188宝金博页面版

  • 图案背景
  • 纯色背景
视图
标记
批注
批注本地保存成功，开通会员云端永久保存 去开通
yeguhong

上传于：2012-11-19

粉丝量：207

免责声明: 本人资料收集自网络，如有侵权，敬请告知，将立即删除！ 本人对由道客引起的侵权问题不承担法律责任，转发下载资料请于24小时内删除，谢谢!


  • 相关
  • 目录
  • 笔记
  • 书签

188宝金博页面版:更多相关文档

  • 0106《东周列国志》作者：清·蔡元放 阅读版

    星级： 872 页

  • 流化床锅炉燃烧系统的神经网络解耦控制

    星级： 6 页

  • 流化床锅炉燃烧系统：鼴P神经网络PID解耦控制

    星级： 3 页

  • 流化床锅炉燃烧系统：鼴P神经网络PID解耦控制

    星级： 3 页

  • 流化床锅炉燃烧系统：齙BP神经网络PID解耦控制

    星级： 4 页

  • 流化床锅炉燃烧系统：-bp神经网络pid解耦控制

    星级： 5 页

  • 流化床锅炉燃烧系统：齙BP神经网络PID解耦控制

    星级： 4 页

  • 历史学基础考研山大版本

    星级： 67 页

  • 流化床锅炉燃烧系统：-BP神经网络PID解耦控制

    星级： 3 页

  • 流化床锅炉燃烧系统：-BP神经网络PID解耦控制

    星级： 3 页

  • 循环流化床锅炉燃烧系统的线性自抗扰解耦控制

    星级： 6 页

  • 企业投资项目申请报告书示范文本

    星级： 2 页

  • 大型超临界循环流化床锅炉燃烧系统的解耦控制的研究

    星级： 45 页

  • 大型超临界循环流化床锅炉燃烧系统的解耦控制研究

    星级： 52 页

  • 大型超临界循环流化床锅炉燃烧系统的解耦控制研究

    星级： 47 页

暂无目录

点击鼠标右键菜单,创建目录

    暂无笔记

    选择文本，点击鼠标右键菜单，添加笔记

    暂无书签

    在左侧文档中，点击鼠标右键，添加书签

    188宝金博页面版: 流化床锅炉燃烧系统的神经网络解耦控制

    下载积分： 1000

    内容提示： 流化床锅炉燃烧系统的神经网络解耦控制胡益民，张国忠，陈宇峰，杜清彦（ 深圳清华大学研究院 精密仪器及智能监控实验室， 广东 深圳 !"#$!%）!"： 提出了一种基于 &’ 算法的人工神经网络解耦控制策略， 并将其应用于流化床锅炉的燃烧系统中，其思想是在加入神经网络解耦环节以后， 使得包括该解耦环节在内的广义被控对象的第一系数矩阵为对角矩阵。 仿真结果证明， 该策略能收到良好的控制效果， 成功解决了主汽压力和料床温度的燃烧系统控制难题： 即同时控制给煤量和一次送风量， 有望用于循环流化床锅炉燃烧系统这类复杂过程的控制。#$%： 神经网络； 解耦； 流化床锅炉； 燃烧控制&...

