基于数据驱动的灰渣含碳量软测量方法研究
发布时间：2021-08-19 10:14
在锅炉的实时运行中,灰渣含碳量直接反映了煤的利用率也是锅炉热效率的一个重要参考指标。大多数中小型锅炉运行中,由于受测量手段的限制,只能通过离线燃烧失重法测量灰渣含碳量的值,该方法耗时长、滞后大。难以应用这个参数对锅炉的燃烧进行及时的优化调节。软测量技术以其实时性强和建模方法多样化等优点成为解决这一问题的有效手段之一。锅炉的燃烧是一个复杂的过程,灰渣含碳量与锅炉的热工参数和各个操作变量之间存在着非线性、强耦合的关系。本文首先应用了较常用的建模方法—多元逐步回归法对灰渣含碳量进行软测量建模,以此方法得到的灰渣含碳量模型是一种线性数学表达式,可以确定进入表达式的辅助变量及具体模型参数。回归模型把各个变量与灰渣含碳量之间的关系线性化,在特定的区段基本能反映灰渣含碳量的变化趋势。当灰渣含碳量超过该区间范围时,该模型的泛化能力较差并无法较吻合的反应灰渣含碳量的实际值。因此把灰渣含碳量与辅助变量之间的关系线性化是不合适的。神经网络具有良好的非线性问题处理能力、强大的自学习能力,可以利用不同的权重值表述各个工艺参数的权重,但是对于建模过程人不可参与;模糊系统可以充分利用经验与知识,建模过程不再是一个"...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：77 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 选题背景及研究意义
1.2 国内外研究现状
1.3 本文主要研究内容
第2章 软测量理论
2.1 软测量相关概念
2.1.1 辅助变量的选取
2.1.2 数据的分析与预处理
2.1.3 辅助变量与主导变量的时序对应
2.1.4 软测量模型的迭代修正
2.1.5 软测量的工程设计
2.2 软测量建模方法
2.2.1 基于机理分析的建模
2.2.2 基于数据驱动的建模
2.3 软测量技术的优缺点
2.3.1 软测量技术优点
2.3.2 软测量技术缺点
2.4 本章总结
第3章 基于数据驱动的软测量建模方法
3.1 回归分析
3.1.1 多元线性回归分析
3.1.2 多元逐步回归分析
3.2 模糊理论
3.2.1 模糊系统概述
3.2.2 模糊化
3.2.3 模糊推理
3.2.4 反模糊化
3.3 神经网络基本理论
3.3.1 人工神经网络
3.3.2 神经元的结构
3.3.3 神经网络的网络算法
3.4 自适应神经模糊推理系统
3.4.1 常规模糊系统的不足
3.4.2 模糊系统与神经网络的比较
3.4.3 模糊系统与神经网络的结合
3.4.4 自适应神经模糊推理产生背景
3.4.5 自适应神经模糊推理系统概述
3.5 本章小结
第4章 灰渣含碳量模型的构建与研究
4.1 锅炉燃烧工艺与灰渣含碳量的检测
4.1.1 锅炉的燃烧工艺
4.1.2 样本的选取
4.1.3 样本的测量
4.2 基于多元逐步回归建模
4.2.1 多元逐步回归辅助变量筛选
4.2.2 多元逐步回归建模
4.2.3 多元逐步回归模型的验证
4.3 BP神经网络建模
4.3.1 网络输入层变量的确定
4.3.2 隐含层神经元的确定
4.3.3 神经网络的建模
4.4 基于ANFIS建模
4.4.1 ANFIS结构
4.4.2 数据的归一化
4.4.3 基于ANFIS建模
4.4.4 ANFIS模型的验证
4.5 不同模型的对比
4.6 本章小结
第5章 灰渣含碳量软测量模型在线应用
5.1 灰渣含碳量的分析
5.2 ANFIS模型的应用
5.2.1 MATLAB与上位机WINCC的连接
5.2.2 软件的设计
5.3 灰渣含碳量指导燃烧
5.3.1 煤层厚度的调节
5.3.2 风量的调节
5.4 经济效益分析
5.5 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
本文编号：3351218
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：77 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 选题背景及研究意义
1.2 国内外研究现状
1.3 本文主要研究内容
第2章 软测量理论
2.1 软测量相关概念
2.1.1 辅助变量的选取
2.1.2 数据的分析与预处理
2.1.3 辅助变量与主导变量的时序对应
2.1.4 软测量模型的迭代修正
2.1.5 软测量的工程设计
2.2 软测量建模方法
2.2.1 基于机理分析的建模
2.2.2 基于数据驱动的建模
2.3 软测量技术的优缺点
2.3.1 软测量技术优点
2.3.2 软测量技术缺点
2.4 本章总结
第3章 基于数据驱动的软测量建模方法
3.1 回归分析
3.1.1 多元线性回归分析
3.1.2 多元逐步回归分析
3.2 模糊理论
3.2.1 模糊系统概述
3.2.2 模糊化
3.2.3 模糊推理
3.2.4 反模糊化
3.3 神经网络基本理论
3.3.1 人工神经网络
3.3.2 神经元的结构
3.3.3 神经网络的网络算法
3.4 自适应神经模糊推理系统
3.4.1 常规模糊系统的不足
3.4.2 模糊系统与神经网络的比较
3.4.3 模糊系统与神经网络的结合
3.4.4 自适应神经模糊推理产生背景
3.4.5 自适应神经模糊推理系统概述
3.5 本章小结
第4章 灰渣含碳量模型的构建与研究
4.1 锅炉燃烧工艺与灰渣含碳量的检测
4.1.1 锅炉的燃烧工艺
4.1.2 样本的选取
4.1.3 样本的测量
4.2 基于多元逐步回归建模
4.2.1 多元逐步回归辅助变量筛选
4.2.2 多元逐步回归建模
4.2.3 多元逐步回归模型的验证
4.3 BP神经网络建模
4.3.1 网络输入层变量的确定
4.3.2 隐含层神经元的确定
4.3.3 神经网络的建模
4.4 基于ANFIS建模
4.4.1 ANFIS结构
4.4.2 数据的归一化
4.4.3 基于ANFIS建模
4.4.4 ANFIS模型的验证
4.5 不同模型的对比
4.6 本章小结
第5章 灰渣含碳量软测量模型在线应用
5.1 灰渣含碳量的分析
5.2 ANFIS模型的应用
5.2.1 MATLAB与上位机WINCC的连接
5.2.2 软件的设计
5.3 灰渣含碳量指导燃烧
5.3.1 煤层厚度的调节
5.3.2 风量的调节
5.4 经济效益分析
5.5 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
本文编号：3351218
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3351218.html
