基于神經(jīng)-模糊系統(tǒng)的循環(huán)流化床鍋爐建模與控制規(guī)律研究.pdf

1、循環(huán)流化床(Circulating fluidized bed，CFB)鍋爐技術(shù)是近二十年來(lái)迅速發(fā)展的一種燃燒技術(shù)。由于CFB鍋爐具有高效、低污染等優(yōu)點(diǎn)，在強(qiáng)調(diào)節(jié)能減排的今天，受到了許多工業(yè)領(lǐng)域的青睞，被廣泛用于電力、化工、固體廢棄物處理等領(lǐng)域，并日趨大型化。
　　但是循環(huán)流化床鍋爐是一個(gè)多輸入多輸出、耦合性和時(shí)變性較強(qiáng)、非線性度較高、滯后較大的復(fù)雜熱力系統(tǒng)，精確地機(jī)理模型很難建立。而且復(fù)雜的機(jī)理模型也不適用于大多數(shù)控制策略，因而

2、在實(shí)際運(yùn)行中，采用常規(guī)的控制策略往往很難獲得滿意的調(diào)節(jié)效果。因此，如何建立CFB鍋爐精確而實(shí)用的模型以及如何有效控制CFB鍋爐一直是CFB鍋爐研究的熱點(diǎn)。針對(duì)上述問(wèn)題，本文主要做了以下研究工作：
　?、俑鶕?jù)某135MWeCFB發(fā)電機(jī)組在30％、50％、70％以及100％工況下的床溫-給煤量以及床溫-一次風(fēng)量模型，分別設(shè)計(jì)出相應(yīng)的廣義預(yù)測(cè)控制器。采用負(fù)荷作為特征變量，提出了一種改進(jìn)的基于線性插值的多模型廣義預(yù)測(cè)控制，并用于CFB鍋爐

3、的床溫控制中。仿真結(jié)果證明，該控制方法的調(diào)節(jié)效果要優(yōu)于基于單一線性模型的廣義預(yù)測(cè)控制。
　?、谏钊敕治隽嘶谏窠?jīng)-模糊系統(tǒng)的辨識(shí)算法，并改進(jìn)了一種基于T-S型神經(jīng)-模糊系統(tǒng)(Modified TS-type neural-fuzzy system，MTSNFS)的在線辨識(shí)算法。該算法的結(jié)構(gòu)辨識(shí)環(huán)節(jié)使用的是一種改進(jìn)的自組織競(jìng)爭(zhēng)學(xué)習(xí)算法，可以根據(jù)當(dāng)前運(yùn)行數(shù)據(jù)自動(dòng)地確定模糊規(guī)則的數(shù)目和初始參數(shù)，參數(shù)學(xué)習(xí)采用的是一種混合學(xué)習(xí)算法。先將這種

4、在線辨識(shí)算法用于Box-Jenkins煤氣爐的辨識(shí)中，并和其他算法進(jìn)行比較，然后用于某135MWeCFB發(fā)電機(jī)組的床溫、爐膛出口含氧量和主蒸汽溫度的在線建模中。仿真結(jié)果表明，該在線辨識(shí)算法可以很好地跟蹤C(jī)FB鍋爐的動(dòng)態(tài)特性，即使在負(fù)荷發(fā)生大范圍變動(dòng)時(shí)，也可以獲得較為精確的預(yù)測(cè)結(jié)果，同時(shí)結(jié)構(gòu)緊湊。因此，可以用于復(fù)雜系統(tǒng)的在線預(yù)測(cè)以及基于模型的控制策略中。
　?、蹖TSNFS嵌入到性能指標(biāo)改進(jìn)的廣義預(yù)測(cè)控制中，提出了一種基于神經(jīng)-模

5、糊系統(tǒng)的廣義預(yù)測(cè)控制(NFS-GPC)，并推廣到多輸入-多輸出系統(tǒng)的控制中。將這種NFS-GPC用于CFB鍋爐的主蒸汽溫度(單輸入-單輸出系統(tǒng))、床溫(多輸入-單輸出系統(tǒng))和機(jī)組負(fù)荷(多輸入-多輸出系統(tǒng))的控制中，仿真結(jié)果表明，該控制策略可以有效地克服CFB鍋爐的強(qiáng)非線性和耦合性帶來(lái)的控制問(wèn)題。當(dāng)機(jī)組負(fù)荷大范圍變動(dòng)，鍋爐動(dòng)態(tài)特性發(fā)生明顯變化時(shí)，通過(guò)MTSNFS在線辨識(shí)出的CARIMA模型能夠準(zhǔn)確描述被控對(duì)象的動(dòng)態(tài)特性，因而可以獲取優(yōu)于常