基于神经网络的循环流化床烟气脱硫过程的智能集成建模研究

《基于神经网络的循环流化床烟气脱硫过程的智能集成建模研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、东北大学硕士学位论文摘要基于神经网络的循环流化床烟气脱硫过程的智能集成建模研究摘要循环流化床烟气脱硫

2、自主知识产权的燃煤电厂CFB-FGD控制技术，本文以国家“十五”重点攻关课题"CFB-FGD设备自动控制技术的研究与开发”为基础，建立了CFB-FGD机理模型。但由于CFB-FGD系统是一个非线性多变量复杂的系统，当前还未能完全掌握其复杂的机理，从机理角度出发建立的数学模型还不能完全满足要求，这就导致了CFB-FGD系统的放大设计以及工业生产过程的指导仍然主要是基于经验性的。除了数学模型的建立和维护都很复杂以外，数学模型在计算时需要较长时间进行反复迭代，为了解决这些困难，本文对CFB-FGD系统进行了基于神经网络的智能集成建模研究。首先，本文在智能集成建模理论的指导下，重点探讨了神经网络与传

3、统建模方法间的集成，提出了输入加权式前向神经网络智能集成建模方法，并给出了其具体实现。该方法预测精度高，收敛速度较快，适合于非线性严重，特别是输入变量较多的工业过程。接着，对CFB-FGD过程运行规律进行了深入的分析，建立了CFB-FGD机理模型。包括:反应器内干燥阶段脱硫模型、气固阶段脱硫模型、布袋除尘器脱硫模型和考虑物料返混情况下的脱硫模型，其中千燥阶段模型又包含了环/核流动模型。为检验过程模型的可行性，将建立的稳态机理模型的计算值与实际数据进行了比较，结果表明所建立的模型能够较好的模拟实际系统的稳态运行状态。最后，根据CFB-FGD机理模型确定了影响脱硫效率的因素，并由各因素对脱硫效率

4、贡献的大小确定了其加权系数建立了CFB-FGD系统的基于神经网络的智能集成模型。并对此模型的结构、训练和模拟能力进行了深入系统的研究。仿真结果表明，该神经网络智能集成模型可以较好地模拟和预测脱硫效率;和机理模型相比，CFB-FGI)神经网络智能集成模型的效果更好。关键词:循环流化庆烟气脱硫，机理模型，智能集成模型，神经网络，建模东北大学硕士学位论文人日STRACTNeuralNetwork-BasedIntelligentIntegratedModelingfortheCFB-FGDProcessesABSTRACTThetechnologyofcirculatedfluidizedbedf

5、orfluegasdesulfurization(CFB-FGD)isbasedonthetheoryofcirculatedfluidizingbed.Itaugmentsthematerialconcentrationandlengthensthereactingtimebyrecyclingthereactionproductanddesulfirrizer,thusincreasethedesulfurizerutilizationratioandthedesulfurizationeficiency.TheCFB-FGDtechnologyissuitableforthecurre

6、ntconditionofChinabecauseofitslowinvestmentcost,highdesulfurizationeficiency,reliableoperatingcondition,convenientmaintenanceandotheradvantages.Thecoal-firedelectricityaccountsfordominantpositionofthetotalpowergeneration,about80%.Combustionofabundantcoalforpowergenerationcomesintobeingthesulfurdiox

7、ideexcessivedischargeandseriousenvironmentpollution.Howtoreducepollutantemissionisoneofimportantissueswefacedtobesolvedurgentlyinourcountry.ForexcogitatingofcontroltechnologyaboutCFB-FGDwhichhasthetraitofte