基于自组织模糊神经网络的电厂湿法烟气脱硫系统仿真建模

火电厂石灰石/石膏湿法烟气脱硫工艺中吸收塔浆液PH值的测量和控制是影响脱硫率和终产物石膏品质的关键因素.经理论分析后将自组织模糊神经网络(SOFNN)算法应用于湿法烟气脱硫系统中,对浆液PH值变化过程进行在线辨识,从而获得PH过程模型.算法能够自动划分输入输出空间,决定神经模型的结构并得到模型的参数.仿真结果表明,该算法能够快速跟踪浆液PH值的变化,具有简单,实用,辨识结果精确等优点.     

干酪乳杆菌纯种发酵大豆乳工艺研究

以从益生茵乳制品中自行分离选育出的生长繁殖力强、发酵活力高的干酪乳杆菌(05-20)为试验菌株.通过正交试验研究了干酪乳杆菌纯种发酵大豆乳的工艺条件.结果表明:干酪乳杆菌发酵含有20%牛乳和7%蔗糖的大豆乳(豆与水的比例为1:10)培养基的最适工艺条件为:总接种量7%(活菌数约为7×107 cfu/mL),基质起始pH 7.0,发酵温度37℃,有氧条件发酵;采用最适工艺条件进行干酪乳杆菌发酵大豆乳,凝乳时间为5 h,发酵产品的总活菌数为2.3×109 cfu/mL,pH 4.5,滴定酸度80.2°T;发酵产品呈乳白色,凝乳良好,质地细腻,酸甜适口,具有浓郁的豆香和发酵香气.本研究为工业化生产干酪乳杆菌发酵大豆酸乳产品及其推广应用提供了科学依据,同时也为研制和开发其他多功能益生菌豆乳制品提供了新的思路和方法.     

超超临界机组锅炉效率与NOx排放的建模研究

锅炉热效率和NOx排放一直是火电机组运行中的重要指标,在大容量、高参数超超临界机组呈现良好发展势头的当前,对1000MW超超临界机组锅炉燃烧系统的建模问题进行研究具有重要意义.借助某电厂1000 MW超超临界锅炉的现场燃烧调整试验数据,分别建立锅炉热效率和NOx排放量的最小二乘支持向量机(LSSVM)模型,采用一种改进的粒子群算法对模型参数进行优化选取.实验结果表明,锅炉热效率和NOx排放量的平均预测误差分别可达到0.78％和4.22％,验证了LSSVM模型的有效性.     

基于动力学等价的一种通用控制器的设计

在动力学运动方程的基础上,构建了一种系统状态观测器,该观察器能够精确估计被控对象的位置、速度和加速度而无需知道其数学模型。在此基础上,设计了一种通用控制器,该控制器通过系统运动的位置、速度和加速度的负反馈作用,把原被控对象的输出轨迹引导控制到期望的系统输出轨迹,能提高系统的控制品质和鲁棒性能。分析了PID控制器、内模控制器、状态控制器、预测控制器和鲁棒控制器的算法特性,指出这些控制器与所设计的通用控制器在动力学意义上具有等价性。     

基于大数据和双量子粒子群算法的多变量系统辨识

针对智能算法与历史大数据相结合进行多变量系统辨识过程中不能精确量化每个子系统数学模型的问题,提出了一种有效的数据并行优化计算的解决方案。在辨识过程中,为了解决量子粒子群算法(quantum particle swarm optimization ,QPSO)收敛速度和寻优精度方面的不足,提出了一种改进的 QPSO 算法--双量子粒子群算法(double quantum particle swarm optimization ,D-QPSO)。该算法对粒子种群编码和原有的进化搜索策略同时进行了量子化处理,经过测试函数实验,改进的算法在搜索能力上优于 PSO 和QPSO算法。最后利用现场运行历史数据,通过D-QPSO算法进行参数估计,将设计的解决方案应用于热力发电厂负荷控制系统的传递函数辨识中,得到的模型为控制器的设计与优化奠定了基础。     

主汽温系统模糊自适应预测函数控制

提出了基于有限脉冲响应(FIR)模型的预测函数控制(PFC)算法,给出了采用1个基函数(阶跃函数)和2个基函数(阶跃函数、斜坡函数)的控制律的解析解,分析了闭环系统稳态特性,结果表明,系统对于设定值变化和输出扰动均无余差。结合该算法、T-S模糊建模和自适应控制技术,提出了模糊自适应预测函数控制(FAPFC)策略,该方法实现简单,对工况变化具有优良的适应性。针对某超临界600MW直流锅炉主汽温对象,设计预测函数-比例(PFC-P)串级控制系统,经4种典型工况下的阶跃响应试验表明,采用PFC-P串级控制策略的主汽温系统具有良好的动态性能,明显优于采用PID-P串级控制策略的主汽温系统;为了克服负荷变化对主汽温系统性能的影响,采用了FAPFC策略,仿真结果表明,系统具有良好的负荷适应性,负荷大范围升降时,主汽温度变化能维持在5℃以内,而且控制量变化平稳,具有较高的工程实用价值。     

快速成型与制造技术

在目前竞争激烈的制造行业中,及早开发新产品、缩短投放市场的时间、提高产品质量、降低成本已成为竞争取胜的关键。先进的快速成型与制造技术正在成为一种时尚,它提供了一条成功之路。就世界上领先的３Ｄ系统详细论述了该项技术的基本过程,系统硬件、软件设计及其发展展望。     

采用微分进化算法和径向基函数神经网络的热工过程模型辨识

在热工过程模型辨识中,被控对象动态特性往往表现出非线性、慢时变、大迟延和不确定性等特点,这使得难以对其建立比较精确的模型。为了达到精确建模的目的,提出一种基于微分进化算法和径向基函数神经网络的辨识方法。该方法采用基于能量分布正交最小二乘学习算法的径向基函数(radial basis function,RBF)神经网络,通过改进的微分进化算法,对神经网络辨识系统进行参数优化,使RBF神经网络能够更快、更精确地逼近实际系统的输出,达到精确建模的目的。仿真结果表明,在采用改进的RBF网络对热工复杂对象进行辨识时,通过微分进化算法进一步确定其最佳参数,可以取得更好的辨识效果。     

基于光滑支持向量回归的汽轮机振动分析

传统的时间序列分析方法如统计和神经网络并不适用于复杂的非线性系统.为此,引入了支持向量回归(SVR)算法用以解决复杂时间序列的预测问题,在Matlab6.5环境下编程实现SVR算法,对汽轮机振动数据进行拟合和预测,并与神经网络方法进行比较.为了降低计算的复杂度,在SVR的基础上,采用光滑化算法,对汽轮机振动时间序列进行预测分析.仿真结果表明,光滑支持向量回归(SSVR)在预测性能方面明显优于神经网络.与SVR相比,SSVR具有更好的收敛速度和精度,适于进行复杂动态系统的时间序列分析.     

现场总线氧量仪表的智能化设计与实现

现场总线技术与智能传感器技术的发展与结合,为现场总线智能仪表的应用带来了广阔的发展空间。智能仪表采用超大规模集成电路,利用嵌入软件协调内部操作,在完成输入信号的非线性补偿、自动校准、故障诊断等基础上,还可完成对工业过程的控制,使控制系统的功能进一步分散。针对现场总线智能氧量仪表开发过程中的智能化要求,阐述了现场总线智能氧量仪表的自检、自校准、数据采集精度、PID温度控制、总线通信等方面的设计与实现方法。