超限学习机与涡流搜索算法及其在锅炉燃烧优化中应用

发布时间：2021-01-07 19:52

　　目前,我国的发电方式仍然以燃煤火力发电为主。随着能源危机的日益凸显和环保意识的深入人心,电站燃煤锅炉的节能环保问题成为亟待解决的要务之一。要想实现电厂锅炉节能环保的燃烧,一要依赖建立的精确锅炉燃烧特性模型,二要取决于高效的优化技术。然而,锅炉的燃烧过程涉及到复杂的湍流、传热传质等多个化学反应,且多个运行参量高度耦合,导致传统机理式建模方法和经典优化算法难以解决锅炉燃烧优化问题。因此,本文对计算智能技术中的超限学习机（Extreme Learning Machine,ELM）和涡流搜索（Vortex Search,VS）算法进行深入研究,将其改进应用到锅炉燃烧特性建模和可调运行参量优化中,以此来实现锅炉高效和低氮氧化物排放的燃烧。该研究工作不仅具有很强的理论意义,而且还有很广阔的应用前景。主要研究内容如下:首先,针对涡流搜索算法后期收敛速度慢,易陷入局部最优的不足,提出两种改进的VS算法。第一种是利用逻辑自映射混沌增加其局部开发性能和利用Lévy飞行策略增加其全局探索能力;第二种是利用Bloch球面坐标改善初始候选解质量和利用广义反向学习加快收敛速度。然后,采用13个著名经典基准函数进行... 

【文章来源】：燕山大学河北省

【文章页数】：149 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 锅炉燃烧优化研究
        1.2.1 锅炉燃烧优化概述
        1.2.2 国内外研究现状
    1.3 计算智能技术
        1.3.1 人工神经网络
        1.3.2 智能优化算法
    1.4 本文结构安排及主要研究内容
第2章 涡流搜索算法的改进
    2.1 引言
    2.2 涡流搜索算法基本原理
        2.2.1 生成初始圆心
        2.2.2 产生候选解
        2.2.3 更新当前解
    2.3 基于逻辑自映射混沌和列维飞行的涡流搜索算法（VS1）
        2.3.1 基于逻辑自映射混沌产生候选解
        2.3.2 列维飞行策略
        2.3.3 VS1 算法实施过程
        2.3.4 VS1 算法性能测试
    2.4 基于Bloch球面坐标与广义反向学习的涡流搜索算法（VS2）
        2.4.1 基于Bloch球面坐标生成初始候选解
        2.4.2 高斯分布和广义反向学习共同产生迭代过程的中候选解
        2.4.3 VS2 算法实施过程
        2.4.4 VS2 算法性能测试
    2.5 本章小结
第3章 自适应超限学习机
    3.1 引言
    3.2 超限学习机模型
    3.3 自适应超限学习机（AELM）
        3.3.1 自适应超限学习机数学模型
        3.3.2 自适应超限学习机收敛性分析
        3.3.3 自适应超限学习机最小范数的最小二乘解
        3.3.4 基于VS2 算法的AELM学习过程
    3.4 VS2-AELM性能测试
    3.5 自适应超限学习机在线学习算法
    3.6 本章小结
第4章 双线性并行感知超限学习机
    4.1 引言
    4.2 并行感知超限学习机训练方法
    4.3 双线性并行感知超限学习机训练方法
        4.3.1 确定下层网络的输入权值和阈值矩阵
        4.3.2 确定上层网络的输入权值和阈值矩阵以及输出层阈值
        4.3.3 双线性并行感知超限学习机训练过程
        4.3.4 双线性并行感知超限学习机性能测试
    4.4 双线性并行感知超限学习机的在线学习算法（OTPELM）
        4.4.1 OTPELM学习过程
        4.4.2 OTPELM学习步骤
    4.5 本章小结
第5章 循环流化床锅炉燃烧特性智能建模
    5.1 引言
    5.2 循环流化床锅炉相关知识
        5.2.1 循环流化床锅炉工作原理
        5.2.2 氮氧化物生成机理
        5.2.3 热效率计算
    5.3 实验数据与运行参量选择
    5.4 双线性并行感知超限学习机离线建模
        5.4.1 双线性并行感知超限学习机建模氮氧化物排放浓度
        5.4.2 双线性并行感知超限学习机建模热效率
    5.5 自适应超限学习机离线建模
        5.5.1 自适应超限学习机建模氮氧化物排放浓度
        5.5.2 自适应超限学习机建模热效率
    5.6 在线建模锅炉燃烧特性
        5.6.1 在线建模氮氧化物排放浓度
        5.6.2 在线建模热效率
    5.7 本章小结
第6章 循环流化床锅炉高效低氮燃烧优化
    6.1 引言
    6.2 优化原理
    6.3 优化热效率
        6.3.1 基于VS1-AELM模型离线优化热效率
        6.3.2 基于OTPELM模型在线优化热效率
    6.4 优化氮氧化物排放浓度
        6.4.1 基于VS2-AELM模型离线优化氮氧化物排放浓度
        6.4.2 基于OTPELM模型在线优化氮氧化物排放浓度
    6.5 多目标锅炉燃烧优化
    6.6 本章小结
结论
参考文献
攻读博士学位期间承担的科研任务与主要成果
致谢


【参考文献】：
期刊论文
[1]基于PSO算法的船舶横摇阻尼与回复力矩系数估算[J]. 曾智华,姜宜辰,邹早建.  中国造船. 2018(03)
[2]基于正弦余弦算法的汽轮机热耗率预测[J]. 牛培峰,吴志良,马云鹏,史春见,李进柏.  动力工程学报. 2018(02)
[3]基于BP神经网络构建的分类器模型财务分析领域的应用[J]. 程书强,罗娟,王念东.  自动化与仪器仪表. 2018(01)
[4]基于MFOA的锅炉热效率及NOX排放建模与优化[J]. 宋清昆,侯玉杰.  计算机仿真. 2018(01)
[5]基于极限学习机的非平稳下击暴流风速预测[J]. 钟旺,李春祥.  上海大学学报(自然科学版). 2018(03)
[6]荧光光谱法和ABC-RBF神经网络在多环芳烃浓度检测中的应用[J]. 王书涛,郑亚南,王志芳,苑媛媛,马晓晴,杨雪莹.  发光学报. 2017(06)
[7]基于人工神经网络对sEMG信号的手势动作识别[J]. 王景芳,施霖.  传感器与微系统. 2017(06)
[8]基于涡流搜索算法的过程支持向量回归机模型[J]. 李学贵,许少华,李娜,赵恩涛,郭昊.  吉林大学学报(信息科学版). 2017(03)
[9]1000MW超超临界锅炉燃烧优化调整对NOx排放及锅炉热效率的影响[J]. 尚达,李宝宽,李永福,宋志宇.  热能动力工程. 2017(03)
[10]基于鸡群算法的微网经济运行优化[J]. 胡汉梅,李静雅,黄景光.  高压电器. 2017(01)

硕士论文
[1]量子自适应BSA算法在锅炉参数整定与优化中的应用研究[D]. 王丘亚.燕山大学 2017
[2]基于改进风驱动算法的循环流化床锅炉燃烧优化研究[D]. 赵振.燕山大学 2017
[3]基于智能算法的火电厂锅炉燃烧优化技术的研究[D]. 潘云.华北电力大学 2015
[4]基于人工蜂群算法的循环流化床锅炉燃烧过程优化研究[D]. 刘永超.燕山大学 2014



本文编号：2963140