首頁(yè) > 學(xué)術(shù)論文

基于神經(jīng)網(wǎng)絡(luò)的秸稈爐主汽溫控制研究

來(lái)源:論文學(xué)術(shù)網(wǎng)
時(shí)間:2024-08-18 22:13:20
熱度:

基于神經(jīng)網(wǎng)絡(luò)的秸稈爐主汽溫控制研究【摘要】:秸稈鍋爐過(guò)熱汽溫控制系統(tǒng)是提高機(jī)組熱效率和保證機(jī)組安全運(yùn)行的重要組成部分,過(guò)熱蒸汽溫度的干擾因素很多、很頻繁且擾動(dòng)量很大,在各種擾動(dòng)作用

【摘要】: 秸稈鍋爐過(guò)熱汽溫控制系統(tǒng)是提高機(jī)組熱效率和保證機(jī)組安全運(yùn)行的重要組成部分,過(guò)熱蒸汽溫度的干擾因素很多、很頻繁且擾動(dòng)量很大,在各種擾動(dòng)作用下,過(guò)熱蒸汽溫度動(dòng)態(tài)特性具有大遲延、大慣性、時(shí)變性和非線性的特點(diǎn)。針對(duì)復(fù)雜熱工過(guò)程的非線性特性,本文提出了一種基于免疫原理的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的非線性模型辨識(shí),利用這種RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行進(jìn)行復(fù)雜熱工過(guò)程的非線性模型辨識(shí)。仿真研究表明,這種建模不僅計(jì)算量小、精度高,而且辨識(shí)的非線性模型可以擬合多個(gè)線性模型,消除熱工過(guò)程不同負(fù)荷下線性模型的頻繁切換時(shí)的震蕩,實(shí)現(xiàn)多模型的優(yōu)化控制。 【關(guān)鍵詞】:神經(jīng)網(wǎng)絡(luò) 多模型 非線性 過(guò)熱汽溫 系統(tǒng)辨識(shí)
【學(xué)位授予單位】:華北電力大學(xué)(河北)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2009
【分類號(hào)】:TP273
【目錄】:
  • 中文摘要4
  • 英文摘要4-7
  • 第一章 引言7-16
  • 1.1 研究背景與意義7-8
  • 1.2 多模型控制研究概述8-10
  • 1.3 神經(jīng)網(wǎng)絡(luò)概述10-15
  • 1.4 本文要做的工作15-16
  • 第二章 過(guò)熱汽溫系統(tǒng)建模16-27
  • 2.1 控制系統(tǒng)綜述16-20
  • 2.1.1 過(guò)熱蒸汽溫度控制系統(tǒng)的模型和特性16-17
  • 2.1.2 靜態(tài)特性17-18
  • 2.1.3 動(dòng)態(tài)特性18-20
  • 2.2 影響過(guò)熱汽溫變化的擾動(dòng)因素分析20-21
  • 2.3 系統(tǒng)辨識(shí)基本理論21-24
  • 2.4 閉環(huán)系統(tǒng)辨識(shí)24-25
  • 2.5 模型辨識(shí)25-26
  • 2.6 本章小結(jié)26-27
  • 第三章 神經(jīng)網(wǎng)絡(luò)模型的控制系統(tǒng)研究27-35
  • 3.1 引言27-28
  • 3.2 神經(jīng)網(wǎng)絡(luò)建模28-33
  • 3.2.1 RBF 神經(jīng)網(wǎng)絡(luò)28
  • 3.2.2 最近鄰聚類算法28-29
  • 3.2.3 RBF 神經(jīng)網(wǎng)絡(luò)在線建模29-33
  • 3.3 仿真研究33-34
  • 3.3.1 神經(jīng)網(wǎng)絡(luò)模型輸出與實(shí)際輸出比較33-34
  • 3.3.2 變負(fù)荷實(shí)際輸出與神經(jīng)網(wǎng)絡(luò)模型輸出比較:34
  • 3.4 總結(jié)34-35
  • 第四章 基于神經(jīng)網(wǎng)絡(luò)控制器的主汽溫控制系統(tǒng)研究35-46
  • 4.1 引言35-36
  • 4.2 RBF 神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)基礎(chǔ)36-37
  • 4.3 RBF 網(wǎng)的學(xué)習(xí)方法37-41
  • 4.4 基于 RBF 神經(jīng)網(wǎng)絡(luò)控制器的控制系統(tǒng)41-42
  • 4.5 仿真研究42-45
  • 4.5.1 與常規(guī)PID 控制系統(tǒng)比較42-43
  • 4.5.2 擾動(dòng)試驗(yàn)43-44
  • 4.5.3 變工況試驗(yàn)44-45
  • 4.6 結(jié)論45-46
  • 第五章 全文總結(jié)與分析46-48
  • 5.1 全文總結(jié)46-47
  • 5.2 尚需要進(jìn)一步完善的工作47-48
  • 致謝48-49
  • 參考文獻(xiàn)49-54
  • 在學(xué)期間發(fā)表的學(xué)術(shù)論文和參加科研情況54


