燃气锅炉燃烧系统的模糊神经网络控制
神经网络模糊PID控制在加热炉煤气流量控制中的应用
Ｌ Ｕ Ｈ ｉｉｇ Ｉ ｕ ，ＬＵ Ｊ －ｉｇ Ｉ ｕ－ｎ ，Ｌ ｎ Ｉ ｉ ｙｎ ｊ Ｋ ｅ （ ａｕｔ ｆｎ ｒ ｔ ｎＥ ｇｎ ｅｉｇ ｎ ｕｏ ｔ ｎ Ｋｕ ｍｉｇＵ ｉｅｓ ｆ ｃｅｃ ｄＴｃ ｎ ｌｇ，Ｋ ｎ ｎ ５ ０ ｈｎ ） Ｆ ｃ ｌ ｏ Ｉｆ ｍａ ｏ ｎ ｉｅｒ ｄＡ ｔｍａ ｏ ， ｎ ｎ ｎｖ ｒｉ ｏ ｉ ｅａ ｅｈ ｏｏｙ ｕ ｍｉｇ ０５ ，Ｃ ｉａ ｙ ｏ ｉ ｎａ ｉ ｙ ｔ Ｓ ｎ ｎ ６ １
Ｋｅ ｒ ｓ ｅ ｔ ｇ ｆｒ ａ ｅ ｆ ｏ ｔ ｌ ｎ ｕ ａ ｅ ｏ ｋ ｆ ｚ ｙ ｃ ｎ ｒ ｌ ｙ ｗｏ ｄ ：ｈ ａ ｉ ｎ ｃ ； ｌ ｎ ｕ ｘ ｕ ｃ ｎ ｒ ； ｅ ｒ ｌ ｔ ｒ ； ｕ ｚ ｏ ｔｏ ｏ ｎｗ
加 热炉是一个复 杂 的受 控对象 ，存 在着非 线性 、时 变性 、纯滞后 因素和不确 定随机 干扰 等 因素 。近几 十年 来，关于加热炉 自动控 制的研究 工作主要集 中在 燃烧控
ｌ ｄ ａｕ ｌ ｉｕｂｎ ｅ ｏ ｓ ｅｉｇ ｕｎｎ ｏ ｄｔ ｎ ｈｅ ｄｕｔ ｇｏ ｔｍｐｒｔｒ ｆｕｎｃ ｃｏ ｌｈ ｄｍａｎ ｙｃａ ｇｓ ｕ ａ ａ ｓａｄｓ ｒａ ｃ．Ｃ ｎ ｉ ｒ ｒｉｇｃｎ ｉｏ ，ｔ ｊｓｎ ｆｅ ｅａｕｅｏ ｒ ａｅｉａｃ ｍｐｉ ｅ ｉｌ ｂ ｌ ａ ｘ ｇｎｃ ｔ ｄ ｎｂ ｉ ａ ｉ ｆ ｓ ｓ ｙ ｏ ｆ ｌ
模糊控制在锅炉燃烧系统的应用研究
模糊控制在锅炉燃烧系统的应用研究
模糊控制是一种基于模糊集合和模糊逻辑的控制方法，它不需要精确的数学模型和精
确的控制规则，能够处理模糊和不确定的信息，并且具有良好的鲁棒性和适应性。
在锅炉
燃烧系统中，模糊控制可以用来控制燃烧的空气流量、燃料流量和燃烧温度。
模糊控制的关键步骤包括建立模糊化输入输出变量、定义模糊规则库、进行模糊推理、进行去模糊化计算和根据反馈调整模糊规则库。
在锅炉燃烧系统中，输入变量可以是炉膛
风量、燃料量和燃烧温度，输出变量可以是燃烧效率和废气排放浓度。
模糊规则库可以根
据经验和专家知识建立，通过对输入变量的模糊化和模糊规则库的推理，可以得到一个模
糊输出，然后进行去模糊化计算，得到实际的输出结果。
在实际应用中，还需要根据反馈
调整模糊规则库，以提高控制效果和系统稳定性。
模糊控制在锅炉燃烧系统中的应用有很多优点。
首先，它可以处理模糊和不确定的信息，能够适应不同的环境和工况。
其次，它对系统的建模要求较低，不需要精确的数学模型，能够快速实现控制。
最后，它具有好的适应性和鲁棒性，在实际应用中能够处理各种
复杂的工业控制问题。
然而，模糊控制在锅炉燃烧系统中的应用也存在一些限制和挑战。
首先，模糊控制依
赖于模糊化处理和模糊规则库的建立，这需要专业的知识和经验，并且难以精确地描述系
统的动态行为。
其次，需要针对不同的工况和环境来设计模糊规则库，这需要大量的实验
和测试工作，极大地增加了系统开发和调试的难度。
此外，模糊控制的响应速度相对较慢，不适合需要快速响应的应用场景。
神经网络在锅炉燃烧控制中的应用
Ａｐ ｉａ ｉ ｎ ｆｎ ｕｒ ｌｎｅ ｗｏ ｋ ｉ ｂｏ ｌｒ ｐｌ ｔｏ ｏ ｅ ａ ｔ ｒ ｎ ｉｅ ｃ
ｃ ｍ ｂｕ ｔｏ ｏ ｒ ｌ ｏ ｓ ｉ ｎ ｃ ｎｔ ｏ
ＪＡ Ｑｕｎ 。 ０ Ｊ－ｕ Ｚ Ａｏ Ｘ ｅｆｎ Ｉ ａ ＧＵ ｉ ｎ ， Ｈ ｕ ・ ｇ ｙ ｅ
图 １ 燃烧过程控 制系统 示意图
Ｏ 前 言
火 电厂大型单元机组是一 典型 的多变量输 入 、 出 、 输 多于 扰、 非线性和强耦合 的复杂 系统 ， 负荷和 主蒸汽压力 控制 相互 依赖 、 互制 约 ， 虑到锅 炉和汽 轮机联 合运行 的特 点 ， 须 相 考 必 使它们保持协调 的运行 方式 ， 机组尽 快适 应 电网 负荷变 化 使 的同时 ， 证 主蒸汽 压力不 超 出允许 范 围。由于机 组动 态 又保
ｅｌ ｎ ｓ ａ ｄ ｅｍｕ ａ ｉ ｎ．ａ ａｌｚ ｓ ｓ ｎ ｈ ｓ ｚ ｄ ｄ ｔ ｌｔ ｏ ｎ ｙ ｅ ｙ ｔ ｅ ｉ ｅ ａ ａ。
引 风
Ｋｅ ｒ ｓ：ｃ ｙＷＯ ｄ ｏｍｂ ｓｉｎ： ｅ ａ ｅｗｏｒｓ： ｉ ｌｔ ｎ ｕｔ ｏ ｎ ｕｒＩｎ ｔ ｋ ｓｍｕａｉ ｏ
（ ．Ｅ ｇｎｅｉｇＳｈ ｏ ｆ ｔｎ ｉｅｓｔ，Ｄ ｔｎ １ ｎ ｉｅｒ ｃ ｏ ｌ ｏ ｇＵｎｖ ｒｉ ｎ ｏ Ｄａ ｙ ａｏ ｇ
０７０ ３ ０ ３。Ｃｈ ｎａ； ． Ｔａ ｈ ｎ Ｍ ｉ ｅ ｏ ｎ ｍｅ ｏ ｐ， ｉ ２ ｓ ａ ｎ的安全 经济运行。燃烧控制 ） 系统必须使引风量与送风量相配合 ， 以维持一定的炉膛压力 。 上述三 项控制 任务 是密 切相关 的 ， 常用三个 子控 制 系 通
