极端学习机和教与学优化算法改进及其在锅炉燃烧优化中的应用研究
发布时间：2023-04-16 13:54
极端学习机(Extreme Learning Machine,ELM)是一种运算速度快、泛化能力好的单隐层前馈神经网络;教与学优化算法(Teaching-Learning-Based Optimization Algorithm,TLBO)是一种启发式算法,其受班级教学行为的启发而提出。它们能够解决复杂系统的建模和优化问题,且已经应用于多种领域。由于循环流化床锅炉(Circulation Fluidized Bed Boiler,CFBB)的燃烧过程非常复杂,传统方法难以建立其燃烧特性模型和实现其燃烧过程优化。因此,本文对ELM和TLBO算法进行了深入研究,并将其应用于CFBB的燃烧过程建模和优化,可实现锅炉高效低污染燃烧。本文的研究内容具有理论意义和实际应用价值,主要研究内容概括如下:针对原始ELM模型参数和模型结构的设置问题,本文提出三种改进的极端学习机。为了提高ELM对训练样本数据的自适应性和模型稳定性,提出样本自适应极端学习机,其输入权阈值可根据训练样本数据确定,且其具有新型隐层激活函数。此外,提出一种优化型极端学习机,采用人工智能优化算法寻找极端学习机的最佳输入权阈值,使EL...
【文章页数】：141 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题的研究背景及意义
1.2 锅炉燃烧优化问题概述及国内外研究现状
1.3 ELM研究现状
1.4 TLBO算法研究现状
1.5 本文的主要研究内容及结构安排
第2章 ELM算法及其改进
2.1 引言
2.2 ELM简介
2.2.1 ELM的学习过程
2.2.2 ELM的本质
2.2.3 ELM的相关理论
2.3 样本自适应ELM
2.3.1 输入权阈值的确定
2.3.2 隐层激活函数的确定
2.3.3 仿真实验
2.4 优化型ELM
2.4.1 隐层节点个数确定
2.4.2 输入权阈值优化
2.5 基于样本增量的量子双并联前馈神经网络
2.5.1 量子双并联前馈神经网络
2.5.2 样本增量量子双并联前馈神经网络
2.6 本章小结
第3章 TLBO算法及其改进
3.1 引言
3.2 TLBO算法原理
3.2.1 教学行为的描述
3.2.2 TLBO算法数学描述
3.3 算法融合型TLBO算法
3.3.1 混沌分组TLBO算法
3.3.2 基于混沌搜索算法的TLBO算法
3.3.3 仿真实验及分析
3.4 基于“真实教学”现象的TLBO算法
3.4.1 教阶段
3.4.2 学阶段
3.4.3 仿真实验及分析
3.5 本章小结
第4章 循环流化床锅炉燃烧过程建模
4.1 引言
4.2 循环流化床锅炉简介
4.2.1 循环流化床锅炉工作原理
4.2.2 CFBB热效率的计算
4.2.3 CFBB的NOx产生形式
4.2.4 CFBB的SO2产生形式
4.2.5 CFBB建模数据来源及说明
4.3 热效率建模
4.3.1 基于AELM的热效率建模
4.3.2 基于优化型ELM的热效率建模
4.3.3 热效率在线建模
4.4 氮氧化合物建模
4.4.1 基于AELM的NOx排放浓度建模
4.4.2 基于优化型ELM的NOx排放浓度建模
4.4.3 NOx排放浓度在线建模
4.5 二氧化硫建模
4.5.1 基于AELM的SO2排放浓度建模
4.5.2 基于优化型ELM的SO2排放浓度建模
4.5.3 SO2排放浓度在线建模
4.6 综合建模
4.7 本章小结
第5章 循环流化床锅炉燃烧优化
5.1 引言
5.2 优化目标分析
5.3 单独优化热效率
5.3.1 基于AELM离线模型的锅炉热效率优化
5.3.2 基于QFNN在线模型的锅炉热效率优化
5.4 单独优化NOx
5.4.1 基于AELM离线模型的NOx优化
5.4.2 基于QFNN在线模型的NOx优化
5.5单独优化SO2
5.5.1 基于AELM离线模型的SO2优化
5.5.2 基于QFNN在线模型的SO2优化
5.6 锅炉燃烧过程多目标优化
5.6.1 Pareto多目标教与学优化算法
5.6.2 锅炉燃烧过程多目标优化
5.7 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
本文编号：3791391
【文章页数】：141 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题的研究背景及意义
1.2 锅炉燃烧优化问题概述及国内外研究现状
1.3 ELM研究现状
1.4 TLBO算法研究现状
1.5 本文的主要研究内容及结构安排
第2章 ELM算法及其改进
2.1 引言
2.2 ELM简介
2.2.1 ELM的学习过程
2.2.2 ELM的本质
2.2.3 ELM的相关理论
2.3 样本自适应ELM
2.3.1 输入权阈值的确定
2.3.2 隐层激活函数的确定
2.3.3 仿真实验
2.4 优化型ELM
2.4.1 隐层节点个数确定
2.4.2 输入权阈值优化
2.5 基于样本增量的量子双并联前馈神经网络
2.5.1 量子双并联前馈神经网络
2.5.2 样本增量量子双并联前馈神经网络
2.6 本章小结
第3章 TLBO算法及其改进
3.1 引言
3.2 TLBO算法原理
3.2.1 教学行为的描述
3.2.2 TLBO算法数学描述
3.3 算法融合型TLBO算法
3.3.1 混沌分组TLBO算法
3.3.2 基于混沌搜索算法的TLBO算法
3.3.3 仿真实验及分析
3.4 基于“真实教学”现象的TLBO算法
3.4.1 教阶段
3.4.2 学阶段
3.4.3 仿真实验及分析
3.5 本章小结
第4章 循环流化床锅炉燃烧过程建模
4.1 引言
4.2 循环流化床锅炉简介
4.2.1 循环流化床锅炉工作原理
4.2.2 CFBB热效率的计算
4.2.3 CFBB的NOx产生形式
4.2.4 CFBB的SO2产生形式
4.2.5 CFBB建模数据来源及说明
4.3 热效率建模
4.3.1 基于AELM的热效率建模
4.3.2 基于优化型ELM的热效率建模
4.3.3 热效率在线建模
4.4 氮氧化合物建模
4.4.1 基于AELM的NOx排放浓度建模
4.4.2 基于优化型ELM的NOx排放浓度建模
4.4.3 NOx排放浓度在线建模
4.5 二氧化硫建模
4.5.1 基于AELM的SO2排放浓度建模
4.5.2 基于优化型ELM的SO2排放浓度建模
4.5.3 SO2排放浓度在线建模
4.6 综合建模
4.7 本章小结
第5章 循环流化床锅炉燃烧优化
5.1 引言
5.2 优化目标分析
5.3 单独优化热效率
5.3.1 基于AELM离线模型的锅炉热效率优化
5.3.2 基于QFNN在线模型的锅炉热效率优化
5.4 单独优化NOx
5.4.2 基于QFNN在线模型的NOx优化
5.5单独优化SO2
5.5.2 基于QFNN在线模型的SO2优化
5.6 锅炉燃烧过程多目标优化
5.6.1 Pareto多目标教与学优化算法
5.6.2 锅炉燃烧过程多目标优化
5.7 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
本文编号：3791391
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3791391.html
