基于GA-BP网络模型与C#的锅炉燃烧优化系统设计

发布时间：2017-10-13 13:39

  本文关键词：基于GA-BP网络模型与C#的锅炉燃烧优化系统设计

  更多相关文章： 燃煤锅炉 燃烧优化 神经网络 遗传算法 OPC技术

【摘要】：近年来环境污染特别是雾霾问题日益严重,燃煤锅炉因其排放的污染气体是环境的主要污染源之一,受到越来越高的关注。而现有的锅炉燃烧控制技术存在的不足日益显露,逐渐难以满足节能减排的实际需要,于是高效率低排放的燃烧优化技术逐渐成为研究的焦点。现有的燃烧优化方法有两种,一种是传统的方法,另一种是智能控制方法。锅炉燃烧系统是一个非线性、强耦合的复杂多输入输出系统。传统方法由于考虑因素过于单一,不能全面反映系统的真实状况。而智能控制非常适合于非线性、强耦合、多变量系统的建模与优化,因此得到了越来越多的重视。本文基于智能控制设计了一个锅炉燃烧优化系统。首先,对燃煤锅炉燃烧控制因素进行了分析,针对锅炉燃烧特性难以用简单明确的数学模型表示的情况,本文选用BP神经网络算法对锅炉燃烧过程进行建模分析。由于BP算法具有收敛速度慢、容易陷入局部极值等缺点,因此本文选用遗传算法作为网络的优化算法,充分利用其全局搜索能力对BP网络的权值、阈值进行优化,建立了合理的GA-BP网络模型,并进行了Matlab仿真。由结果显示,利用遗传算法优化神经网络,提高了模型的训练精度及收敛速度,使模型更能反映锅炉燃烧的运行特性。其次,通过对锅炉燃烧优化流程的分析,对通讯系统进行了设计。通过对Matlab引擎函数库的调用,实现了对C#与GA-BP网络模型的通讯。利用Dbcom接口实现了优化程序实时访问力控数据库。力控监控系统通过OPC接口与现场DCS相连,实现了从理论研究到实际现场应用的转变。最后,利用C#编程语言设计了锅炉燃烧优化程序。将GA-BP模型作为最优化的目标函数,模型的输出作为优化目标,通过遗传优化算法得出模型输出达到最优值时的锅炉系统的给煤、鼓风和引风的输入值,作为最优解指导锅炉运行过程的控制参数,实现锅炉性能达到最佳。
【关键词】：燃煤锅炉 燃烧优化 神经网络 遗传算法 OPC技术
【学位授予单位】：青岛科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TK229.6
【目录】：

• 摘要3-4
• ABSTRACT4-8
• 第一章 绪论8-12
• 1.1 课题的来源8-9
• 1.2 解决方案9-10
• 1.3 课题的发展现状10-11
• 1.4 课题研究主要内容11-12
• 第二章 锅炉燃烧工艺12-21
• 2.1 锅炉系统简介12-15
• 2.1.1 锅炉的工艺流程12-14
• 2.1.2 锅炉燃烧控制环节分析14-15
• 2.2 锅炉热效率计算模型15-18
• 2.2.1 锅炉热平衡分析15-17
• 2.2.2 影响热效率的因素分析17-18
• 2.3 NO_x排放18-20
• 2.3.1 NO_x生成机理18-19
• 2.3.2 燃烧中控制NO_x排放技术19
• 2.3.3 NO_x排放的影响因素分析19-20
• 2.4 锅炉燃烧输入输出分析20
• 2.5 本章小结20-21
• 第三章 基于BP网络和遗传算法的锅炉燃烧系统建模21-44
• 3.1 人工神经网络21-28
• 3.1.1 神经网络的基本概念21-22
• 3.1.2 BP神经网络的基本原理22-23
• 3.1.3 BP神经网络的学习算法23-26
• 3.1.4 BP神经网络的网络设计26-28
• 3.2 遗传算法28-33
• 3.2.1 遗传算法的基本原理28
• 3.2.2 遗传算法的基本流程28-30
• 3.2.3 遗传算法的基本元素30-33
• 3.3 神经网络与遗传算法的结合33-34
• 3.4 锅炉燃烧过程网络模型的建立34-43
• 3.4.1 锅炉燃烧过程神经网络建模34-35
• 3.4.2 遗传算法优化BP网络的初始权值和阂值35-37
• 3.4.3 仿真分析37-43
• 3.5 本章小结43-44
• 第四章 锅炉燃烧优化通讯系统设计44-56
• 4.1 锅炉燃烧优化结构44
• 4.2 神经网络模型与优化系统数据交换的实现44-49
• 4.2.1 C#与Matlab混合编程方法45-46
• 4.2.2 Matlab引擎库函数46-49
• 4.3 C#与力控数据交换的实现49-51
• 4.4 基于OPC的力控与现场DCS通讯51-55
• 4.4.1 现场锅炉DCS系统51-52
• 4.4.2 力控监控系统52-53
• 4.4.3 OPC通信设计53-55
• 4.5 本章小结55-56
• 第五章 基于C#的锅炉燃烧优化56-63
• 5.1 优化目标和结构56-57
• 5.2 优化参数的确定57-58
• 5.3 优化系统开发及功能介绍58-60
• 5.3.1 系统参数优化界面58-59
• 5.3.2 对点59
• 5.3.3 数据库59-60
• 5.3.4 优化曲线显示60
• 5.4 优化实现与分析60-62
• 5.4.1 参数优化流程60-61
• 5.4.2 优化前后参数及结果分析61-62
• 5.5 本章小结62-63
• 第六章 结论63-65
• 6.1 结论63
• 6.2 展望63-65
• 参考文献65-70
• 致谢70-71
• 攻读学位期间发表的学术论文71-72

【相似文献】

中国硕士学位论文全文数据库 前1条

1 曹庆才;基于GA-BP网络模型与C#的锅炉燃烧优化系统设计[D];青岛科技大学;2015年

，

本文编号：1025140