论文部分内容阅读
工业锅炉作为工业生产和生活中重要的热源和动力源,在整个能源消耗中占相当大的比重。提高锅炉的运行热效率、降低能耗以及减少环境污染,是多年来技术改造和节能工作中意义深远的课题。目前锅炉控制的核心难点问题就是研究如何提高燃烧系统的经济燃烧指标,如何对锅炉燃烧过程进行最有效的控制。锅炉燃烧控制系统主要包括两方面的内容:一是空燃比控制;二是蒸汽压力控制。本文主要研究模糊神经网络(FNN)控制在这两个方面的应用。在分析锅炉的工作过程、控制系统结构基础上,采用模糊逻辑控制技术与自寻优控制思想,设计了空燃比模糊神经网络控制器,有效地克服了传统控制中将空燃比视为负荷的单一函数并近似为比值关系以及需要测量残氧量的缺点,具有自动跟踪锅炉热效率变化,及时调整空燃比的功能。这种基于模糊逻辑、神经网络和BP算法的控制器,采用了混合学习算法,即:首先由自组织算法确定模糊神经网络的初始隶属函数;其次由竞争学习算法完成模糊规则确定;最后提出了一种改进的BP算法用来优化调节己经获得的隶属函数。 通过补偿模糊推理和快速学习算法的引入,构造一种补偿模糊神经网络控制器,用以取代目前在锅炉控制中普遍使用的PID控制器。由于补偿模糊神经网络在性能上优于一般的模糊神经网络,将其应用于锅炉的蒸汽压力控制系统,对锅炉这种大时滞、参数不稳定的被控对象实现更为有效的控制,达到满意的品质指标。最后用Matlab软件对应用补偿模糊神经网络控制器和空燃比模糊神经网络控制器的锅炉控制系统进行了仿真。结果表明,它们的控制效果明显优于PID控制器,而且能有效跟踪被控对象参数的时变及较大的干扰,取得了比较满意的控制效果。