基于神经网络电厂积灰结渣的在线监测

论文摘要

为了改变目前电厂吹灰的盲目性,本文开发了基于神经网络电厂积灰结渣的在线监测系统来指导电厂运行人员进行合理的吹灰。本文详细阐述了神经网络的机理、功能以及特点,引入了改进型BP算法(RPROP),并根据电厂实际运行情况以及锅炉机组的特点,结合RPROP神经网络的规则设计了一个非线性模型,该模型经过适当的样本点训练后,可以预测各工况下受热面清洁时的吸热量,同时计算相应工况的实际吸热量,最终求得该受热面的灰污特征参数,该灰污特征参数可以有效的反映受热面的积灰结渣程度。鉴于Matlab强大的神经网络功能,本文神经网络的设计、训练以及预测是在Matlab中完成,Matlab与受热面积灰结渣在线监测系统之间的实时通讯则用动态链接库DLL来实现,该动态链接库是由VC编写的。为了优化系统运行速度,本地数据库则是采用SQL Server数据库,并用ODBC连接方式来访问。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景
• 1.1.1 积灰与结渣的生成机理
• 1.1.2 积灰结渣对电厂运行的影响
• 1.1.3 吹灰的优化
• 1.1.4 国内外监测受热面积灰结渣的发展概况
• 1.2 本文的研究内容
• 第二章 神经网络的机理
• 2.1 人工神经网络的概述
• 2.1.1 神经网络的发展历史
• 2.1.2 神经网络的功能
• 2.1.3 神经网络的特点
• 2.2 BP神经网络
• 2.2.1 BP神经网络的基本原理
• 2.2.2 BP改进型算法（RPROP）
• 2.2.3 训练集的优化
• 2.2.4 BP网络泛化能力的提高
• 2.2.5 BP网络的局限性
• 2.3 面向MATLAB的BP神经网络的设计
• 2.3.1 BP神经网络的初始化
• 2.3.2 BP神经网络的创建和仿真
• 2.3.3 BP神经网络的训练
• 2.3.4 BP神经网络训练样本的处理
• 第三章 实时监测锅炉受热面积灰结渣的机理
• 3.1 实时监测对流受热面积灰的机理
• 3.1.1 选取合适的灰污特征参数
• 3.1.2 实时监测对流受热面积灰的实现
• 3.2 实时监测水冷壁的机理
• 3.2.1 温度场的数学描写
• 3.2.2 解析解的求解过程
• 3.2.3 灰污特征参数的求解
• 第四章 基于神经网络积灰结渣在线监测的实际应用
• 4.1 锅炉主要参数
• 4.1.1 锅炉容量和主要参数
• 4.2 神经网络模型的设计
• 4.2.1 对流受热面神经网络结构设计
• 4.2.2 样本点优化选取
• 4.2.3 Matlab训练和预测的实现
• 4.3 监测效果
• 第五章 基于神经网络积灰结渣在线监测的软件介绍
• 5.1 程序架构
• 5.1.1 主程序的开发
• 5.1.2 数据库的设计
• 5.1.3 Matlab与主程序实时通讯的实现
• 5.2 系统架构
• 5.2.1 软件流程
• 5.2.2 硬件架构
• 5.3 计算过程
• 5.4 软件界面介绍
• 5.4.1 对流受热面的监控界面
• 5.4.2 受热面灰污限值设置界面
• 5.4.3 历史灰污曲线图
• 5.5 课题成果的作用和影响
• 第六章 总结与展望
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况