优化的神经网络模型在短期负荷预测中的应用[J];电力系统保护与控制;2010年12期
14 纪军刚;申群太;廉柯;;基于混沌粒子群算法的高压直流输电换流桥智能故障诊断[J];自动化技术与应用;2010年04期
15 刘伟;梁新兰;姚洁;;基于改进粒子群算法的电力系统负荷预测[J];科学技术与工程;2009年15期
16 段玉波;刘博;于铁成;吴继辉;张东旭;;非线性系统的神经网络预测控制研究[J];长江大学学报(自然科学版)理工卷;2009年04期
17 吴杰长;庞之洋;陈国钧;;水力测功器模拟螺旋桨高海情负载的神经网络预测控制仿真研究[J];海军工程大学学报;2007年05期
18 王龙发;MPS型中速磨煤机的运行性能[J];华东电力;1991年06期
19 解武;范朝峰;;双进双出磨煤机的结构及自动控制[J];电力建设;2006年02期
20 孙富;;金桥热电厂HP843中速磨煤机运行状况及分析[J];内蒙古石油化工;2010年09期
中国重要会议论文全文数据库 前10条
1 李少远;王群仙;曹保定;孟昭忠;;基于神经网络的预测控制模型研究[A];1995中国控制与决策学术年会论文集[C];1995年
2 李克平;陈天仑;;基于混沌算法神经网络的预测控制[A];2002中国控制与决策学术年会论文集[C];2002年
3 李胜;赵英凯;;径向基函数神经网络在羟胺反应器预测控制中的应用[A];2001年中国智能自动化会议论文集(上册)[C];2001年
4 曹明;王慧;刘宝坤;;一种基于NN模型的预测控制[A];1998中国控制与决策学术年会论文集[C];1998年
5 郭丹;李平;隋小梅;;基于神经网络的非线性时延系统神经元自适应预测控制[A];2003中国控制与决策学术年会论文集[C];2003年
6 张峻;席裕庚;;输入受限时预测控制的一种简易算法[A];1996中国控制与决策学术年会论文集[C];1996年
7 毛志忠;陈晓峰;;一种简化的预测控制算法[A];1995中国控制与决策学术年会论文集[C];1995年
8 刘晓华;;一类双线性加权自适应预测控制[A];1996中国控制与决策学术年会论文集[C];1996年
9 王晓晔;杜太行;吕德忠;;多变量非线性合成氨控制系统的建模[A];1998中国控制与决策学术年会论文集[C];1998年
10 杨健;恽为民;席裕庚;张钟俊;;改进遗传算法及在优化控制中的应用[A];1994中国控制与决策学术年会论文集[C];1994年
中国博士学位论文全文数据库 前10条
1 安爱民;基于预测控制的先进过程控制技术研究[D];兰州理工大学;2010年
2 赵灵晓;基于部件神经网络模型的制冷系统混合仿真方法及应用[D];上海交通大学;2010年
3 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年
4 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年
5 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年
6 全海燕;混合克隆竞争与启发学习策略的多角色随机游动粒子群算法研究[D];云南大学;2010年
7 魏晋宏;预测控制在工业生产过程中的应用研究[D];太原理工大学;2011年
8 秦全德;粒子群算法研究及应用[D];华南理工大学;2011年
9 常彦伟;纵向参数多子群粒子群算法的研究与应用[D];中国矿业大学;2009年
10 田野;粒子群优化算法及其应用研究[D];吉林大学;2010年
中国硕士学位论文全文数据库 前10条
1 陈凯;基于智能算法的双进双出钢球磨煤机建模与优化控制[D];沈阳工业大学;2008年
2 杨立标;基于混合优化策略的粒子群算法及其应用研究[D];哈尔滨工程大学;2010年
3 陈琳玲;基于简化粒子群算法的测试数据自动生成方法研究[D];西南大学;2010年
4 赵辛欣;随机聚焦粒子群算法在机组组合中的应用[D];西南交通大学;2010年
5 王冬;基于粒子群算法的Web文本信息过滤研究[D];华北电力大学(河北);2010年
6 李文婷;基于改进型粒子群算法的热轧带钢宽度神经网络预报模型的研究[D];太原理工大学;2011年
7 汪华;粒子群算法的研究及其在供水优化调度中的应用[D];合肥工业大学;2011年
8 张念志;基于粒子群算法的集送货一体化车辆路径问题研究[D];山东大学;2010年
9 袁洲;基于改进粒子群算法的项目反应理论3PLM参数估计方法研究[D];吉林大学;2011年
10 苏同芬;改进的免疫粒子群算法及梯级水库优化调度问题的研究[D];太原理工大学;2010年
中国重要报纸全文数据库 前10条
1 本报记者 何晓曦;中国能源战略寻求突破[N];国际商报;2004年
2 通讯员 刘建霞 刘凤霞;潍坊发电挖潜技改延伸节能深度[N];中国电力报;2010年
3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年
4 自治区交通厅养路费征稽处 程爱娟;应用“神经网络模型”预测妇女的平均工资水平[N];新疆科技报(汉);2000年
5 丁广冉;夏甸承担国家安全科技支撑项目[N];中国黄金报;2007年
6 金石;轧钢模型控制技术培训首次在中国举行[N];中国冶金报;2007年
7 本报记者 席大伟;六大巨头谋动WiMax 中兴华为有望借机突围[N];通信信息报;2008年
8 本报记者 张自然 曾铭 王倩;倾听“天堂硅谷”[N];中国电子报;2002年
9 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年
10 本报记者 沈洪竹;贵阳市南明区民族工作成绩斐然[N];贵州民族报;2006年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978