ＭＰ Ｄ Ｉ ＮＮ神 经 网络 控 制 方 案 基 础 上 ， 现 场 运 行 数 据 为 依 据 ， 不 同 以 在 负荷 下 用 了 ＭＡＴ ＡＢ软 件 对 锅 炉 燃 烧 系 统 进 行 仿 真 研 究 。 经 过 利 Ｌ 建 模 仿 真 得 出 的数 据 综 合 分 析 ， 果 表 明 ， ＰＤＮ 神 经 网络 在 锅 炉 结 Ｍ Ｉ Ｎ 燃 烧 系 统 应 用上 有 一 定 价 值 。 关 键 词 ： 烧 ； 经 网 络 ； 真 燃 神 仿
锅炉蒸汽温度模糊神经网络的广义预测控制(毕业设计)
毕业设计（论文）外文翻译Neuro-fuzzy generalized predictive control ofboiler steam temperature锅炉蒸汽温度模糊神经网络的广义预测控制本 科 电气与信息学院 自 动 化 讲 师学生姓名学历层次 所在院系 所学专业 指导教师 教师职称锅炉蒸汽温度模糊神经网络的广义预测控制摘要：发电厂是非线性和不确定的复杂系统。
现代电厂在运作上的，为确保高效率和高负荷的能力，可靠的控制过热蒸汽温度是必要的。
本文提出了一类在非线性广义预测控制器的基础上的模糊神经网络（ nfgpc ）。
所提出的非线性控制器适用于控制一台200 MW电厂的过热蒸汽温度。
从实验的移植和仿真移植上获得比传统的控制器好得多的性能。
关键词：模糊神经网络;广义预测控制;过热蒸汽温度。
1 引言这种持续不断的电厂和电力站复杂系统的特点是非线性、不确定性和负载扰动。
蒸汽发电的过程中锅炉-汽轮机温度过热是一个重要的过程，蒸汽加热后，进入涡轮驱动发电机。
控制过热蒸汽温度不仅是在技术上具有挑战性，但在经济上也是十分重要的。
图 1锅炉过热器和蒸汽生成过程。
从图1看出，产生的蒸汽从锅炉汽包通过低温过热器后进入辐射型屏。
水变成喷涂的蒸汽，以控制过热蒸汽的温度。
适当的控制电厂过热蒸汽温度是极其重要的，可以确保整体效率和安全性。
蒸汽温度太高是不可取的地方，因为过热它可损害和高压力汽轮机，太低也不行，因为它会降低电厂效率的。
减少温度波动内过热也是重要的，因为它有助于减少在单位内机械应力造成的微裂纹，延长单位秩序寿命，并减少维修成本。
作为GPC的推导应该尽量减少这些波动，它是众多的控制器是最适合实现这一目标的。
多变量多步自适应调节已适用于控制过热蒸汽温度在150吨/ h锅炉，提出了广义预测控制以控制蒸汽温度。
非线性长程预测控制器基于神经网络发展是以控制主蒸汽温度和压力。
控制主蒸汽压力和温度的基础上，非线性模型的构成是非线性静力常数和非线性动力学。
燃气锅炉自动控制系统实现与应用研究
燃气锅炉自动控制系统实现与应用研究1. 传感器技术传感器技术在燃气锅炉自动控制系统中起着至关重要的作用。
利用温度传感器、压力传感器、流量传感器等多种传感器，可以实时监测燃气锅炉的运行状态，获取燃气锅炉内部的各项参数，为后续的控制提供准确的数据支持。
通过传感器技术，可以实现智能化的监控和管理，及时发现问题并进行处理，提高燃气锅炉的运行效率和安全性。
2. 控制算法控制算法是燃气锅炉自动控制系统的核心，直接影响到系统的稳定性和控制精度。
常用的控制算法包括PID控制、模糊控制、神经网络控制等。
PID控制是一种经典的控制算法，通过比例、积分和微分三个环节来实现对燃气锅炉的控制。
模糊控制通过模糊推理来实现对燃气锅炉的控制，适用于复杂的非线性系统。
神经网络控制则利用人工神经网络模拟人脑的学习和记忆能力，以实现对燃气锅炉的智能控制。
通过合理选择和优化控制算法，可以实现对燃气锅炉自动控制系统的精准控制和高效运行。
3. 控制执行部件控制执行部件是燃气锅炉自动控制系统的执行机构，包括阀门、燃烧器、风机等。
通过对控制执行部件的控制，可以实现对燃气锅炉燃烧、供暖、排放等过程的精准调节。
控制执行部件的选择和优化对燃气锅炉的安全性和稳定性也具有重要影响。
1. 工业生产领域在工业生产领域，燃气锅炉是一种常见的能源设备，广泛应用于化工、纺织、食品加工等行业。
传统的燃气锅炉控制方式多为人工控制，效率低下且存在安全隐患。
引入自动控制系统后，可以实现对燃气锅炉的智能化监控和精准控制，提高生产效率，降低能源消耗，降低停机率，为工业生产提供稳定可靠的能源保障。
三、研究展望燃气锅炉自动控制系统的研究和应用具有重要的理论和实际意义，可以提高燃气锅炉的能源利用效率，减少环境污染，促进工业和民用领域的可持续发展。
未来的研究工作可以从以下几个方面展开：1. 控制系统集成将传感器技术、控制算法和控制执行部件集成为一个完整的燃气锅炉自动控制系统，确保各部件之间的协调配合和高效运行。
模糊神经网络自适应控制在循环流化床锅炉燃烧控制系统中的应用研究
滞后 时间常数 。这些 参数随 工况变动 而改变 。当锅 炉 负荷 在 ２ ％～ ０ ％变 化 时， ５ １０ 以上 各参数 的变化 范
围为 ： ：４ ￣ ０ ：１ ０ ３ ０ ：６ ￣ ０ ；ａ ０６ ； ６￣ ０ ； ０ １０ 基本保 持在 ２ 左 右 。 ０Ｓ
