基于GALM算法的循环流化床锅炉氧量软测量

基于GALM算法的循环流化床锅炉氧量软测量
李凯阳
【期刊名称】《河南科技》
【年(卷),期】2015(000)003
【摘要】在循环流化床锅炉中,烟气含氧量是衡量燃烧效率的重要指标.烟气含氧量一般通过在烟道安装氧化锆传感器来测量,但是这种方式存在滞后性,不能对炉膛内的燃烧状况及时反应,对控制产生一定的影响.而且,氧化锆传感器可能会出现失灵的情况,会影响系统的调整.以白马电厂30MW机组为背景,通过能量平衡方程得到循环流化床锅炉烟气含氧量的机理模型,提出利用遗传算法和神经网络相结合的混合学习方法(GALM算法),利用运行所产生的数据对神经网络进行训练,先通过遗传算法得到一个全局最优近似解,然后交替使用遗传算法和LM算法,最终得到相符合的网络参数.仿真证明最终的网络参数符合我们的要求,可以用来对循环流化床锅炉烟气含氧量进行预测,为控制调整锅炉参数提供及时的信息.
【总页数】3页(P139-141)
【作者】李凯阳
【作者单位】中国核电工程有限公司郑州分公司,河南郑州450000
【正文语种】中文
【中图分类】TK229
【相关文献】
1.基于微分进化和SMO算法的烟气含氧量软测量 [J], 王刚;刘林;王朋
2.基于最小二乘支持向量机和PSO算法的电厂烟气含氧量软测量 [J], 王宏志;陈帅;侍洪波
3.基于新型广义预测算法的含氧量软测量研究 [J], 郑德忠;何群
4.基于粒子群-最小二乘支持向量机算法的沥青拌和站中含氧量的软测量 [J], 杨建红;房怀英
5.基于改进PSO-SVM的燃煤电厂烟气含氧量软测量 [J], 苏涛; 潘红光; 黄向东; 邵小强; 马彪
因版权原因，仅展示原文概要，查看原文内容请购买。