SCR烟气脱硝跨周期分段控制

喷氨量控制是选择性催化还原(SCR)烟气脱硝控制中的核心问题,常规单一PID控制策略主要依据前几次采样时刻的控制误差,当进口NOx质量浓度变化速率发生突变且存在出口检测滞后时,难以实现喷氨量的精确控制。鉴于生产工艺具有周期性这一特征,提出了一种跨周期分段控制方法,依据时间将生产周期划分为若干个控制段,分别设置不同的起、止点阀门开度基准值和控制参数,采用直线插值计算控制点的阀门开度值,并利用对应的前一个周期、前两个周期的控制误差计算控制段终止点阀门开度调节值,优化氨气阀门开度值。仿真结果表明：该方法能够实现喷氨量的精确控制,使出口NOx质量浓度达到国家排放标准要求的同时有效降低还原剂的使用量,具有较好的控制效果。     

大型离心压缩机性能预测的混合建模方法研究

提出了一种核函数非线性偏最小二乘(PLS)与机理模型相结合的多级离心压缩机性能预测混合建模方法,用以预测离心压缩机的输出压比.通过分析大型离心压缩机多级压缩过程的机理,利用能最守恒关系,在压缩机各级气流损失计算和等熵效率定义的基础上建立了多级离心压缩机性能预测机理模型;利用核函数非线性PLS对机理模型的误差进行了修正.实验结果验证了该方法相比于机理模型的有效性,将其应用于实际生产过程中,取得了满意的效果.     

KPCA和LSSVM在SCR脱硝反应器入口NO_x含量软测量中的应用

SCR脱硝反应器入口NO_x含量及时、准确地测量,对于精确调节喷氨量,控制NO_x排放至关重要。针对NO_x气体分析仪测量滞后的问题,提出了基于KPCA和LSSVM的软测量模型。根据某电厂采集的数据样本规模较大的情况,为了提高NO_x软测量模型的精度,该文首先进行基于相似度函数的样本优选,减少样本冗余信息,简化样本模型。然后对于选取的与反应器入口NO_x有关的18个辅助变量进行核主元分析(KPCA),对样本进行特征提取,降低样本维数,以此作为最小二乘支持向量机(LSSVM)软测量模型的输入,提高软测量模型的精度,对反应器入口NO_x含量的实时、准确测量提供一定的理论依据,为提高反应器脱硝效率打下良好基础。     

基于反向模型的动态材料试验机系统自适应控制策略研究

动态材料结构试验机中,控制系统应具有宽频带和高速采集的特性,通常选用高性能的机电一体化系统-电液伺服控制系统。被检测试样需加载周期或非周期的负荷、变形、位移激励响应信号,准确的信号跟随成为电液伺服控制领域研究的一个重要课题;同时,动态试验过程中,试样未知刚度系数的变化显著影响闭环系统固有频率和阻尼,为满足以上控制要求,该文实现了一种基于反向模型理论的自适应控制策略,实验研究表明,与传统PID算法比较,该控制策略对电液伺服动态材料试验机的周期和非周期激励响应信号具有较好的跟随性和鲁棒性。     

湿法冶金萃取组分含量混合建模方法的研究

由于缺乏有效的检测手段,无法实现湿法冶金萃取过程组分含量的实时检测.本文提出了一种核函数非线性偏最小二乘法(PLS)与萃取过程动态机理模型相结合的萃取组分含量混合建模方法,用以预报萃余液中被萃组分的浓度.通过分析混合澄清器机理,利用物料衡算关系建立了萃取过程组分含量的动态模型;利用核函数非线性PLS对模型中的未知参数分配比进行辨识.仿真分析验证了该方法相比于机理模型的有效性,将其应用于实际生产过程中,取得了满意的效果.     

陡河发电厂#3(250MW)燃煤机组SCR烟气脱硝技术改造探讨

介绍了陡河发电厂#3(250MW)燃煤机组增加烟气脱硝装置的技术改造工艺,分析了其主要的技术特点及相关设备的改造内容。     

一种适用于烧结烟气SCR脱硝的氨水蒸发及喷射一体化技术研究

当前,我国钢铁烧结领域污染物超低排放标准以及我国和国际社会碳达峰、碳中和相关政策要求日趋严苛,针对烧结烟气治理广泛使用的SCR脱硝技术,通过对比脱硝系统现有的氨水蒸发、氨水喷射技术的优缺点,提出了一种更适用于烧结烟气SCR脱硝的氨水蒸发及喷射一体化技术,该技术可以在满足系统稳定运行、NOx超低排放、减少氨逃逸的基础上,最大限度地实现脱硝系统的高效、节能、低碳运行。     

一种适合于动态建模的信号参数模型

本文利用复指数模型作为瞬态信号的表示形式;系统的动态参数模型可由系统的输入与输出信号之间的关系建立;对实际窄带滤波器的阶跃响应的建模,表明了复指数信号模型是一种很有效的瞬态信号表示方法,只需截取很短的一段瞬态过渡信号,就可以得到信号参数的估计,系统模型的频域,时域回归效果较好.     