其 中 ， 为 由隶属度 函数值组 成的 向量 。
收 稿 日期 ：２ １－２２ ０ ０ １—８
在锅炉运行 过程 中，燃料量变化 的同时 ， 送风 量 （ 一次风 量 和二 次风 量 ）与 引风量 同时 协调变 化 ，这 时的燃料量 的变 化代表锅炉燃烧 率变 化 ，即
燃烧 率扰动 。
当燃烧率扰动 且汽轮机采用 液压调速时 ， 循环 流化床锅 炉汽压被控对 象 的现场辨 识动态特性 例 ：
该控制器不但可 以适应 被控对象 的变参数运行 工况 ，而且可 以实现循环流化床锅炉燃烧过程主汽压力与床层温
度 的解 耦 。 仿 真试 验 和 现 场 应 用 结 果 证 明 ，本 文 提 出的 模糊 神 经 网络 控 制 器 对循 环流 化 床 锅 炉 燃烧 过 程 具 有 良 好 的控 制 效 果 。
循环 流化床 锅炉燃 烧过程 是 一个多变量耦 合 、 参数时变 、 后时 间大 的被控对象 。在现有 的控 制 滞 方式 中，一般 以 串级 ＰＤ 控制 系统为主 ，虽然 这 Ｉ 种控制对确定工 况下的系统有较 好的控制效果 ， 但 难 以适 应 由于 工况 改变而 引起 的模 型 参数变 化 时
１ 被控对象模型
１１ 汽 压被 控对 象数 学模 型 ．
跃 ，很 多 学者提 出了不 同 的控 制 方法 。比如文 献
［】提 出了模糊． 经 元 ＰＤ 解耦补 偿控制应用 于 ３ 牢 中 Ｉ 燃烧控 制系统 ，实现 了系统 解耦 ， 是控制效果 以 但
毕业设计(论文)-基于模糊控制算法的锅炉燃烧控制系统的研究模板
基于模糊控制算法的锅炉燃烧控制系统的研究摘要模糊控制是一种以模糊集合论、模糊语言变量以及模糊逻辑推理为数学基础的新型计算机控制方法。
由于它不依赖于被控对象的精确数学模型，而是模拟人的思维方式来实施控制，因而对于锅炉燃烧的控制就具有了传统PID控制所无法比拟的自适应能力。
本文以2台50t/h燃煤锅炉的燃烧控制为课题，以改进原有PID控制为目的，以当前发展比较迅速的模糊控制理论为手段，提出了采用8051单片机控制变频器改变给煤机、引风机和送风机转速的设计方案，实现了燃烧过程的计算机控制。
系统对锅炉燃烧进行监控，通过传感器采样信号，计算是否达到最佳含氧量、最佳风煤比，来控制给煤量、引风量和送风量，使燃烧达到最佳热效率和提高锅炉运行的经济效益。
用MATLAB对应用模糊自整定PID控制器的锅炉燃烧控制系统模型进行仿真研究。
针对锅炉这种具有非线性、参数不稳定、难以建立精确数学模型的控制对象，采用传统的PID控制，效果不佳。
结合模糊控制理论和PID控制，本文提出用模糊自整定控制器实现对锅炉的控制。
并利用MATLAB仿真工具对模糊自整定PID控制器的性能作了初步研究。
仿真结果表明，明显优于传统PID控制，具有超调量小、过渡时间短、稳定性好、适应性强等特点，能够达到预期的控制效果。
关键词：锅炉；模糊自整定控制；单片机；系统仿真Research On The Boiler Burning Control System Based On Fuzzy Control AlgorithmAbstractFuzzy control is a fuzzy set theory，fuzzy linguistic variables and fuzzy logic mathematical basis of the new computer-controlled method. Because it does not rely on accurate mathematical model of the controlled object，but simulate human thinking to implement a control，thus for boiler combustion control is having the adaptability of traditional PID control can’t match.In this paper，two 50t/h coal-fired boilers’ burning control system was studied as its thesis，the primary PID controller was improved as its purpose，and fuzzy control theory developed rapidly at Present was applied as its means. The design scheme is that controlling transducers change rotate speed of supplying coal electromotor，fan，and blower using 8051 