基于模糊神经网络的电站燃煤锅炉结渣特性研究

论文摘要

电站燃煤锅炉的结渣是个多发性问题,一直困扰着锅炉运行操作人员,影响锅炉运行的安全性、经济性及锅炉可用率。因此,采用有效的方法对其锅炉的结渣特性进行可靠预测显得十分重要。首先,详细介绍了锅炉结渣特性的影响因素及国内外学者在燃煤锅炉结渣特性评判方法研究的进展,分别从单指标和综合指标角度阐述了各评判方法的优缺点,并分析了各评判方法准确率不高的原因。其次,介绍了模糊理论和人工神经网络的知识。综合考虑煤种本身特性和锅炉结构设计及运行工况的影响,确定7个判别指标(软化温度t2、硅铝比SiO2/Al2O3、酸碱比B/A、硅比G、综合评价指标R、无因次炉膛最高温度φt以及无因次实际切圆直径φd)作为网络模型的输入。采用6种类型的隶属度函数,分别将给定样本的输入判别指标模糊化后作为神经网络模型的输入。本文采用了34组锅炉样本,前28组样本作为训练样本,后6组样本作为检测样本。通过对比不同隶属函数得到的预测结果,按照最大隶属原则确定锅炉检测样本的结渣特性。利用上述方法,不考虑锅炉结构设计及运行工况的影响,对6组检测样本结渣特性进行预测。与7判别指标相对比,结渣特性与实际结渣特性相差较大,表明锅炉结渣特性不仅与煤种本身特性有关,而且与锅炉结构设计及运行工况等因素密切相关。此方法综合考虑了不同隶属函数对判别指标结渣程度的划分,为锅炉样本的结渣特性预测提供了更高的可信度。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 选题背景
• 1.2 国内外文献综述
• 1.3 论文的主要研究工作
• 第2章 燃煤锅炉结渣特性分析
• 2.1 燃煤锅炉结渣特性
• 2.1.1 煤灰熔融温度测定
• 2.1.2 煤灰成分对结渣特性的影响
• 2.1.3 锅炉结构设计及运行对结渣的影响
• 2.2 燃煤锅炉结渣单一判据预测方法
• 2.2.1 根据煤灰熔点温度进行预测
• 2.2.2 根据灰渣粘度特性进行预测
• 2.2.3 根据煤灰成份特性进行预测
• 2.2.4 根据煤灰成份综合比值进行预测
• 2.2.5 无因次炉膛最高温度
• 2.2.6 无因次炉膛实际切圆直径
• 2.2.7 过量空气系数α
• 2.3 锅炉结渣特性的综合评判方法
• 2.3.1 综合评判方法
• 2.3.2 模糊聚类方法对锅炉结渣特性进行预测
• 2.3.3 模式识别方法预测锅炉结渣特性
• 2.3.4 人工神经网络预测锅炉结渣特性
• 2.4 本章小结
• 第3章 模糊神经网络
• 3.1 人工神经网络现状及发展
• 3.1.1 神经元介绍
• 3.1.2 BP 算法
• 3.1.3 BP 算法的工作过程
• 3.2 模糊理论基础
• 3.2.1 模糊集合
• 3.2.2 模糊逻辑与神经网络的结合
• 3.2.3 模糊系统和神经网络的结合方式
• 3.3 模糊神经网络发展概况
• 3.4 本章小结
• 第4章 模糊神经网络模型及应用
• 4.1 评判指标的选取
• 4.2 判别指标的模糊化
• 4.2.1 三角形隶属函数
• 4.2.2 半圆形隶属函数
• 4.2.3 柯西形隶属函数
• 4.2.4 斜线形隶属函数
• 4.2.5 梯形隶属函数
• 4.2.6 高斯形隶属函数
• 4.3 模糊神经网络模型
• 4.4 模型应用
• 4.4.1 样本数据
• 4.4.2 模型训练
• 4.5 评判指标的模糊神经网络模型
• 4.6 常规神经网络模型
• 4.6.1 确定神经网络结构及其参数
• 4.6.2 各层节点激励函数
• 4.6.3 数据预处理
• 4.6.4 网络模型训练与结果分析
• 4.7 本章小结
• 第5章 结论与展望
• 参考文献
• 在学期间发表的学术论文和参加科研情况
• 致谢
• 详细摘要