模糊神经网络技术在流化床锅炉中的应用

主要论述了一种采用模糊神经网络控制器(FNNC)对流化床锅炉(FBB)的燃烧控制系统进行技术改造的方法,设计了燃烧系统的模糊神经网络模型,并构造了系统的仿真模型。     

循环流化床锅炉燃烧控制要点

由于循环流化床锅炉特殊属性及运行工况复杂,一旦操作失误,极易发生事故。从而分析了燃烧工况,探讨控制燃烧正常的方法、措施。     

循环流化床锅炉燃烧控制系统的设计

针对目前国内在循环流化床锅炉燃烧系统中存在的多变量耦合紧密及时变性强等问题,经过深入研究该锅炉燃烧过程的工艺件特点,找出了紧密耦合的多变量之间的模糊关系;     

循环流化床锅炉优化燃烧控制方法

针对循环流化床锅炉燃烧特点,以75 h/t循环流化床锅炉控制为例,通过深入现场,吸取锅炉设计制造专家及熟练操作人员的控制经验,提出了炉内燃烧控制系统参数的处理优化方案,完善循环流化床锅炉实现燃烧控制效果。     

F控制在循环流化床锅炉燃烧系统的应用仿真研究

分析了循环流化床锅炉燃烧机理,描述了Ｆ自适应Ｓｍｉｓｈ预估控制工作原理,介绍了自调整Ｆ控制器的设计,给出了仿真研究与分析步骤,经与现场对比,表明仿真结果正确。     

循环流化床燃烧过程自适应双环选择控制系统

本文根据循环流化床燃烧过程的动态特性和现场运行经验，提出了1种符合实际应用的自适应双环选择控制系统。该系统在床层温度不越限的情况下，以控制主蒸汽压力稳定为主要目标。当床层温度发生越限时，系统自动变换控制策略并调整床层温度恢复到正常，这种控制方式有效地减弱了主蒸汽压力与床层温度之间的耦合关系。该系统结构简单、实用，具有工程应用价值，现场运行收到较好的控制效果。     

循环流化床锅炉燃烧的特点

循环流化床是近年来在国际上发展起来的新一代高效低污染清洁燃烧技术,其主要特点在于燃料及脱硫剂经多次循环、反复地进行低温燃烧和脱硫反应。     

循环流化床锅炉燃烧调整的体会

该文主要阐述了循环流化床锅炉的燃烧调整,以达到提高锅炉燃烧效率的目的     

循环流化床锅炉燃烧控制特性研究

论文以410t/h循环流化床锅炉为研究对象,通过分析其控制特点及控制任务,结合实践经验,对燃烧自动控制方法进行了分析研究。     

循环流化床锅炉控制系统研究

锅炉燃烧的特点是反馈慢、迟滞性大，而循环流化床锅炉则要求控制迅速、反应灵敏，因此对自控要求很高。文章对循环流化床锅炉自控系统的设计原理与现场应用情况进行了介绍。     

基于模糊神经网络的绩效评价体系研究

为了促进高校教师队伍发展,建立科学、合理的高校教师绩效评价体系,公正、准确的进行绩效评价,解决教师的绩效指标统一标准的问题,将模糊理论和神经网络相结合应用到高校教师的绩效考核研究中,在各项绩效工资考核指标间客观公正地分配权重系数,构建了合理的基于模糊神经网络的高校教师绩效评价体系,并通过实际数据验证了此方法的有效性。     

基于RBF神经网络的锅炉燃烧系统故障诊断

为了提高锅炉燃烧控制系统的可靠性,针对热力系统自身的特点,基于热力系统的解析冗余理论,提出用RBF神经网络构建状态观测器,对传感器和执行机构进行故障检测与诊断的新方法。采用正交最小二乘法(OLS)训练神经网络。在锅炉负荷控制系统中采用这一方法,对传感器和执行机构构建状态观测器,通过分析比较传感器及其观测器输出和残差、执行机构及其观测器的输出和残差,就可以进行故障诊断。实验结果表明:该方法可以有效地进行锅炉燃烧控制系统故障检测和诊断。     

