基于煤种辨识的锅炉燃烧优化系统

1前言锅炉燃烧调节系统的基本任务是使得燃料燃烧所产生的热量满足锅炉负荷的需要,同时还要保证锅炉的安全经济运行[1~2]。燃烧控制系统的设计目标是在确保锅炉安全运行的基础上,在满足主蒸汽供给要求前提下,按照合理的比例投入燃料和送风,以获得高的热效率。因此,如何获取最优     

热力系统局部非线性模型辨识

在多模型控制中,局部模型大多数是基于线性模型,其数量和精度影响多模型控制的效果。提出一种基于RBF神经网络的非线性模型辨识算法,采用G.B.Sentoni等人提出的非线性模型结构[2~3],利用径向基函数(Radial Basis Function,RBF)神经网络的逼近能力,实现热力系统非线性模型辨识。在RBF神经网络的学习过程中,根据性能函数调节学习率,可以加快学习的收敛过程。最后进行了仿真验证,基于2个局部非线性模型的多模型控制系统与基于5个局部线性模型的多模型控制系统相比,减少了切换时的震荡,控制精度有所提高。试验结果表明,该辨识算法能减少固定模型数量,从而减少模型搜索时间,并且能够提高模型预测精度。