micro-controller. It realized computer control of burning process. This system finished supervisory control of boiler burning，sampled signals through sensor and calculated the signals whether reached the best content of oxygen and the best wind-coal ratio. Using it controls the quantity of coal，entering wind and sending wing for reaching the best thermal efficiency of burning and improving economy benefit of boiler running. Simulation of boiler burning control system was also performed to study the controller’s self-adaptive fuzzy control by MATLAB.Aiming at the nonlinear object of boiler with instability parameter and difficult building math model，using traditional PID controller can’t reach the best effect. Combining fuzzy control theory and PID control，an adaptive controller to control boiler is proposed in this paper. And the capability of the self-adaptive fuzzy controller was studied using MATLAB simulation. Simulation result shows Fuzzy-PID is better thanPID controller. Fuzzy-PID has many characteristics，such as small exceeded value，short transition，better stability and strong adaptability etc，and can reach anticipative control effect.Keywords：boiler；self-adaptive fuzzy controller；SCM；simulation目录摘要 .................................................................................................................................. I Abstract .............................................................................................................................. I I 第1章绪论 .. (1)1.1引言 (1)1.2国内外研究现状 (2)1.3研究对象及设计内容 (2)第2章链条燃煤锅炉的控制 (4)2.1 链条燃煤锅炉系统的简介 (4)2.1.1 燃煤链条锅炉的结构 (4)2.1.2 锅炉工作过程 (5)2.1.3 锅炉的主要控制系统 (6)2.2 锅炉燃烧系统的动态特性 (6)2.2.1 燃料传送过程 (6)2.2.2 燃料燃烧过程 (7)2.2.3 蒸汽形成过程 (7)2.3 锅炉供暖系统的控制要求 (7)2.4 锅炉燃烧控制系统框图 (9)2.4.1 给煤调节系统的设计 (9)2.4.2 送风调节系统的设计 (12)2.4.3 引风调节系统的设计 (13)2.4.4 炉膛负压调节系统 (14)2.5 计算机控制系统 (14)2.5.1 计算机控制系统一般概念 (14)2.5.2 计算机控制系统设计原理 (15)第3章控制算法 (16)3.1 引言 (16)3.2 PID控制 (16)3.3 模糊控制 (18)3.3.1 模糊控制器 (18)3.3.2 模糊控制系统原理框图 (20)3.4 模糊—PID复合控制 (20)3.4.1 PID参数模糊自整定控制原理 (21)3.4.2 PID参数Fuzzy整定模型 (22)3.4.3 模糊自整定PID控制器 (23)3.5 简化的模糊—PID控制 (24)3.5.1 二维模糊控制 (25)3.5.2 三维模糊控制 (26)3.6 链条锅炉燃烧控制方案 (27)第4章系统硬件设计 (29)4.1 硬件结构 (29)4.2 系统功能 (30)4.3 硬件配置 (31)第5章软件设计 (35)5.1 软件设计原则 (35)5.2 软件实现功能 (35)5.3 主程序流程图 (36)5.4 锅炉点火子程序 (37)5.5 A/D采样子程序流程图 (38)5.6控制算法子程序流程图 (39)第6章系统仿真 (40)6.1 仿真工具介绍 (40)6.2 供暖锅炉燃烧控制系统仿真 (40)第7章结论 (43)7.1 设计完成的主要工作 (43)7.2 尚待完善的工作 (43)参考文献 (44)谢辞 (45)第1章绪论1.1引言随着城市建设的迅速发展，北方地区冬季供热面积的不断扩大，如何科学有效的控制和管理供热系统，提高供热的经济效益和社会效益，成为当前急需解决的重要课题。
模糊控制在炉温控制中的应用
模糊控制原理在炉温控制系统中的应用简介一、摘要模糊技术的特长在于逻辑推理能力。
将模糊控制技术引入到神经网络中，可以大大拓宽其信息处理能力；与遗传算法结合可以增强系统的鲁棒性和自适应性。
火炉炉温控制系统是“大惯性”“大滞后”系统，这种系统精确数学模型很难得到，而模糊控制正适合数学模型未知，动态过程变化大的系统。
二、模糊控制原理1、模糊控制原理与模糊控制器对于模糊控制来说，其核心在于模糊控制器。
也就是说，模糊控制的机理是通过模糊控制器来体现的。
模糊控制器的思想来自人类在生产实践中对被控对象的控制。
在生产实践中，人们发现有经验的操作人员虽然不懂被控对象的数学模型，但却能十分有效地对系统执行控制。
如一个汽车司机不懂汽车的数学模型而能很好地驾驶汽车，这是因为操作人员对系统的控制是建立在直观的经验上的，凭借在实际中取得的经验采取相应的决策就可以很好地完成控制工作。
人的经验是一系列含有语言变量值的条件语句和规则，而模糊集合理论能十分恰当地表达具有模糊性的语言变量和条件语句。
因此，模糊集合理论描述人的经验就有着得天独厚的长处。
很明显，把人的经验用模糊条件语句表示，然后，用模糊集合理论对语言变量定量化，在用模糊推理对系统的实时输入状态进行处理，产生相应的控制决策。
这无疑是一种新颖的方法。
这样就产生了模糊控制器。
模糊控制器对被控对象的控制采用的是人类的模糊控制意念。
这种模糊控制意念是以模糊控制语句来描述的。
在模糊控制语句中，含有人类对环境的模糊检测和对被控对象的模糊命令。
这一系列意念就是模糊控制规则，只不过是用模糊控制语句来表达而已。
这些模糊控制语句可以采用条件语句的形式化格式表示。
用t表示环境温度，分别用SU、UH、SH、MH、BH 表示合适、微高、稍高、较高、高；而用v表示电风扇转速，用ST、LO、MI、FA、VF分别表示停止、低速、中速、较快速、快速，则可以以if---then格式表示如下：if t=BH then v=VFif t=MH then v=FAif t=SH then v=MIif t=UH then v=LOif t=SU then v=ST在上述语句中，环境温度t所取的合适（SU）、微高（UH）、稍高（SH）、较高（MH）、高（BH）是人对环境的模糊检测结果，所以都是模糊量；电风扇的转速v所取的停止（ST）、低速（LO）、中速（MI）、较快（FA）、快速（VF）是人对电风扇转动所给出的模糊命令，也是模糊量。
基于神经网络的燃煤锅炉运行状态预测
基于神经网络的燃煤锅炉运行状态预测燃煤锅炉作为工业生产中重要的设备之一，在热力工程中扮演着至关重要的角色。
燃煤锅炉运行状态的预测，不仅可以有效提高燃煤锅炉的效率，降低其能耗，在实现节能减排的同时，也可以提升燃煤锅炉的安全性和可靠性。
而在现代科技逐渐应用于生产制造行业的背景下，利用神经网络实现对燃煤锅炉运行状态的预测已成为一种可行的技术手段。
一、神经网络的基本原理与燃煤锅炉运行状态预测神经网络是一种以模拟人脑神经元为基础构建的人工智能技术。
神经网络由很多简单的神经元（或称感知器）组成，每个神经元接收其他神经元传递过来的信号，做出简单的决策，并将结果传递给其他神经元，这样一层层地传递下去，最终产生出系统输出。
神经网络的学习能力来源于网络内部的权重和偏执值的自适应调整，使其在处理数据时能够自主地进行特征提取和模式识别。
而在燃煤锅炉运行状态的预测中，神经网络主要通过对燃煤锅炉的各项参数进行监测和分析，实现对燃煤锅炉运行状态的预测。
比如，我们可以用神经网络来预测燃煤锅炉燃烧室的温度变化、燃烧效率的变化、煤粉供应的变化等。
通过对这些参数的综合评估和监控，可以有效预测燃煤锅炉的运行状态，及时发现并解决问题，保障燃煤锅炉的正常运转。
二、神经网络在燃煤锅炉运行状态预测中的应用神经网络在燃煤锅炉运行状态预测中的应用可以分为以下几个步骤：1.数据收集与处理为了建立有效的神经网络模型，首先需要对燃煤锅炉的运行数据进行收集和处理。