基于模糊神经网络的公路隧道火灾报警系统

综合考虑了温度值和烟雾浓度值,利用神经网络的学习方法来构造模糊系统,根据输入输出样本来自动设计和调整模糊系统的设计参数,实现了模糊系统的自学习和自适应功能。仿真结果表明,该系统在公路隧道火灾报警中提高了火灾报警的准确性,减少了对报警器的依赖程度,并使火灾报警时间有所提前。     

基于RBF神经网络预测的MMSE控制

为了降低过程干扰造成的生产过程波动,研究了一种基于径向基(RBF)神经网络预测的MMSE控制器.首先,采用基于k-聚类学习算法的3层优化径向基网络结构,预测过程干扰时间序列,在此基础上设计MMSE控制器,将其作为EPC过程调整策略,应用于一个化工生产过程的SPC与EPC集成控制系统.然后,采用SPC控制图监测经上述MMSE控制器调整后过程输出并与传统MMSE控制器调整后的过程输出作比较.结果表明,径向基(RBF)神经网络可提高过程干扰预测精度,改进MMSE控制器的控制性能,减小过程波动,提升SPC与EPC集成控制的能力.     

RBF网络自整定PID控制在网络化控制系统中的应用

文章针对网络化控制系统普遍存在的时延问题,介绍了一种基于径向基函数神经网络自整定PID的控制策略.在Matlab/Simulink环境下搭建了基于TrueTime工具箱的网络控制系统的仿真平台.仿真结果表明:与常规PID控制相比,神经网络自整定PID控制算法可有效地提高系统的鲁棒性和自适应性,且此方法易于实现,便于工程...     

用于控制图模式识别的广义神经网络系统

面向过程控制图的模式识别,提出了一个广义神经网络系统.该系统基于广义过程对象模型发生数据,离线训练后能够在线识别各类工业过程常见的控制图模式,模块化的设计使得神经网络系统的结构相对简单,有效地提高了网络的训练速度和模式识别的准确率.首先研究了广义过程对象模型参数对神经网络控制图模式识别率的影响,并基于此影响规律设计了包含模式识别分类模块与模式参数估计模块的集成化神经网络系统结构;其次使用基于广义对象模型产生的数据对神经网络系统进行了训练和验证,讨论了学习训练方法,并进行了控制图模式识别性能的仿真测试,获得了满意的结果.在TE过程仿真平台上进行了实验,给出了对上升阶跃模式和下降阶跃模式的识别结果,表明了具有较高的识别率.     

基于以太网的PID神经网络控制系统

介绍基于以太网的PID神经网络控制系统的构建及实时控制过程．该系统具有易于实现、成本低、兼容性好等特点,有利于对分布式设备进行实时控制．控制结果表明．该系统对于大滞后、非线性对象取得较好的控制效果．     

基于BP神经网络考查课评分系统

考查课在大学课程中占有很大的比例，而其成绩的评定易受教师主观因素影响，不够准确。利用具有自学习、自识别能力的BP神经网络建立考查课考评体系，不断调整网络的权值使SSE（平方误差和）总朝着减小的方向发展，直到达到目标误差为止。     

稳定焊接过程神经网络控制系统计算机仿真

建立了控制ＣＯ２焊飞溅的神经网络控制系统并对该系统进行了仿真．构成仿真系统的逆模型、正模型和差值模型均采用了改进的ＢＰ算法，用典型的样本集对这三个模型进行了训练，分析了影响仿真效果和响应品质指标的因素，初步确定了一种最佳的控制方式．     

混沌Arneodo系统非线性与自适应模糊神经网络控制

针对Arneodo系统的参数不确定性,阐述了Arneodo控制系统中抵消非线性的基本思想和设计方法.利用LQR线性反馈技术,设计了具有稳定裕度的二次型最优控制器,同时在控制器中引入一个用于函数逼近的自适应模糊神经网络,利用该神经网络抵消控制系统中的非线性项,使受控系统的某一状态变量可被镇定到任意参考位置.这种具有模糊神经网络的控制器实现了参数不确定系统的精确反馈线性化控制.通过仿真比较研究,说明了反馈线性化与自适应神经网络相结合的控制器具有良好的控制性能,且更易实现.