基于神经网络的电站锅炉辐射受热面污染监测

对传统的BP算法采取了新的改进方案，建立了基于人工神经网络的电站锅炉辐射受热面污染监测模型，应用于华北莱300MW燃煤机组，为实现锅炉受热面优化吹灰建立了基础。与同一时间段内基于热平衡的监测结果的比较证明了该方法的合理性，分析了产生差别的原因，指出了不同监测模型适用于不同性质的受热面。     

燃煤电站锅炉受热面灰污监测研究

锅炉受热面积灰和结渣会导致锅炉运行的安全性和经济性下降。定义了新的受热面清洁因子,考虑了锅炉各受热面清洁时与灰污平衡时工质进出口焓升的变化,该清洁因子能够更显著地反映出受热面的灰污程度。应用BP神经网络预测不同工况下锅炉各受热面的工质焓升极大值与极小值,实时计算出锅炉各受热面的灰污状况,可指导和优化锅炉吹灰操作,并以屏式过热器为例进行了验证。     

锅炉运行能损的人工神经网络定位与分级

针对常规的基于模型的电站锅炉运行经济性诊断方法存在的弊端 ,提出了基于人工智能理论的电站锅炉节能潜力在线诊断方案的总体框架 ,建立了基于人工神经网络的锅炉运行能损的分类定位与分级诊断模型 ,并对该诊断模型的有效性进行了初步验证。借助于给出的电站锅炉能损定位与分级诊断模型 ,可以利用锅炉系统易于直接测量的运行参数在线地确定出系统所发生的各种主要能损的部位和能损程度 ,对于提高电站锅炉的运行经济性具有重要的指导意义     

电站锅炉受热面高温氯腐蚀的机理探讨

燃煤电站锅炉受热面普遍存在高温腐蚀,对于高温腐蚀一直认为主要为硫酸盐和硫化物腐蚀,近年来发现,煤中氯对电站锅炉管高温氯腐蚀的作用亦不可忽视。文中着重对高温氯腐蚀的机理进行了探讨,并提出了一些需要更加深入研究的问题。     

基于人工神经网络的电站锅炉积灰实时监测系统

针对燃煤电站锅炉对流受热面积灰,提出了一种基于人工神经网络的积灰实时监测方法:利用受热面清洁吸热量和实际吸热量定义灰污特征参数;通过电厂现有的DAS系统得到的温度、压力和流量等参数可获得大量样本点;建立神经网络模型并进行训练.在燃用神华煤的某300 MW锅炉上进行了试验.结果表明:实测吸热量与预测吸热量的最大误差不超过10%,平均误差为3%左右.该方法可准确预测锅炉对流受热面的积灰情况.     

锅炉受热面管道剩余寿命的随机监督及诊断

为随机监测、诊断锅炉受热面管道的剩余寿命，本文重点介绍了在机组运行中监测管壁变薄的鉴证模型，介绍了与鉴证模型连在一个诊断系统的管壁温度监测装置，介绍了考虑有关影响因素的管道应力σｍｐ及管道剩余寿命Δｔｊ计算公式。由此可随时掌握管道使用情况，以采取最佳检修对策，最大程度地减少机组的强迫停运和故障停运次数。     

电站锅炉双级布置尾部对流受热面优化设计

本文提出一种电站锅炉双级布置尾部对流受热面优化设计数学模型,并导出完成电算所需要的部分热力参数的拟合公式。对最优化方法在锅炉尾部受热面设计中应用的特点、步骤作了说明。最后,给出一个应用实例,并将优化设计结果与原有设计数据作出比较及评价。     

基于人工神经网络和遗传算法的火电厂锅炉实时燃烧优化系统

大型燃煤电站锅炉燃烧效率的提高和污染气体的低排放对于节约能源和保护环境都有重要意义。通过燃烧优化可以提高锅炉效率、降低锅炉的氮氧化物排放、防止锅炉结焦和受热面爆管等，因而广泛得到应用。但目前燃烧优化方法往往采用现场试验方法，耗时费力，而且由于锅炉输入输出特性复杂。耦合性强，燃用煤种和操作条件变化较大，现场燃烧优化方法往往效果不佳。同时提出从DCS下载实时数据，利用人工神经网络对锅炉特性建模，并利用遗传算法实现操作参数的实时寻优。实践证明：这种方法能够实时地获得目前最佳的锅炉燃烧调整方式，对锅炉的节能降耗和降低环境污染都有重要意义。     

电站π型煤粉锅炉受热面结构设计要点

结合锅炉技术的发展,用户要求的提高,遇到问题的层出不穷、复杂多变,本文从锅炉结构设计的角度,从实际问题出发,介绍锅炉整体布置、锅炉膨胀、固定装置、吊挂和导向等设计时应考虑分析的要点,以此希望设计者在锅炉设计之初考虑周全,锅炉结构合理,运行可靠.     