这些数据可以包括燃煤锅炉的运行状态、进出口液位、压力、温度等相关参数。
在数据处理的过程中，需要进行数据清洗、归一化等工作，以便更好地进行分析。
2. 神经网络的建模收集和清洗好数据后，需要针对不同的燃煤锅炉模型，建立不同的神经网络模型。
对于相同类型的燃煤锅炉，可以采用相同的神经网络架构和参数设置。
而对于不同类型的燃煤锅炉，需要根据各自的特点，重新进行网络构建和参数调整。
3. 训练和验证建立好神经网络模型后，需要对其进行训练和验证。
基于模糊神经网络的主汽温系统PID控制
基于模糊神经网络的主汽温系统PID控制摘要：锅炉主蒸汽温度是火电厂锅炉运行的重要参数，对火电厂的经济效益、安全生产产生重大影响。
由于当前火电厂机组容量大、参数高、效率高，控制汽温对象又具有大迟延、非线性、时变等诸多特点，常规PID串级控制系统往往很难保证系统最优状态运行，满足不了生产的需求。
提出了基于模糊神经网络的主汽温系统PID控制，实现对过热蒸汽的有效控制，通过系统仿真表明，基于模糊神经网络的主汽温系统PID控制效果良好，因此该系统是切实可行的。
关键词：主汽温系统，神经网络，PIDPID Control of Main Steam Temperature System Based on Fuzzy Neural NetworkDuan Jian-fei（Hebei Datang Wuan Power Generation Co.， Ltd.， Wuan， Hebei 056300）Abstract：The main steam temperature of the boiler is an important parameterfor the operation of the boiler in thermal power plants， which has a major impact on the economic benefits and safe production of thermal power plants.Due to the large capacity， high parameters and high efficiency of the thermal power plant， the control of the steam temperature object has many characteristics such as large delay，non-linearity， time-varying， etc.The conventional PID cascade control system is often difficult to ensure the optimal operation of the system， and can not meet the requirements.Production needs.The PID control of the main steam temperature system based on fuzzy neural network is proposed to realize the effective control of superheated steam.The system simulation shows that the PID control of the main steam temperature system based on fuzzy neural network is effective， so the system is feasible.Key words：main steam temperature， fuzzy neural network， PID 引言在火力发电厂中，锅炉作为火电厂主要三大件之一，其主蒸汽温度又是主要的控制参数，为了保证电厂机组高效安全运行，员工必须严格将主蒸汽温度控制在一定范围内。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
仪 表 技 术
∀ 25∀
燃气锅炉燃烧系统的模糊神经网络控制
王富强 , 朱凌云 , 马海芳 ( 东华大学 信息科学与技术学院, 上海 201620)
摘要 : 文章采用双模糊神经网络调 节的 P ID 算法 , 对锅炉的燃烧系统 进行了离线模拟计算和在线实时 控制 。 首先对 燃烧系统 进行离线计算 , 把运算的最优结果作为在线实时控制的输入 , 接着运用实时在线控制算法调节锅炉燃烧 系统的输 出参数 , 达到理想 的输出结果 。 此算法与常规的 P ID 算法及其模糊 P I D 算法相比较 , 能提高燃 烧效率 , 节约 能源 , 具备良 好的稳 定性 、 鲁棒性 和抗干 扰性 。 关键词 : 燃气锅炉 ; 模糊神经网络 ; 燃烧率 ; 蒸汽压力 中图分类号 : T P271 文献标识码 : A 文章编号 : 1006- 2394( 2010) 08- 0025- 02
