锅炉汽包虚假水位软测量模型的建立与仿真

汽包水位是电站锅炉运行的重要参数,汽包水位控制的好坏直接影响到火电厂运行的安全、稳定与经济性。本课题用混合建模方法进行了真实水位软测量模型的仿真研究,获得了精度较高的软测量真实水位模型,旨在研究对锅炉汽包真实水位和虚假水位分别进行测量的方法,以便于在汽包水位调节过程中根据两者的截然不同的特点加以对待,从而能更方便、科学地进行水位调节。     

汽包水位测量的补偿

本文分析了汽包压力及平衡容器内冷水温度对汽包水位测量的影响,把图解分析与计算机辅助建模相结合,提出了饱和水蒸汽密度的数学模型,进而应用于汽包水位的压力温度补偿,对提高锅炉汽包水位的测量精度具有实用意义。     

基于RBF神经网络的汽包水位软测量模型研究

热工系统往往表现出非线性和不确定性．难以建立精确的数学模型。以汽包水位为对象．结合机理分析确定原始变量作为神经网络的输入．通过k均值聚粪法则与梯度下降法实现了网络的学习功能，并最终建立了基于RBF神经网络的软测量模型。阐述了RBF神经网络在汽包水位洲量中的建模与应用。仿真实验表明该模型具有简单易行．精度高、训练时间短、运算速度快的特点．为汽包水位测量提供了一种新的方法。     

如何提高CCS系统汽包水位的测量品质

简要介绍了CCS系统中水位测量的一般原理及水位测量中存在的问题，提出了为提高水位测量精度所采取的措施。     

锅炉汽包水位测量新技术及其应用

本文通过分析几种锅炉汽包水位测量的方法及原理,说明新型锅炉智能汽包电容液位计具有方便、准确、全工况测量的特点,是目前锅炉汽包水位测量最先进、可靠的一次仪表,它的应用能使电厂连续正常安全生产得到更好的保障。     

消除汽包水位测量偏差经验浅谈

本文重点对汽包水位的测量差异影响因素进行较为细致地分析,对测量偏差认识和理解提出了看法和意见,并结合实际应用对水位测量偏差消除及方法详细说明。     

斯克维思液位测量方案在锅炉汽包水位的准确测量

锅炉汽包是工业生产过程中蒸汽动力的发生器,对锅炉汽包水位进行准确测量和控制,是锅炉汽包安全运行的重要要求,也始终是过程液位测量的一个难点。本文通过对锅炉汽包水位测量重要性,中国电力行业对锅炉汽包水位测量在设计、安装及运行方面的要求,锅炉汽包水位测量的难点,以及当前我国锅炉汽包水位测量及测量仪表常见的问题和不足几方面进行了阐述。通过对比,解析了北京斯克维思仪表有限公司关于锅炉汽包水位测量方案在常规测量方案基础上的优化和创新,为锅炉汽包水位测量领域注入了新的活力。     

锅炉汽包水位的测量及差压开关的应用

通过对锅炉工作过程中汽水系统的分析,阐述了汽包水位测量与监控的重要性。推导出汽包水位与输出的压差值的关系式,通过必要的修正,能够准确的反应锅炉汽包的水位变化,从而为差压开关在锅炉汽包水位控制中的应用提供了理论依据。     

基于神经网络的自由曲线插补研究

介绍了利用神经网络的非线性逼近能力和自学习能力,对未知表达式的曲线进行辨识,并利用从曲线的神经网络辨识模型中得到的数据,建立一个数控系统的神经网络插补控制器,实现对未知表达式曲线的插补.通过理论研究和仿真试验表明,这种方法能够较好的完成这类曲线的插补.     

基于径向基函数神经网络和NLJ优化算法的精馏塔控制

精馏塔是一个非常重要的操作单元,具有较强的非线性和时变性,很难进行基于机理建模分析的实时优化控制.通过对精馏塔的相关过程变量进行主元分析确定了5～6个关键变量作为神经网络的输入,建立了精馏塔多个质量指标的RBF神经网络的软仪表模型,实现了这些质量指标的在线估计.选取其中部分软仪表模型作为优化控制系统中的约束条件函数模型和目标函数模型,采用NLJ优化算法(变收缩系数的随机搜索算法)获取最优的决策变量设定值,从而得到了满足生产质量要求的精馏塔产品的最大采出,实现了精馏塔的卡边优化控制.     

基于模糊神经网络的锅炉系统故障诊断研究

在介绍人工神经网络的基本原理和基于神经网络的锅炉系统故障诊断原理的基础上,将模糊逻辑引入了神经网络,研究了集成的模糊神经网络在锅炉系统故障诊断方面的应用,并给出了锅炉样本的一个实例训练过程及测试结果,与传统的标准BP网络算法对比,证实了该方法在锅炉的故障诊断方面能够取得更好的效果。     

神经网络信息融合及其在球磨机测量中的应用

火电厂中钢球磨煤机筒内存煤量的测量问题一直是制粉控制效率低和自动控制难以投入运行的主要原因之一,针对D-S证据理论存在的不足,而利用神经网络具有的自组织、自学习,并行分布处理、高度容错性和鲁棒性的特点,本文提出了一种将证据理论与模糊理论相结合的模糊证据理论方法并将其用于解决球磨机存煤量的测量问题。融合结果表明该方法用于存煤量的测量能够有效判别出存煤量的数值范围及变化趋势,为球磨机自动控制的投入和运行操作提供了有效的保证。     

测站水位的改进型神经网络模型预测

神经网络作为一种非机理性模型,在非线性问题方面被广泛应用,由于水位与上下游位置存在明显的非线性关系,因此选用神经网络并结合现有的工具软件进行测站水位的预测。在全面分析神经网络特点的基础上,通过某径流上有测点的水位资料建立了下游测点的水位预测神经网络模型,详细给出了模型建立的具体步骤。工程实例表明该模型具有预报精度高等优点,可以为类似工程提供参考。     

基于模糊聚类的Kohonen神经网络三角网格曲面重建

针对密集点云的三角网格曲面重建,提出一种用于数据精简和分块的神经网络算法:将模糊聚类方法与Kohonen神经网络算法结合.该算法具有按不同曲率进行曲面点云分块重建的能力,而且提高了自组织神经网络的效率.并应用该算法进行了仿真试验,建立了三角拓扑网格曲面,验证了算法的有效性.     

神经网络技术在变压器故障诊断中的应用

本文针对变压器传统故障诊断的缺点,提出将神经网络技术用于变压器故障诊断。本文对BP算法改进,使网络收敛速度和误差精度进一步提高。收集部分油中溶解气体故障数据样本,对变压器故障类型进行了分析,并确定网络的输入和输出向量,建立诊断网络模型,实现对各项网络参数的比较确定,在Mtalab里面仿真使误差满足要求。