您可以在本站搜索以下學(xué)術(shù)論文文獻(xiàn)來(lái)了解更多相關(guān)內(nèi)容

基于神經(jīng)網(wǎng)絡(luò)補(bǔ)償?shù)闹髌麥囟嗄P涂刂?nbsp;   于紅霞;遲新利;劉禹林;

基于神經(jīng)網(wǎng)絡(luò)的自動(dòng)特征抽取    李天牧,李學(xué)群

神經(jīng)網(wǎng)絡(luò)在肌電信號(hào)分析中的應(yīng)用    kelly MF;邰常峰;

自由手寫(xiě)體數(shù)字識(shí)別的神經(jīng)網(wǎng)方法    湯新梁;

一類新的模式識(shí)別聯(lián)想神經(jīng)網(wǎng)絡(luò)    曾黃麟;

簡(jiǎn)訊    

平移不變模式變換與神經(jīng)網(wǎng)絡(luò)    盧科學(xué);郭美義;

簡(jiǎn)析Lyapunov函數(shù)40例    吳新余;

基于神經(jīng)網(wǎng)絡(luò)的邏輯計(jì)算    王繼成,呂維雪

神經(jīng)網(wǎng)絡(luò)高精度權(quán)值的模擬電路實(shí)現(xiàn)    高麗娜;邱關(guān)源;

基于神經(jīng)網(wǎng)絡(luò)的調(diào)制識(shí)別算法的研究    侯艷芳;馮紅梅;

神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性判據(jù)與區(qū)域經(jīng)濟(jì)結(jié)構(gòu)調(diào)整    沈建榮;楊林泉;陳琳;

神經(jīng)網(wǎng)絡(luò)的知識(shí)獲取    石山銘;李富蘭;丁俊麗;

基于神經(jīng)網(wǎng)絡(luò)的一種多目標(biāo)決策方法    吳清烈;徐南榮;

神經(jīng)網(wǎng)絡(luò)與模糊邏輯    李曉鐘;汪培莊;羅承忠;

高階自組織映射及其學(xué)習(xí)算法    房育棟;余英林;

神經(jīng)網(wǎng)絡(luò)模糊控制在溫度控制系統(tǒng)中的應(yīng)用    王曉曄;杜朝輝;呂德忠;劉建峰;

基于遺傳算法的神經(jīng)網(wǎng)絡(luò)短期氣候預(yù)測(cè)模型(摘要)    金龍;吳建生;

基于MATLAB的自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊系統(tǒng)(ANFIS)的應(yīng)用    申偉;張?jiān)?

BP算法和PSO算法在神經(jīng)網(wǎng)絡(luò)中的研究    田艷兵;

數(shù)字神經(jīng)網(wǎng)絡(luò)中的協(xié)同應(yīng)用    于翔

干細(xì)胞移植:修復(fù)受損的神經(jīng)網(wǎng)絡(luò)    健康時(shí)報(bào)特約記者  張獻(xiàn)懷

江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過(guò)鑒定    鄒麗梅 陳耀群

“神經(jīng)網(wǎng)絡(luò)”:打開(kāi)復(fù)雜工藝“黑箱”    記者 孫剛

軌交“神經(jīng)網(wǎng)絡(luò)”觸動(dòng)創(chuàng)新神經(jīng)    本報(bào)首席記者 任荃 實(shí)習(xí)生 史博臻

當(dāng)布線系統(tǒng)遭遇神經(jīng)網(wǎng)絡(luò)    計(jì)算機(jī)世界實(shí)驗(yàn)室 韓勖

給導(dǎo)彈植入“神經(jīng)網(wǎng)絡(luò)”    曹建兵 李祖兵 特約記者 何天進(jìn) 本報(bào)記者 于莘明

“潮濕計(jì)算機(jī)”:擁有人類智慧的超級(jí)大腦    譚薇

ICT強(qiáng)壯奧運(yùn)“神經(jīng)網(wǎng)絡(luò)”    韓婷婷

人老了,大腦仍能形成新的神經(jīng)網(wǎng)絡(luò)    

