球磨機(jī)制粉系統(tǒng)軟測量及控制策略的應(yīng)用研究.pdf

1、中儲式鋼球磨制粉系統(tǒng)廣泛用于火電廠中，其制粉電耗約占廠用電的25％左右，是火電廠的耗電大戶。實現(xiàn)中儲式鋼球磨制粉系統(tǒng)的料位軟測量及優(yōu)化運行具有重要的現(xiàn)實意義和經(jīng)濟(jì)價值。因此，論文重點對球磨機(jī)的料位軟測量、球磨機(jī)的運行狀態(tài)監(jiān)測及系統(tǒng)運行優(yōu)化等方面進(jìn)行了智能化研究。在研究學(xué)習(xí)及改進(jìn)相關(guān)人工智能技術(shù)的基礎(chǔ)上，針對球磨機(jī)制粉系統(tǒng)自身所具有的大慣性、大時滯、多變量、非線性以及強(qiáng)耦合等特性，為實現(xiàn)球磨機(jī)制粉系統(tǒng)的出力軟測量、狀態(tài)監(jiān)測及優(yōu)化運行提出了

2、全新的思路和方向。 1.闡述了當(dāng)前中儲式球磨機(jī)制粉系統(tǒng)在我國當(dāng)前工業(yè)特別是電廠中的運用狀況，在分析了當(dāng)前各種球磨機(jī)料位測量及運行控制方法的基礎(chǔ)上，分析了各種方法的弊端和不足，為本文工作的展開作鋪墊和指導(dǎo)。 2.針對標(biāo)準(zhǔn)粒子群算法收斂緩慢和易陷入局部最優(yōu)的缺陷，文章提出了基于概率選優(yōu)和爆炸搜索策略的改進(jìn)粒子群算法，該方法不僅縮短了尋找最優(yōu)解迭代步數(shù)，同時也大大提高了粒子跳出局部最優(yōu)解的能力；通過函數(shù)仿真驗證了算法改進(jìn)的效果

3、。 3.為了克服基于BP學(xué)習(xí)算法的連續(xù)小波網(wǎng)絡(luò)參數(shù)易陷入局部最優(yōu)且收斂速度緩慢的缺點，本文研究了基于改進(jìn)例子群算法的連續(xù)小波網(wǎng)絡(luò)混合訓(xùn)練算法，測試函數(shù)體現(xiàn)了該算法相對基于BP學(xué)習(xí)算法的神經(jīng)網(wǎng)絡(luò)和小波網(wǎng)絡(luò)的優(yōu)越性；同時本文在引入抗差理論基礎(chǔ)上，提出了抗差泛化小波網(wǎng)絡(luò)概念，并給出了一種抗差算法。 4.將混沌時間序列的知識引入到球磨機(jī)出力特性研究：從非線性動力學(xué)觀點出發(fā)，利用混沌理論對球磨機(jī)差壓時序進(jìn)行相空間重構(gòu)，分析其時序關(guān)

4、聯(lián)維與嵌入相空間軌道的變化規(guī)律，揭示球磨機(jī)混沌動力學(xué)特性，為料位軟測量輔助變量的選取及時序可預(yù)測周期的確定提供指導(dǎo)。 5.為了確定多模型料位軟測量子模型個數(shù)，本文在學(xué)習(xí)聚類分析理論基礎(chǔ)上，對模糊聚類算法加以改進(jìn)并應(yīng)用于球磨機(jī)料位軟測量樣本聚類分析中，求取基于加權(quán)多模型的料位軟測量模型子模型個數(shù)及模型中心。 6.針對球磨機(jī)制粉系統(tǒng)的自身特性，提出了多動態(tài)小波網(wǎng)絡(luò)技術(shù)和“量態(tài)”軟測量概念，并以此構(gòu)造了基于加權(quán)多模型的球磨機(jī)料

5、位軟測量模型，通過預(yù)測結(jié)果對比顯示其與傳統(tǒng)方法建模的優(yōu)越性。 7.引入了粗糙集理論并給出了一種新式屬性離散化算法，通過粗糙集屬性約減提取球磨機(jī)運行狀態(tài)核屬性，并對比了基于不同屬性組合的球磨機(jī)運行狀態(tài)支持向量機(jī)監(jiān)測模型。 8.針對當(dāng)前各種球磨機(jī)控制系統(tǒng)的不足，基于球磨機(jī)運行狀態(tài)支持向量機(jī)監(jiān)測模型，對現(xiàn)有控制系統(tǒng)加以改造，提出了基于磨機(jī)運行狀態(tài)監(jiān)測模型的自尋優(yōu)控制改造策略。最后，對全文工作進(jìn)行總結(jié)并對后繼工作的方向和內(nèi)容進(jìn)行