火电厂球磨机筒内载煤量料位测量的现状与发展

讨论了电厂球磨机料位测量的常用方法(主要包括差压法、音频法、功率法、振动法、气动差压法、应变法、油压法、物位法、出力法等)和存在的问题.由于单一测量方法均存在缺点,现已开始采用多传感器变量信息融合的软测量技术.介绍了建立软测量模型的一般理论和方法,讨论了当前球磨机料位测量中多种软测量技术的应用情况.展望了球磨机料位测量技术的发展趋势.     

中储式制粉系统出力在线监测软测量建模

为降低球磨机制粉系统的制粉单耗，对制粉系统出力进行软测量建模研究。在建模过程中，针对软测量辅助变量选择难的问题，将混沌理论与灰熵关联理论相结合，提出一种新的适用于具有混沌特性的灰系统对象的软测量辅助变量选择方法，即混沌灰熵分析(GECA)法；为解决软测量模型在线校正问题，提出模型在线校正的新算法，以提高软测量模型的测量精度；在此基础上实现了基于混沌灰熵分析支成分分析支持向量机(PCA-e-SVR)、主成分分析BP网络持向量机(GECA-e-SVR)的制粉系统出力软测量建模。与主(PCA-BP)软测量模型相比较，GECA-e-SVR模型具有较高精度。研究表明，文中所建立的软测量模型具有较高测量精度，具有重要的工程应用价值。     

基于混沌理论的球磨机出力特性分析

制粉出力目前尚无法直接在线测量,众多球磨机制粉系统改造中都采用了软测量的方法,其中神经网络模型运用最为广泛.由于对神经网络输入节点(辅助变量)数的确定缺乏一个科学的指导原则,往往造成所构造的软测量模型效果不佳.运用分形理论的相空间重构算法及描述非线性特性的特征参数棗关联维数对球磨机出力特性进行分析,找到球磨机差压信号的关联维数,从而得到软测量模型的辅助变量数目,为软测量模型的构建提供了有力的帮助.     

基于LSGSVM和GM的球磨机料位动态软测量

提出了一种基于最小二乘支持向量机(LS-SVM)和灰色模型(GM)的钢球磨煤机料位动态软测量方法,分析了料位的影响因素,确定了软测量模型的辅助变量;基于 LS-SVM建立料位软测量静态模型,将静态模型测量结果与实际值比较,获得测量误差时间序列,并采用GM对其建模和预测;将预测的误差结果与静态模型输出进行叠加,实现对测量结果的动态校正。实际应用结果表明,该方法能够有效地反映料位的变化趋势和动态特性,比单纯 LS-SVM模型测量具有更高的精度和适用性。     

基于LS-SVM和GM的球磨机料位动态软测量

提出了一种基于最小二乘支持向量机(LS-SVM)和灰色模型(GM)的钢球磨煤机料位动态软测量方法,分析了料位的影响因素,确定了软测量模型的辅助变量;基于LS-SVM建立料位软测量静态模型,将静态模型测量结果与实际值比较,获得测量误差时间序列,并采用GM对其建模和预测;将预测的误差结果与静态模型输出进行叠加,实现对测量结果的动态校正。实际应用结果表明,该方法能够有效地反映料位的变化趋势和动态特性,比单纯LS-SVM模型测量具有更高的精度和适用性。     

基于云模型的球磨机料位概念表示与测量模型

针对采用音频法测量球磨机料位时存在特征值随机性强等不确定性因素,引入云理论进行球磨机料位概念表示,并利用云模型实现球磨机料位测量。其过程是对数据进行预处理并提取特征值,然后采用逆向云算法对不同料位下振声信号的特征进行基本料位概念提取,经过概念提升成粗粒度的料位概念表示后,形成不确定性推理的前件云模型;同时依据料位值信息构造推理后件云模型,以此建立云不确定性推理规则集。最后,通过云模型规则推理实现球磨机料位的软测量。多种方法对比实验结果说明了模型的有效性和实用性。     

基于多传感器信息融合技术的球磨机料位测控系统

提出了一种基于多传感器信息融合技术的球磨机料位测控系统.在机理模型分析的基础上,研究了球磨机料位与过程参数之间的关系.研究了信息融合中传感器的选取和数据采集,开发了由数据采集器-数据通信器-PC机3层结构组成的球磨机筒体振动信号采集装置,并基于最小二乘支持向量机(LS-SVM)算法提出了料位信息融合软测量方法.提出了基于料位检测的球磨机负荷模糊控制算法.实验结果表明,该测控系统能够有效地实现料位检测与优化控制.     

