基于RBF神經(jīng)網(wǎng)絡的循環(huán)灰利用率軟測量技術的研究.pdf

1、循環(huán)流化床煙氣脫硫(CFB-FGD)技術是一項新型半干法煙氣脫硫工藝，能在較低的鈣硫比情況下接近或達到濕法工藝的脫硫效率。具有脫硫產(chǎn)物易于處理、設備占地面積小、運行可靠、操作維護方便、投資費用低等優(yōu)點。
　　 本文首先介紹了CFB-FGD的機理和工藝現(xiàn)狀。通過對CFB-FGD機理及工藝的分析得知，循環(huán)灰的多次循環(huán)利用大大提高了循環(huán)流化床煙氣脫硫效率。目前對物料循環(huán)的具體作用過程的研究還不是很清晰，因此循環(huán)灰利用率的測量有利于進一

2、步的研究循環(huán)流化床煙氣脫硫工藝，并且實現(xiàn)循環(huán)流化床煙氣脫硫系統(tǒng)的優(yōu)化控制。
　　 目前很少有關于循環(huán)灰中脫硫劑所起的作用研究的文獻，本文為進一步的研究循環(huán)流化床脫硫過程中循環(huán)灰所起到的作用，研究了循環(huán)灰利用率的軟測量方法。
　　 輔助變量的選擇對軟測量模型的建立有著至關重要的作用，本文主要對循環(huán)灰利用率的影響因素進行了詳細的分析，通過詳細的機理分析來選擇合適的變量做輔助變量。選擇了噴水量、新鮮脫硫劑量、循環(huán)灰量、入口煙氣

3、濃度、入口煙氣流量、入口煙氣溫度這六個變量做模型的輔助變量。
　　 研究了粒子群優(yōu)化算法，引入了線性減小慣性權(quán)重和收縮因子，提出了改進粒子群優(yōu)化算法(MPSO)。結(jié)合MPSO算法與梯度下降法，將MPSO算法的全局搜索能力和徑向基函數(shù)神經(jīng)網(wǎng)絡(RBF)局部優(yōu)化的高效性相融合，克服了普通PSO算法收斂的不穩(wěn)定性和RBF網(wǎng)絡易陷入局部極小值的缺點，建立了RBF神經(jīng)網(wǎng)絡的MPSO-RBF混合優(yōu)化算法。將訓練后的RBF神經(jīng)網(wǎng)絡應用于循環(huán)灰