復(fù)雜非線性系統(tǒng)的智能自適應(yīng)控制研究    張敏

深部開(kāi)采高階段尾砂充填體力學(xué)與非線性優(yōu)化設(shè)計(jì)    劉志祥

PET探測(cè)器神經(jīng)網(wǎng)絡(luò)定位方法研究    戴雪龍

智能控制技術(shù)在煉鋼電弧爐中的應(yīng)用研究    馬戎

面向多智能體和神經(jīng)網(wǎng)絡(luò)的智能控制研究    文敦偉

基于遺傳算法與神經(jīng)網(wǎng)絡(luò)的橋梁結(jié)構(gòu)健康監(jiān)測(cè)系統(tǒng)研究    吳大宏

基于神經(jīng)網(wǎng)絡(luò)的冠心病證候診斷標(biāo)準(zhǔn)與藥效評(píng)價(jià)模型研究    杜文斌

參數(shù)化模糊遺傳神經(jīng)網(wǎng)絡(luò)及在植物病害預(yù)測(cè)的應(yīng)用    熊雪梅

電站鍋爐燃燒系統(tǒng)優(yōu)化運(yùn)行與應(yīng)用研究    李智

基于神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法研究    王承

基于神經(jīng)網(wǎng)絡(luò)集合的多模型控制方法研究及應(yīng)用    黃燕燕

多模型自適應(yīng)控制在過(guò)熱氣溫控制系統(tǒng)中的應(yīng)用研究    于紅霞

基于神經(jīng)網(wǎng)絡(luò)的電路故障診斷的研究與實(shí)現(xiàn)    楊立儒

基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的H型鋼粗軋工藝參數(shù)優(yōu)化研究    劉蘭蘭

基于神經(jīng)網(wǎng)絡(luò)的振動(dòng)主動(dòng)控制研究    田鵬明

發(fā)動(dòng)機(jī)裂解設(shè)備故障診斷技術(shù)的研究    姜宇

基于決策樹(shù)和遺傳算法的神經(jīng)網(wǎng)絡(luò)研究及應(yīng)用    邢遠(yuǎn)凱

基于神經(jīng)網(wǎng)絡(luò)的月降水預(yù)報(bào)模型在洪澤湖的應(yīng)用研究    高寶建

基于Hopfield神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的研究    陳少華

基于神經(jīng)網(wǎng)絡(luò)的路段行程時(shí)間預(yù)測(cè)研究    來(lái)建波

  1. 基于灰色RBF神經(jīng)網(wǎng)絡(luò)的煉鋼煤氣消耗預(yù)測(cè)
    2024-08-19
  2. 神經(jīng)網(wǎng)絡(luò)法及其在暖通空調(diào)負(fù)荷預(yù)測(cè)中的應(yīng)用
    2024-08-18
  3. 基于神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)的城鎮(zhèn)煤氣管道漏損分析與壽命預(yù)測(cè)
    2024-08-18
  4. 基于模糊神經(jīng)網(wǎng)絡(luò)的水電機(jī)組故障診斷專家系統(tǒng)研究
    2024-08-18
  5. 人工神經(jīng)網(wǎng)絡(luò)在太陽(yáng)能熱水器市場(chǎng)預(yù)測(cè)中的應(yīng)用
    2024-08-18
  6. 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)在水電工程投資預(yù)測(cè)中的應(yīng)用
    2024-08-18
  7. 基于模糊優(yōu)選BP神經(jīng)網(wǎng)絡(luò)的水利水電工程造價(jià)估算研究
    2024-08-18
  8. 基于人工神經(jīng)網(wǎng)絡(luò)的城市煤氣短期負(fù)荷預(yù)測(cè)
    2024-08-18
  9. 基于PSO-BP神經(jīng)網(wǎng)絡(luò)的高爐煤氣柜位預(yù)測(cè)模型及應(yīng)用
    2024-08-18
  10. 太陽(yáng)能級(jí)硅(SOG-Si)光伏電池中多孔硅吸雜工藝及其神經(jīng)網(wǎng)絡(luò)分析方法研究
    2024-08-18
  11. 神經(jīng)網(wǎng)絡(luò)算法在暖通空調(diào)控制中的應(yīng)用
    2024-08-18
  12. 基于正交和神經(jīng)網(wǎng)絡(luò)法的二氯甲烷—乙醇精餾工藝優(yōu)化
    2024-08-18
  13. 基于BP神經(jīng)網(wǎng)絡(luò)的火電企業(yè)節(jié)能減排效率的實(shí)證研究
    2024-08-18
  14. 基于優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)的隧道照明節(jié)能系統(tǒng)設(shè)計(jì)
    2024-08-18
  15. 基于人工神經(jīng)網(wǎng)絡(luò)的水電補(bǔ)償調(diào)節(jié)方法(英文)
    2024-08-18