基于轴承振动特性的球磨机筒内料位监测

为提高工业球磨机的生产能力并降低能耗,提出了使用磨煤机的轴承振动特性来测量球磨机筒内料位的新方法。该方法通过使用2个安装在轴承座外壳上的振动传感器来采集磨煤机轴承振动信号,通过设计的基于KINGVIEW及VC++ 软件平台信号采集系统采集振动信号,并使用小波包分析技术对振动信号进行计算处理,将原始信号转换成能量幅值。在此基础上,以某250 MW电厂为例研究研磨时间、无通风、有通风工况下不同料位与振动特性的关系。实验结果表明,磨煤机的筒内料位状态,如过载、稳态等,可以通过振动特性来反映。通过振动特性来测量料位,磨煤机的工作性能可以得到改善。     

软测量辅助变量选择方法研究

对软测量中辅助变量的选择过程进行研究.主要讨论了基于机理分析方法选择变量,与通过对历史数据进行建模分析方法选择辅助变量.通过神经网络软测量模型预测,对两种方法选择的辅助变量的预测结果进行比较,最终确定辅助变量.     

神经网络软测量在家用房间空调器制冷量测量中的研究与应用

软测量是应用计算机技术对难以测量或无法直接测量的变量,选择与之相关的一些容易测量的变量,通过建模变量关系来推断或者估算。本文针对普通家用房间空调器系统的制冷量测量提出了一种基于BP神经网络的软测量方法。目前普通家用房间空调器多数为一拖一空调系统,通过测量采集空调系统中与制冷量变化相关的状态参数,采用BP神经网络预测系统制冷量,并在MATLAB中进行了仿真。同时采用平均影响值MIV对BP神经网络输入层节点参数的权重进行分析,从而达到变量的筛选,发现各变量在系统中作用的重要程度。结果表明,采用BP神经网络软测量的预测效果与实际测量结果偏差较小,可以用于家用房间空调系统制冷量的测量,且输入变量的权重分析结果与影响系统制冷量的组件结构特性较为一致。     

软测量技术及其在火电厂的应用

由于许多影响火力发电安全运行及其经济性的重要参数难以在线实时测量,而软测量技术可通过建立难测量的主导变量与易测量的辅助变量之间的数学关系来达到以软件代替硬件(传感器)的目的.介绍了软测量技术的基本方法,给出了软测量模型的一般理论和建模方法,并以实例介绍了软测量技术在火电厂热工控制方面的应用.     

测振法在球磨机装煤量测量中的应用

本文以压电测振传感器为例,介绍了应用测振法来测量球磨机装煤量(料位)的原理和实践。给出试验中球磨机不同装煤量时,测得的振动信号的功率谱。     

基于RBFNN模型明胶浓度在线测量

为提高国内明胶企业检测明胶浓度效率,提出一种基于径向基函数人工神经网络(RBFNN)软测量多模型。选定时间、温度和比重作为辅助变量,用GK聚类算法对所采集的数据进行聚类,使用NeuroSolution软件中的RBF模块组成RBFNN,将所聚子类数据输入该模型进行训练,用与输入变量对应的子模型的输出作为系统最终输出。仿真结果表明该建模方法均方根误差为0.000824,与相同辅助变量单RBFNN模型相比精度有了很大提高。     

基于LS-SVM和机理模型的球磨机料位软测量

提出了一种机理知识和最小二乘支持向量机(LS-SVM)相结合的球磨机料位混合软测量方法.基于机理模型建立料位理论模型;将料位机理特性融入LS-SVM的建模过程中,利用LS-SVM算法对机理模型进行校正,弥补它的不精确性.通过现场试验和实际运行分析表明,混合模型能够有效地反映出实际运行中料位的变化趋势和动态特性.     