火电机组石灰石-石膏湿法烟气脱硫系统优化

针对当前湿法烟气脱硫系统经济效益和脱硫效率存在的问题,通过对湿法烟气脱硫系统前加装烟气余热回收装置,使脱硫系统设计方面得到了改造,并分析了造成脱硫效率降低的几个主要因素,并通过优化其运行方式,使得脱硫系统既满足高脱硫率。也使脱硫装置的经济效益得到了显著提高。从现在投运的电厂可知,该优化方法是可行的。     

气体传感器的动态高精度测试系统设计

目前气体传感动态配气方法已经广泛应用,但具体的配制精度还没有系统研究。设计并组建了以四级杆质谱仪、质量流量控制器和计算机程控系统为主的气体传感器测试系统,该系统根据质谱仪的测试数据利用线性最小二乘法实时调整质量流量控制器的输出电压,采用LabVIEW8.5编写上位机数据采集软件进行远程闭环控制。对目前工业领域使用量最大的12种危化品气体进行了气体配制,并对配制的部分气体利用Agilent6890气相色谱仪进行了测试分析,给出了该测试系统在常温常压下配制不同浓度混合气体的精度。实验数据表明:该系统配制的气体可以作为工业气体传感器的标定气体使用。     

烟气脱硫控制系统的设计及应用

通过分析烟气脱硫系统工艺流程,根据系统的特点和控制要求,利用Profibus现场总线和工业以太网技术构建了上下两层网络架构体系,设计开发了一种基于PLC软冗余技术的烟气脱硫控制系统。为了取得良好脱硫效果,石灰石浆液pH值的调节过程采用串级加前馈的PID控制方式,有效解决了回路响应滞后、适应性差的问题。实践证明,该系统具有良好的稳定性和实用性,达到节能减排的效果。     

浅论垃圾焚烧烟气处理技术

阐述了垃圾焚烧烟气处理技术重要性；针对垃圾焚烧烟气中的各种有害成分，介绍了对应的处理方法，并根据神工环保公司的工程实践进行烟气处理工艺的系统集成；着重对半干法酸性气体去除装置、袋式除尘器、二恶英去除装置等设备进行了介绍和探讨。     

基于粒子群优化的混合模型预测控制研究

为解决复杂非线性系统的控制精度不高,稳定性难于保证等问题、将预测控制技术应用于非线性控制中,提出了一种基于粒子群优化和混合模型的预测控制算法.混合模型预测控制算法使用模糊聚类和最小二乘法建立了系统的复合模犁,由带压缩因子的粒子群算法优化获得了非线性控制系统的控制量,在非线性模型上对模糊预测控制算法和混合模型预测控制算法...     

DCS冗余系统在烟气脱硫上的应用

随着行业竞争的加剧和不断升级的环境保护压力,各生产企业更加追求生产设备的可靠性和稳定性,尤其是那些控制关键性生产工序的设备,往往需要采用冗余配置。PLC的集散控制系统（DCS）是目前最为先进的过程冗余控制系统。该文重点介绍了以2个ControlLogix处理器为基础,利用现代网络技术、图形显示技术和冗余技术,实现对分散控制设备进行调节、监视和管理的DCS系统在烟气脱硫生产方面的系统解决方案。     

差压式密度测算法在湿法脱硫中的成功应用

差压变送器测量压差并计算密度的测量方法已有很多人试用,但是因其安装及测算公式等环节的问题,还未大规模推广。该文着重讲述了差压变送器在密度测量中的设计与安装,并从技术经济角度出发,分析了各种测量方法的优缺点以及运行维护成本,解决了差压式密度测算法在工程应用中长期困扰仪控设计人员的难题,对工程运用具有一定的借鉴指导作用。     

基于PLC的烟气道生产线自动化研究

针对目前国内烟气道行业生产工艺落后、制造设备功能单一且自动化程度低等问题,对水泥烟气道产品的制造原料、养护工艺、成型模具以及自动化控制系统等方面进行了研究,对生产环节的可选工艺和设备及其自动化实现方案进行了比较分析。提出了一种以普通硅酸盐水泥作为原料而通过震动抽水并用蒸汽养护的生产工艺;改良设计了模具使其内外模分开,内模是可缩放的而外模亦可调整;开发出了基于激光测距传感器的识别技术对线上外模进行自动识别。生产效果表明,基于PLC(可编程控制器)的控制系统使生产线实现了机电液气一体化的自动化生产,一条生产线上能同时生产数种型号产品,能以每小时最少15根的快节拍生产,提高了生产效率和产品质量稳定性,降低了人工劳动强度和长期生产成本。     

面向行人检测的异构视觉传感网络自适应标定

异构视觉传感网络的标定是实现准确行人检测、跟踪、识别以及行为分析的关键和前提,对公共安全和智能安防具有重要意义。本文提出了一种面向行人检测的异构视觉传感网络自适应标定方法。首先,构建主动旋转变焦(PTZ)传感节点变焦成像模型,采用基于SURF特征点匹配的方法实现内参数自标定。其次,构建外参数分布式标定模型,将异构视觉传感网络外参数标定分解为节点局部标定和网络全局标定,从而避免采用单一中心节点进行集中式处理,提高方法的可扩展性;最后,为了提高标定精度,采用自适应混沌微粒群优化算法最小化内、外参数估计的再投影误差和轨迹匹配误差。实验结果表明,本方法有效降低了网络通讯量和标定误差,提高了异构视觉传感网络行人检测精度,具有重要的理论和实际应用价值。     

Nonlinear model identification and adaptive model predictive control using neural networks

This paper presents two new adaptive model predictive control algorithms, both consisting of an on-line process identification part and a predictive control part. Both parts are executed at each sampling instant. The predictive control part of the first algorithm is the Nonlinear Model Predictive Control strategy and the control part of the second algorithm is the Generalized Predictive Control strategy. In the identification parts of both algorithms the process model is approximated by a series-parallel neural network structure which is trained by a recursive least squares (ARLS) method. The two control algorithms have been applied to: 1) the temperature control of a fluidized bed furnace reactor (FBFR) of a pilot plant and 2) the auto-pilot control of an F-16 aircraft. The training and validation data of the neural network are obtained from the open-loop simulation of the FBFR and the nonlinear F-16 aircraft models. The identification and control simulation results show that the first algorithm outperforms the second one at the expense of extra computation time.