3 结语 根据上面的研究结果 , 制作了原理样机, 采用差动 放大器实现的飞机发动机火灾报警系统, 可以准确、 迅 速地判定火警, 同时具有很好的抗干扰性 , 能够降低发 动机火警的误报率, 是飞机发动机火警探测系统的较 大改进。在后续工作中应探讨如何将采用差动放大器
图 1 燃气锅炉 燃烧控制系统结构框图
最后的输出 Y 是由传递函数 S 函数求出的, 其模糊数为 [ 0 , 1] 。 Y = FNN (N, M ) 3 仿真结果测试 本文首先采用了模糊神经辨识方法通过输入输出参 数进行数学建模辨识, 可得燃气锅炉的数学模型如下: 2. 35 ∃ e 65s + 1 使用常规 P I D 的仿真结果如图 3所示。
Abstract : In this paper , the P I D a lg orithm for regulat ing a pa ir o f fuzzy neural netw ork is used to perform o ff line si m ulation and real t i m e contro l on the bo iler combust io n system. F irs, t the com bustion system is calcu lated off lin e and th e op ti m al operation resu lts are as the rea l ti m e con tro l inpu. t T hen the contro l system achieves the desired output th rough adjusting the output param eters of bo ile r com bust io n system using rea l ti m e onlin e control a lg orithm. Th is algo rithm, com pared w ith the convent io na l P ID algorithm and fuzzy P ID a lg orithm, i m proves combustio n efficiency and saves energy . It has good stability, robustn ess and anti jamm in g . K ey w ord s : gas f ired bo iler ; fuzzy neural netw ork; th e combustio n rate ; stea m pressure 燃气锅炉的燃烧具有危险性, 当天然气与氧气达到一 定的比例混合时 , 再进行燃烧有可能产生不稳定, 甚至 爆炸。因此 , 对于燃气锅炉的燃烧控制需要保证其稳 定性, 实时动态控制, 把超调减少到最小。控制的结果 可以通过产生的蒸汽压力来衡量其稳定性 , 因此, 设定 一个天然气和空气的最佳比例值 a, 设定天然气输入 为 u( k ), 空气的输入为 v ( k ), 则: a = u( k ) v( k ) ( 1)
式中:
对于神经元 4 , 其输入为 U 4, 则: ( 5) 用 O 3, O 4 分 别表示 神经元 3 , 4 的 输出, 则 有: O 3 = f ( U3 ) O 4 = f ( U4 ) ( 6) ( 7)
对于神经元 5 , 其输入为 U 5, 输出为 Y, 则有 : U5 = (O 3 V1 ) (O 4 V2 ) ( 8)
( 3)
图 3 常规 P I D 的仿真图
式中: T 为采样时间 , u f ( k ) 和 v f ( k ) 为模糊调节后的 燃烧输入。 输入层含有两个神经元为 u ( k )和 v( k ), 分别用 N 和 M 来表示 , 隐含层有两个神经元, 输出层为一个神 经元, 网络中神经元表示如图 2 所示。
V IN ( + ) - V IN ( - ) RG = ∀ 1000k = 20 . 05k VOUT 由于微功率差动放大器 AD627 需 求极低的输入 电流, 因此它更易于受到无线电发射信号的干扰, 构建 一个鲁棒性强的输入滤波器很有必要, 图 3 中 R1 和 R2 的阻值选择得要大一点 , C2 电容也应该大一点, 这 样可以有效减弱无线电信号的干扰 , 同时输入信号的 带宽变小了。考虑到在此应用条件下 , 热电偶的电动 势几乎为直流信号, 因此, 低通滤波器的截止频率设置 为 200H z, R1 和 R2 的 阻 值 为 20k , C2 电 容 器 选 择 0 . 047 F。 2 . 4 功率放大电路 热电偶输出 的电动势如果超 过 30mV, 经 过放大 以后, 输出到门槛鉴别电路输入端的信号为 2 . 5V, 此 时门槛鉴别电路输出低电平, 以 驱动功率放大电 路。 功率放大电路为两级 推挽式驱动, 如 图 4 所示 , 图中 V11为 PNP 小功率三极管 , V12 为 NPN 中功率 三极 管 , 当 V12 三极管导通时 , 能驱动 J11 继电器动作, 从 而输出报警信号, 报警信号的输出原理见图 1 模块 4 报警原理电路。
