循环流化床锅炉燃烧系统的模糊神经网络控制研究

论文摘要

循环流化床锅炉(Circulating Fluidized Bed Boiler,简称CFBB)是近年来在国际上发展起来的新一代高效、低污染的清洁燃煤技术。但其燃烧系统具有非线性、多变量耦合、参数时变以及大惯性、大延迟等特点,使其自动控制的实现非常困难。本文采用基于改进粒子群算法的模糊神经网络(Fuzzy Neural Network,简称FNN)控制策略,为这一问题的解决提供了新的思路。本文,首先深入研究了CFBB的结构和工艺流程,在此基础上分析CFBB燃烧系统的动态特性。前人对CFBB为对象的动态建模仿真试验和理论研究,为模糊神经网络控制应用于CFBB燃烧系统提供了保证。然后,详细讨论了模糊神经网络控制器的结构形式和算法实现。并针对BP算法的易于陷入局部极小的缺点,提出一种改进的粒子群算法(Particle Swarm Optimization,简称PSO)对模糊神经网络控制器进行离线优化。最后,将基于改进粒子群算法的模糊神经网络控制应用于CFBB燃烧系统的控制。通过Matlab仿真,从控制效果来看,达到了比较令人满意的效果。模糊神经网络控制在控制稳定性、适应性、鲁棒性等方面均显著优越于常规的PID控制。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 概述
• 1.2 国内外循环流化床锅炉控制的研究与应用
• 1.2.1 国内CFB锅炉控制策略研究
• 1.2.2 国外CFB锅炉控制策略研究
• 1.3 本文的主要工作
• 第2章 循环流化床锅炉理论基础
• 2.1 循环流化床锅炉
• 2.1.1 循环流化床锅炉的工艺简介
• 2.1.2 循环流化床锅炉的特点
• 2.1.3 循环流化床锅炉的优点
• 2.2 循环流化床锅炉的控制
• 2.2.1 循环流化床锅炉的控制任务
• 2.2.2 循环流化床锅炉控制系统
• 2.3 循环流化床锅炉燃烧系统动态特性分析
• 2.3.1 汽压被控对象的动态特性
• 2.3.2 床温的动态特性分析
• 2.3.3 控制模型的选取
• 2.4 本章小结
• 第3章 模糊神经网络控制理论基础
• 3.1 模糊控制理论基础
• 3.1.1 概述
• 3.1.2 模糊控制系统
• 3.2 神经网络控制理论基础
• 3.2.1 概述
• 3.2.2 神经网络控制系统
• 3.3 模糊神经网络控制
• 3.3.1 概述
• 3.3.2 模糊神经网络的提出
• 3.3.3 模糊神经网络的定义和特点
• 3.3.4 模糊神经网络控制器（FNNC）的结构及学习算法
• 3.4 本章小结
• 第4章 基于精英集的粒子群算法及仿真研究
• 4.1 标准粒子群算法
• 4.1.1 PSO算法介绍
• 4.1.2 PSO优化原理
• 4.1.3 PSO的参数分析与设置
• 4.1.4 PSO算法流程
• 4.2 改进的PSO优化算法
• 4.2.1 PSO的改进思想
• 4.2.2 基于精英集的改进粒子群算法
• 4.3 仿真研究
• 4.3.1 SPSO的仿真结果
• 4.3.2 ESPSO的仿真结果
• 4.4 本章小结
• 第5章 基于模糊神经网络的循环流化床锅炉燃烧系统控制
• 5.1 CFBB燃烧控制系统的仿真研究
• 5.1.1 给煤量-主汽压力系统控制仿真
• 5.1.2 给煤量-床温系统控制仿真
• 5.2 仿真实验结论
• 第6章 总结与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