大型电站锅炉受热面电弧喷涂技术及应用

介绍了某电厂在锅炉大修时对受热面进行喷涂的情况。喷涂前针对材料的防腐蚀和防磨损性能进行试验,通过对比试验结果与技术规范,确定其现场可行性。由于喷涂材料较为昂贵,在进行喷涂面积计算时,需综合考虑经济效益和电厂受热面腐蚀磨损情况。通过喷涂前后效果对比分析表明:涂层对锅炉水冷壁换热无影响,具有良好的防腐、防磨特性。     

基于人工神经网络技术的发动机故障诊断系统

介绍了人工神经网络技术的基本概念、BP（Error Back Propagation）网络的基本结构、原理及其学习算法。分析了基于传统的专家系统理论的汽车故障诊断系统在知识获取、知识表达、及推理能力等方面的缺陷,提出了采用人工神经网络技术来解决发动机故障诊断问题的设想,研制开发了一套故障诊断装置。     

基于神经网络技术的柴油机故障诊断

本文提出了一种新的柴油机故障诊断方法,利用柴油机表面振动信号经过小波包提取特征参数,然后由BP神经网络进行故障诊断。实验研究和计算机模拟的结果表明,这一方法是可行和有效的。     

采用双神经网络模型的柴油机燃油系统故障诊断研究

人工神经网络除了在模式识别中作为分类器应用之外，而且能够实现特征参数的提取。本文通过对柴油机燃油喷射系统的高压油管振动信号进行特征分析，提出了一种利用双人工神经网络模型进行柴油机故障诊断的方法。     

基于神经网络的柴油机燃烧系统故障诊断

根据柴油机在不同状况下燃烧过程中气缸的压力波动情况进行了模式分类。柴油机的缸盖振动与气缸的压力波存在一定的对应关系,但这种对应关系通常难以确定。作应用柴油机缸盖在爆发段的振动信号,经过Hilbert变换,然后应用小波的Mallat算法进行变换,取小波变换后的三阶近拟波形来模拟对应气缸内的压力波动,最后应用神经网络方法对变换后的信号进行燃烧状况的模式识别,给出诊断结果,为柴油机的故障提供了一种新方法。     

内燃机中人工神经网络技术的研究

神经网络作为一门崭新的信息处理技术，以其强大的功能被广泛应用于内燃机行业。本文综述了目前神经网络技术在内燃机工程中的应用现状，同时也展望了神经网络这一新技术在未来内燃机研究中的广阔前景。     

电站锅炉省煤器扩展表面受热面形式的比较研究

针对电厂锅炉省煤器改造中扩展受热面形式选择缺乏明确客观依据的问题,以华北某电厂燃煤锅炉省煤器受热面为研究对象,基于扩展受热面的传热计算、烟气流场分析及煤灰粘结特性分析,提出了受热面面积扩展系数和传热能效2个概念,对于不同形式扩展受热面的传热特性、防磨特性、煤种适应性和钢材消耗量进行了比较,得出了比较明确的结论.可为省煤器受热面扩展形式的选择提供必要的依据,有利于实现省煤器扩展受热面选型程序化和最优化.     

锅炉对流受热面积灰监测模型的灵敏度分析

在现有对流受热面积灰监测系统的基础上,以太原第一热电厂11号炉为对象,利用实际监测结果,对该模型的灵敏度进行了深入分析。利用锅炉校核程序生成的运行参数,进行灰污监测仿真实验。结果表明:三级过热器可以容忍±3%的测量误差,一级再热器可以容忍±5%的测量误差,省煤器的异常敏感参数比其它受热面要多,只能容忍±1%的测量误差。该文揭示了省煤器监测结果可靠性差的原因,为进一步改进积灰监测模型提供了依据。图7参7     

基于图像处理与神经网络的内燃机故障诊断研究

在提出应用图像处理进行故障诊断的基础上,探讨了利用内燃机振动信号产生图像的方法。在对振动信号进行重抽样处理的基础上,实现了振动信号的灰度图像表示,从缸盖振动信号的灰度图像中提取图像特征并对图像特征进行模糊化处理,设计神经网络分类器,实现了对气阀机构故障的诊断与分类。     

基于粗糙集与神经网络集成的内燃机故障诊断

鉴于粗糙集理论对于决策系统的约简处理能力以及神经网络的自组织聚类和非线性映射功能，提出了应用SOM的网络-粗糙集-BP网络集在进行故障诊断的方案：应用SOM网络离散化故障诊断数据中的连续属性值；基于粗糙集理论计算诊断决策系统的约简，根据实际需要确定最优决策系统，在量优决策系统的基础上设计BP网络进行故障诊断，柴油机的实际诊断结果验证了将神经网络与粗糙集理论相结合进行故障诊断的可行性，在数据充分的条件下，该方案可以推广应用于其它机械设备。     

小波神经网络法在柴油机故障诊断中的应用

用小波分析作信号处理手段提取柴油机振声信号特征量 ,以神经网络作为故障模式识别手段 ,进行了柴油机故障的振声诊断方法研究。针对柴油机振声信号的非平稳时变特性 ,应用小波理论中的小波包方法对其进行处理 ,结果表明小波分析是比傅里叶分析更为有效的处理柴油机振声这类非平稳信号的方法。在此基础上 ,研究了用神经网络实现根据小波包分解结果识别柴油机故障状态的方法。