使用模糊 P I D 的仿真结果如图 4所示。
图 2 模糊神经网络图
图 4 模糊 P I D 的仿真图
对于神经元 3 , 它的输入为 U3, 则:
பைடு நூலகம்
( 下转第 29 页 )
2010 年第 8期
仪 表 技 术
∀ 29∀
实现的飞机发动机火灾报警系统应用于飞机的自动灭 火装置。 参考文献:
[ 1] 吴光彬 , 王栋 , 贾卫东 , 等 . 基于 BP神经网络算法 的飞机发 动机火警信号系 统研究 [ J]. 海军 航空工程学 院学报 , 2008 ( 4): 383- 386. 图 3 火警信号采集前级电路 [ 2] 何友 , 柴勇 , 曲 长文 , 等 . 数据 库技 术在多 传感 器信息 融合 系统中的应用综 述 [ J]. 海军航空工程学院学报 , 2007( 4): 401- 406. [ 3] 向淑兰 , 付尧明 . 基于 神经网 络数 据融合 技术 的飞机 货舱 火警探测方 法研 究 [ J]. 探 测与 控制 学 报 , 2005( 4 ): 47 49.
- 3. 2s
对于模糊化后的参数使用神经网络进行激活, 使之具 有自学习、 自训练、 自组织的功能。其具体的控制框图 如图 1 所示。 由图 1 可知, 对于燃气锅炉燃烧控制系统的控制 采用了离线运算模拟控制和在线实时控制。首先根据 已经得到的测量数据进行离线运算, 计算所需的参数, 得出一个比较精确地输入参数, 然后根据离线计算结 果调节输入参数进行实时在线控制 , 目标是输出一个 稳定的蒸汽压力值。 本文采用典型的三层模糊神经网络 , 利用已经采 集的数据进行输入, 也就是输入层。该层的各个节点 直接与输入量的各个分量连接 , 将输入量传到下一层, 对该层的每个节点 i的输入输出表示为: u ( k ) = k p ∀ u f ( k ) + k i ∀ T ∀ # e( j)
(郁菁编发 ) ( 上接第 26页 ) 使用模糊神经网络的 P ID 仿真如图 5 所示。
图 5 模糊神经网络 的 P ID 仿真
通过以上仿真图可以看出, 模糊 P ID 控制优于常 规的 P I D 控制 , 大大减小了超调量 , 然而 , 模糊神经网 络参数优化控制又明显优于单纯的模糊 P I D 控制。通 过数学模型辨识就可以调节输入参数 , 使蒸汽的输出 平稳的达到预定值, 具有良好的鲁棒性和平稳性, 提高 了燃烧率, 实现了节能、 高效、 无污染的效果。 参考文献:
Fuzzy Neural N etw ork Control of G as Boiler Combustion Syste m
WANG Fu qiang, ZHU L ing yun , MA H a i fang
( Co llege of Infor m a tion Sc ience and T echno logy , D onghua U n ive rsity , Shangha i 201620, Ch ina)
由于燃气锅炉燃烧产生的热量用于产生水蒸气, 因此通过输出蒸汽压力来判断能源的使用效率。 2 燃气锅炉控制器的设计 由于燃气锅炉燃烧是一个多输入多输出系统, 当 调节一个变量时 , 其他变量也会受到影响 , 并且不具备 线性, 因此本文采用了模糊神经网络控制算法来进行 控制。由于模糊控制器的设计是基于操作者的经验操 作和经验知识进行设计模糊规则的 , 因此可以弥补对 燃气锅炉不易建立精确地数学模型这一不足。此外 ,
[ 1] W e i L , i X iaoguang Chang . A neuro fuzzy controlle r for a stok 图 4 推挽 式功率放大电路原理 e r T red bo iler based on behav io r modeling [ J]. Contro l Eng i neering Practise , 1999( 7): 469- 481. [ 2] 侯媛彬 , 杜京义 , 汪梅 . 神经网络 [M ] . 西 安 : 西安 电子科技 大学出版社 , 2008 . [ 3] 席爱民 . 模糊控制技术 [M ]. 西 安 : 西 安电子科技 大学出版 社 , 2008 . [ 4] 李国勇 . 智能控制及其 M ATLAB 实现 [ M ]. 北京 : 电子工业 出版社 , 2005 .