超临界直流炉蒸汽发生器的建模与仿真分析

研究以某600MW机组超临界直流炉的蒸汽发生器为对象,从过程基本方程出发,建立单相及两相受热管动态特性的动力学方程.采用随体导数法建立了关于在亚临界及超临界工况的非线件分布参数动态数学模型.针对蒸汽发生器在两种典型工况下的动态特性进行了仿真研究,所得结果,对进一步研究超临界直流锅炉的安全运行中全工况动态仿真提供有意义的设计参考.     

基于递阶G-K聚类的热工过程多模型建模方法

针对热工过程分段线性化的特点,本文提出一种新的基于递阶模糊聚类的热工过程多模型建模方法。首先基于递阶G-K模糊聚类对系统输入／输出数据空间进行快速聚类分解,避免了聚类数确定的盲目性;然后在每个子空间中利用最小二乘法辨识出相应的线性子模型,再将各子模型通过模糊加权求和以得到精确的系统全局模型。同时,为保证各聚类子空间内样本的“线性化度”,采用新的综合聚类指标,并利用免疫遗传算法来求解该聚类问题,以克服迭代算法易陷入局部极小和对聚类初始化敏感的缺点。该方法能充分利用运行数据中所包涵的对象动态特性信息,以描述过程的全局非线性。最后通过几个典型实例验证了该方法的有效性、准确性。     

一种新的小波神经网络结构优化设计方法

针对基于框架的小波神经网络存在的网络冗余性较大的问题, 提出一种基于粗糙集理论的网络结构优化设计方法. 首先通过时频分析确定小波神经网络的初步构造; 在此基础上, 根据网络输出对隐层节点依赖度的大小去除冗余的隐层节点, 达到优化网络结构的目的, 仿真结果表明该方法是简单而有效的.     

基于神经网络的火电机组负荷预见控制方法及其仿真研究

利用多个自适应神经元构造了火电单元机组负荷预见控制系统，研究了用神经网络实现多变量系统的预见协调控制，神经网络输入量应该怎样选取。仿真结果证明了这种控制方案的正确性。与原有的负荷最优预见控制方法相比，该方法不依赖于对象的精确模型，也不涉及权重矩阵的选取。     

基于小波神经网络的火电单元机组负荷系统建模仿真研究

火电单元机组是一种复杂的多变量对象，常规方法难以建立它的非线性数学模型。该文利用一种多输入多输出的连续小波神经网络对单元机组负荷数学模型建模问题进行了研究。网络隐层采用框架小波函数，输出层采用线性函数，采用BP算法对网络进行训练，并利用自适应的学习速率和动量参数加快网络训练的收敛速度。网络的训练结果和测试结果均表明，小波网络输出值与实际模型输出值之间的误差在允许范围内，小波神经网络可以较好地逼近单元机组负荷数学模型。     

协调控制系统的专家极点配置自整定方法

本文提出了一种多变量ＰＩＤ控制系统参数在线自整定方法，即多变量专家极点配置（ＭＥＰＰ）法。该方法将单变量ＰＩＤ控制器极点配置自整定方法推广到多变量系统，并成功地运用专家系统原理实现了闭环极点的自动配置，克服了人工试凑的缺陷。该方法用于火电单元机组协调控制系统自整定仿真研究，结果是令人满意的。     

真菌α-淀粉酶和麦芽糖α-淀粉酶对馒头粉品质改良的比较研究

从提高小麦粉质量、延长馒头货架期的角度出发,以国产小麦粉作为试验用粉,通过粉质试验、降落数值测试、蒸馒头试验及质构测试等分析方法,研究了真菌α-淀粉酶和麦芽糖α-淀粉酶在国产小麦粉中发挥改良作用的应用效果。结果表明:真菌α-淀粉酶对馒头粉综合品质的提高优于麦芽糖α-淀粉酶,而麦芽糖α-淀粉酶在馒头贮存过程中的抗老化效果优于真菌α-淀粉酶。     

基于单向解耦的火电机组负荷最优预见控制方法

根据火电单元机组数学模型的特点,将多变量解耦理论与最优预见控制方法相结合,提出了一种基于单向解耦的负荷最优预见控制系统设计方法,该方法将2×2多变量最优预见控制系统的设计转化为两个单回路系统的设计,从而简化了系统结构,减少了计算量。仿真结果表明:所设计的系统具有良好的负荷跟踪性能。图5参7     

电厂过热汽温的智能预测控制方法

电厂过热汽温对象具有大惯性、大迟延和非线性等特性,常规控制策略难取得满意的控制效果。为此,提出一种基于免疫优化的智能预测控制方法,它将离线辨识得到的模型作为预测模型,然后利用实数编码的免疫优化算法在线实现预测控制的滚动优化,给出每个采样时刻的最优控制量。将其应用于过热汽温控制系统进行仿真研究,结果表明该智能预测控制方法具有优良的控制品质。     

小麦粉品质与馒头品质的相关性研究

以9种小麦粉为研究对象,从化学组成与流变学特性两方面对其进行研究.将这些小麦粉制作成北方手工馒头,通过对这些馒头的感官和质构评价得出小麦粉品质与馒头品质的相关性,并结合回归分析归纳出制作优质馒头的小麦粉所需具备的品质性状.