基于随机森林变量选择的飞灰含碳量预测模型

针对目前几种飞灰含碳量软测量方法建模时未进行输入特征筛选以及建模方法较为单一的问题,提出花授粉算法优化随机森林的变量选择飞灰含碳量(FPA-RF)预测模型。采用影响飞灰含碳量的因素构成初始变量,利用基于随机森林的变量选择方法从中筛选最优变量。以最优变量为模型输入,训练随机森林并通过花授粉算法优化其参数。以某600 MW燃煤机组的分布式控制系统(DCS)数据为例,对本文FPA-RF预测模型和基于人工神经网络(ANN)和粒子群-支持向量机(PSO-SVM)的飞灰含碳量预测模型进行比较验证,结果表明:ANN预测模型的预测误差最大,泛化能力较弱;FPA-RF和PSO-SVM预测模型均取得较好的效果;但PSO-SVM预测模型平均训练时间为55 s,较FPA-RF长约30 s,说明本文FPA-RF预测模型具有更高的预测精度和更快的计算速度。     

基于变量筛选的烟气流量软测量研究

为了解决烟气流量主要依靠硬件传感器测量,高温腐蚀使得传感器损坏,烟气湍流、紊流现象的存在,使得测量不准确等问题,提出一种基于投影重要性分析和前向搜索筛选辅助变量,使用支持向量机建模的软测量方法,测量SCR反应器入口烟气流量。以电厂阵列式传感器测量出的烟气流量作标准,使用最小二乘支持向量机方法建立模型预测输出,对比投影重要性分析筛选辅助变量和不筛选变量结果表明,投影重要性分析和前向搜索筛选辅助变量的方法对建模有较好优势,能够减小系统结构,增加软测量建模的泛化能力。     

基于特征选择的数据驱动软测量方法

由于测量环境恶劣,分析仪器成本昂贵,测量延迟大,发电机组一些关键参数难以实现在线测量。本文提出一种基于皮尔森相关系数和最小角回归算法相结合的特征选择方法,并以此为基础建立电厂烟气含氧量软测量模型。首先,根据机理分析确定烟气含氧量模型的初始输入变量,使用皮尔森相关系数对多测点数据进行数据融合;然后,使用最小角回归算法对输入变量进行特征选择,引入高斯过程回归(GPR)模型建立了烟气含氧量的软测量模型;最后将该模型用于某超超临界1 000 MW机组实际稳定工况数据进行仿真。结果表明:该模型预测结果与实测值误差较小,模型精度较高;使用该特征选择方法可以有效减少模型二次变量数量,降低模型输入复杂度,提高计算效率,同时可以改善模型的泛化能力,提高软测量的静态准确度。     

基于软仪表的电站风粉浓度测量的研究

利用软仪表测量原理,研究了电站风粉浓度测量的软测量模型。由于辅助变量的特性直接影响主导变量估计值的动态特征,提出了对辅助变量进行在线补偿的方法来提高风粉浓度测量的精确性和实时性。现场应用收到了较好的效果。     

软测量技术及其在装备检测中的应用

软测量技术是一门新兴技术,在工业过程分析、变量测试计量、控制优化等理论和实践中取得了较好的效果。论文在简述软测量技术原理的基础上,从辅助变量的选择、过程数据处理、软测量模型建立和在线校正四个方面介绍软测量技术包含的主要内容和主要实现方法。论文结合武器装备的特点,通过对某自行高炮伺服电机转速与控制电压比例系数的估计来说明软测量技术的应用方法和过程。最后,论文对软测量技术的发展现状和存在的问题进行了总结。     

软计算在钢球磨煤机制粉系统中的应用研究

软计算对于不精确、不确定或者不准确信息的容错能力,使得软计算成员间的结合以及软计算方法与其它方法的结合成为解决热工过程中复杂建模、控制、优化问题的新方法.为了有效、可靠地测量钢球磨煤机(球磨机)出力,基于神经网络、混沌信息处理技术的软计算方法建立了球磨机出力软测量模型.仿真结果表明,该模型不仅能够预估稳态下的球磨机出力,而且能够在线估计动态过程中的球磨机出力.