论文摘要
火电厂制粉系统中广泛使用双进双出钢球磨煤机来磨制煤粉,但大部分磨煤机都运行在保守工况下,造成制粉单耗大,系统出力小。原因之一就是至今还没有一种实用、准确的方法对磨煤机内料位(负荷)进行精确测量,在没有准确料位信息的情况下,运行人员只能凭借经验而保守运行,从而牺牲其经济性,否则极易导致跑粉、堵磨等安全事故的发生,这也使得双进双出磨煤机的自动优化运行的应用受限。针对以上问题,本文在充分利用现有的检测设备的基础上,提出了基于数据融合的料位检测方法,并从粗糙模糊递阶控制的角度对双进双出磨煤机的优化控制进行了深入的研究。本文的主要工作包括:提出了一种基于粗糙集理论和神经网络信息融合的磨煤机负荷检测方法,根据一组相对约简构造检测子神经网络群,采用神经网络信息融合的方法得到检测结果。该方法可加快神经网络检测中网络学习收敛速度,并且可有效利用冗余信息,在个别检测信号受到干扰或发生错误时仍能正确检测,具有较强的鲁棒性。实例仿真表明,该方法能够有效反映磨煤机负荷信息,具有较高的灵敏度和容错性。提出了针对双进双出磨煤机制粉系统的一种粗糙模糊递阶控制方法。采用递阶算法的目的是因为递阶控制能够显著的减少模糊控制算法的控制规则数并且实现解耦功能,运用粗糙集理论可以从大量原始的控制数据中发现精简的、概略化的模糊控制规则。此方法不仅简化了多变量系统的模糊控制设计,而且还有效的解决了系统变量之间的耦合问题,适应工业现场的实际应用。