冷凝器污垢清洗的智能测量与控制方法研究

论文摘要

本文着重研究冷凝器污垢清洗的智能测量与控制方法，合理、高效地实现冷凝器污垢的在线清洗，改善冷凝器传热效果，提高汽轮机组的运行效率。论文的主要研究工作如下： 论文首先探讨了冷凝器污垢产生的原因以及对冷凝器传热性能的影响，说明污垢监测、污垢清除的必要性；总结并分析了各种常用污垢测量方法以及污垢清洗方法的优点与不足；在此基础上，指出将智能技术应用于污垢测量、污垢预测以及污垢清洗的优化与控制是改善冷凝器传热性能的发展方向。 针对冷凝器在线清洗的具体要求，综合常规清洗方法的优点，提出了一种冷凝器在线清洗的新方案。根据此方案，研发了清洗控制系统的软、硬件。 提出了基于特征选取的冷凝器污垢智能测量新方法。该方法采用基于BP神经网络的灵敏度计算，从受污垢影响的冷凝器各个性能指标中，提取最能反映冷凝器污垢状态的特征变量；在此基础上，针对冷凝器变工况、冷凝器空气漏入量等因素对污垢特征变量的影响，研究基于T-S模型、多RBF神经网络、对角递归神经网络的智能建模方法，有效实现冷凝器污垢与其他参数变化对特征变量影响的分离。根据此方法，进行了现场试验，试验结果表明：该方法能较准确地在线监测冷凝器污垢，并在冷凝器出现堵管或空气漏入量较大时，取得比热阻法、传热系数法更可靠的测量结果。 根据冷凝器运行时污垢积聚的特点，分析了冷凝器的周期性结垢过程，提出了一种冷凝器污垢预测的新方法。从试验结果得出如下结论：冷凝器污垢的智能预测方法能有效处理周期性结垢过程的残余污垢现象，取得比常规模型更好的预测结果。 由于两机器臂清洗喷枪是一种高度非线性和强耦合的控制对象，且在水中工作时，具有诸如摩擦、负载变化等不确定因素，使得高精度、稳定快速的轨迹跟踪控制变得较为困难。为此，论文研究了清洗喷枪的自适应模糊控制方法、滑模控制方法、神经网络滑模控制方法。清洗喷枪轨迹跟踪的仿真结果表明，上述方法具有很强的抗干扰能力和很好的动态特性，而且当系统参数改变时，仍然有较好的响应性能。 提出将清洗液浓度的在线优化与清洗液浓度的动态控制相结合的污垢清洗控制方法，即：通过基于改进GA的多目标优化算法确定最优清洗液浓度；通过

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 冷凝器污垢的产生及其影响
• 1.2 冷凝器污垢测量的一般方法
• 1.2.1 热阻法
• 1.2.2 传热系数法
• 1.2.3 温差法
• 1.3 冷凝器污垢清洗的主要方法
• 1.3.1 机械清洗
• 1.3.2 水力清洗
• 1.3.3 化学清洗
• 1.3.4 热干燥清洗
• 1.4 智能技术概述
• 1.5 本文的主要研究工作
• 第2章 冷凝器污垢清洗系统的总体设计
• 2.1 清洗方案
• 2.2 污垢清洗系统结构及工作原理
• 2.2.1 清洗系统总体结构
• 2.2.2 清洗喷枪结构
• 2.3 控制系统
• 2.3.1 控制系统总体结构
• 2.3.2 上位机硬件结构
• 2.3.3 下位机硬件结构—高压水射流清洗子系统
• 2.3.4 下位机硬件结构—化学清洗子系统
• 2.3.5 上位机软件结构
• 2.3.6 下位机软件结构
• 2.4 本章小结
• 第3章 基于特征选取的冷凝器污垢智能测量方法
• 3.1 污垢特征变量的选取
• 3.1.1 灵敏度的计算
• 3.1.2 偏导数的计算
• 3.1.3 计算结果
• 3.2 测量方法
• 3.3 基于模糊建模的冷凝器污垢软测量
• 3.3.1 T-S模型
• 3.3.2 基于模糊聚类的模型结构辨识
• 3.3.3 常规的模型参数辨识方法
• 3.3.4 基于遗传算法的模型参数辨识
• 3.3.5 试验结果
• 3.4 基于多RBF神经网络的冷凝器污垢软测量
• 3.4.1 建模方案
• 3.4.2 RBF神经网络
• 3.4.3 建模步骤
• 3.4.4 试验结果
• 3.5 基于对角递归神经网络的冷凝器污垢软测量
• 3.5.1 对角递归神经网络
• 3.5.2 试验结果
• 3.6 冷凝器污垢测量仪的研制
• 3.6.1 仪器硬件结构
• 3.6.2 仪器软件结构
• 3.7 本章小结
• 第4章 冷凝器污垢的智能预测方法
• 4.1 冷凝器污垢预测的常规模型
• 4.2 冷凝器周期性结垢过程分析
• 4.3 基于ELMAN神经网络的冷凝器污垢预测
• 4.3.1 ElMAN神经网络的结构和算法
• 4.3.2 污垢预测方案
• 4.3.3 试验结果
• 4.4 基于灰色模型的冷凝器污垢预测
• 4.4.1 灰色预测的基本概念
• 4.4.2 冷凝器污垢预测的灰色模型
• 4.4.3 试验结果
• 4.5 基于多模型组合的冷凝器污垢预测
• 4.5.1 组合预测的基本原理
• 4.5.2 污垢组合预测模型
• 4.5.3 组合模型的自适应滚动优化
• 4.5.4 组合模型输入的确定
• 4.5.5 试验结果
• 4.6 本章小结
• 第5章 两机器臂清洗喷枪轨迹跟踪的智能控制
• 5.1 坐标变换
• 5.2 清洗喷枪轨迹跟踪的自适应模糊控制
• 5.2.1 控制系统结构
• 5.2.2 自适应模糊控制器的设计
• 5.2.3 实验结果
• 5.3 清洗喷枪轨迹跟踪的滑模变结构控制
• 5.3.1 滑模变结构的基本概念
• 5.3.2 清洗喷枪的滑模变结构控制
• 5.3.3 实验结果
• 5.4 清洗喷枪的神经网络滑模控制
• 5.4.1 神经网络补偿
• 5.4.2 滑模控制器和神经网络学习算法的设计
• 5.4.3 实验结果
• 5.5 本章小结
• 第6章 清洗参数的优化与控制
• 6.1 水力清洗参数的计算与优化
• 6.1.1 污垢耐压强度极限应力的软测量
• 6.1.2 清洗压力、清洗流量的计算
• 6.1.3 清洗周期的优化
• 6.2 化学清洗参数的优化
• 6.2.1 化学清洗机制
• 6.2.2 除垢时间、腐蚀速度的建模
• 6.2.3 基于改进GA的多目标优化
• 6.2.4 优化结果
• 6.3 清洗液浓度的神经网络预测控制
• 6.3.1 神经网络预测控制系统的基本结构
• 6.3.2 神经网络多步预测模型
• 6.3.3 目标函数与约束
• 6.3.4 遗传算法优化
• 6.3.5 试验结果
• 6.4 本章小结
• 结论
• 参考文献
• 致谢
• 附录A （攻读学位期间的主要成果及所发表的学术论文）