基于人工神经网络的锅炉控制研究

《基于人工神经网络的锅炉控制研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、哈尔滨工程大学硕士学位论文基于人工神经网络的锅炉控制研究姓名：尚福海申请学位级别：硕士专业：计算机应用技术指导教师：张菁;卫福弟20070301哈尔滨工程大学硕士学位论文摘要锅炉是火力电站的重要设备之一。电站锅炉设备庞大、复杂；控制过程多变量、大延迟、强耦合。其控制和优化问题一直是这一领域学者所关注和研究的重点。本文选取RBF神经网络作为建模工具，针对中小型复杂过程控制系统的特点，基于通常使用的低成本DCS平台。使用锅炉运行数据建立过程模型，通过改进的复合形优化算法，寻找最优输入变量组合，实现多目标函数的优化。本文对RAN算法的删除策略进行了改进，不仅删除那些连续对网络输出贡献较

2、小的隐层单元，‘同时还将相似的隐层单元合并，使网络结构更加紧凑。基于RAN算法的RBF神经网络是一种动态神经网络，适合于过程的在线建模。将基于这种算法的RBF神经网络用于热工过程非线性模型的在线辨识，仿真研究表明了基于RAN算法的RBF神经网络这种建模方法的有效性，且所得模型精度高，计算量小，可直接用于基于模型的控制算法。关键词：锅炉控制；神经网络；最优化；复合形法哈尔滨工程大学硕士学位论文AbstractBoilersareimportantcomponentsinpowersystems，Boilerisquitccomplexandhugeinsize．Theprocess

3、happenedinitismulti-variablesanditsparametersareheavilycoupledtogether．Soitscontrolandoptimizationareasoneofthemostkeyproblemsbyresearchers．Inthisp印er,RBFNeuralNetworkWaSselectedasatoolformodelingaccordingtothecharacteristicsofboilersystems．ThepaperBasedonthelow-costDCSplatformandaimingatthec

4、haractersofmedium—sizedandsmallcomplexprocesscontrolsystem，Theboilersystemwasmodeledthroughitsstaticoperationdata．、Multi—Complex’Methodwasselectedastheimplementationofmulti—goaloptimization，andWaSusedinoptimizationoftheprocessbasedonthemodelgained，searchingfortheoptimalinputparameters．Theprun

5、ingstrategyofRANalgorithmisimprovedinthispaper．Thepruningstrategynotonlytodeletethehiddenneuronscontinuouscontributinglittletothenetworkoutput，butalsotocombinethesimilarhiddenneuronsandthustoimplementamorecompactnetworkstructure．RANalgorithmbasedonradialbasisfunction(RBF)neuralnetworkisadynam

6、icalneuralnetworkandsuitableforprocessonlinemodeling．Theonlineidentificationofpowerplantthermalprocessnonlinearmodeliscarriedoutbythemethod，simulationstudyindicatesthevalidityoftheRANalgorithmbasedonradialbasisfunctionneuralnetworkandestablishedmodelwithhigherprecision,lesscalculationandcanbe

7、usedinmodelbasedcontrolalgorithmdirectly．Keywords：BoilerControl；NeuralNetworkOptimization；ComplexMethod哈尔滨工程大学学位论文原创性声明本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个