    文档格式：PDF | 页数：4 | 浏览次数：21 | 上传日期：2012-11-19 08:32:31 | 文档星级：
    流化床锅炉燃烧系统的神经网络解耦控制胡益民，张国忠，陈宇峰，杜清彦（ 深圳清华大学研究院 精密仪器及智能监控实验室， 广东 深圳 !"#$!%）!"： 提出了一种基于 &’ 算法的人工神经网络解耦控制策略， 并将其应用于流化床锅炉的燃烧系统中，其思想是在加入神经网络解耦环节以后， 使得包括该解耦环节在内的广义被控对象的第一系数矩阵为对角矩阵。 仿真结果证明， 该策略能收到良好的控制效果， 成功解决了主汽压力和料床温度的燃烧系统控制难题： 即同时控制给煤量和一次送风量， 有望用于循环流化床锅炉燃烧系统这类复杂过程的控制。#$%： 神经网络； 解耦； 流化床锅炉； 燃烧控制&’()*： () *+",+；(’ "#-+,-./： .+01*： "$$*/ *$0%（ +$$-）$" / $$$% / $0当 前大多数循环流化床 12&（ 134567893:; 276<3=3>?= &?=） 锅炉的热工自 动化水平不高， 有的至今仍采用 手动操作。 由 于其燃烧过程是一个多参数、非线性、 时变及多变量强耦合的复杂系统， 很难建立精确的数学模型， 单纯用 常规的控制理论解决这一自 动控制问题非常困难。12& 锅炉燃烧控制系统包括主汽压力、 床层温度、 送风及炉膛负压等控制。 目 前国内 外常见的方法一般是以主汽压力控制为主， 按最佳风煤比的原则调节一次风量， 同时控制床层温度在所要求的范围内。 实践表明这种控制方案在保证主汽压力的同时很难将床层温度控制在最优范围内［ "］。人工神经元网络具有学习能力、 泛化能力、 容错能力和非线性映射能力。 它可以弥补常规方法的局限性， 使得非线性、 时变性和不确定性多变量系统的解耦控制成为可能。 为此， 力求用 人工神经网络实现12& 锅炉的主汽压力/床层温度的解耦控制。"基于 &’ 算法的神经网络解耦控制策略结合循环流化床锅炉燃烧系统， 给出其 - 层 &’神经网络解耦控制原理图，如图 " 所示。假定解耦网络各层的神经元活化函数为!（ "） @ #"/?/! ""A?/! "（ "）则解耦网络的训练目 标为B3:$（ %）@"+（&"/"’"("）+A"+（&+/")"(+）+A"+（"’"(+）+A"+（")"("）+（ +）式中’*为解耦以后广义被控对象的 &43C9D7 第一系数矩阵［ +］的对角线元素。采用梯度算法修正解耦网络的加权系数 +，即#+@/$"$（ +）"+$ 为学习率。将式（ +） 对 + 求导后， 可根据式（ -） 求得解耦神经网络加权系数的修正值。为了叙述方便， 规定：%*!*@"E +为解耦神经网络输出层第 * 个节点的输出 ；*,F出层第 * 个节点的输入；+F（ -）式中*!* @"，+为解耦神经网络输*-!*@"E +；-@"E +E … ，.为解耦神经网络隐层的第 - 个节点到输出 层的第 * 个节点的连接权系数， . 为隐层神经元个数； /(0G神经网络隐层的第 - 个节点的输出；*,G耦神经网络隐层的第 - 个节点的输入； +G-!-@"E+… ，.为解耦-!-@"E+…，.为解- 1!-@"E+…，.； 1@"E+为解耦神经网络输入层的第 1 个节点到隐层的第 -个节点的连接权系数；(1!1@"E+为解耦神经网络输入层的第 1 个节点的输入和输出。下面详细分析解耦神经网络隐层和输出层加权系数的修正。收稿日 期：+$$+/$- /$!； 修回日 期：+$$+/ $0/+H图 " 基于 &’ 算法的神经网络解耦控制原理框图23;," (I? J7D5K =38;48B DL :?6487 :?9MD4K =?5D6N73:;5D:94D7 J8C?= D: &’ 8439IB?935电 力 自 动 化 设 备O7?59435 ’DM?4 .69DB893D: OP63NB?:9QD7,+- RD,"S8:,+$$-第 +- 卷第 " 期+$$- 年 " 月2 为燃料量，3 为送风量，’ 为主汽压力，) 为床层温度，4*!* @"，+为两个主通道的控制器，5* 1!*， 1@"， +为燃烧系统被控对象各通道的传递函数，(*!* @"， +为 &’ 网络输入层神经元的输入，%*!*@"E +为 &’ 网络输出层神经元的输出。%

    阅读了该文档的用户还阅读了这些文档

    188宝金博页面版:关于我们

    188宝金博页面版:帮助中心

    188宝金博页面版:关注我们

    • 新浪微博

    关注188宝金博页面版公众号

    188宝金博页面版
    阅读
    APP
    阅读
    返回
    顶部
    188宝金博页面版官网登录在线平台入口（2026已更新）—江苏协昌电子科技股份有限公司