论文摘要
锅炉作为重要的热工设备,是生产生活重要的动力来源,在整个社会能源消耗中占有相当比重。研究如何提高锅炉运行效率,降低能耗,减少环境污染物的排放,是当前工业发展具有重要意义的课题。目前,锅炉控制的核心主要集中在如何提高锅炉燃烧的经济效益指标,如何对锅炉运行过程采用先进控制策略,实现锅炉控制智能化,进而实现节能减排,和建立新型工业化体系的要求相适应。锅炉燃烧系统控制主要包括风煤比控制和蒸汽压力控制等。本文主要研究模糊神经网络在锅炉风煤比控制方面的应用,通过详细分析锅炉工作过程和控制需求,我们针对锅炉这样无法建立燃烧对象的精确数学模型的复杂控制对象,根据操作人员和系统专家积累的控制经验,运用模糊控制理论对锅炉实现有效控制,但是由于模糊控制的缺点,本文采用集模糊控制和神经网络优点相集合的模糊神经网络（FNN）控制策略,通过积累的经验数据对网络进行“训练”,改进了锅炉控制性能,提高了系统控制效益,有效的克服了传统控制手段将风煤比看成单-函数并近似为比值关系的弊端。该系统具有自动跟踪炉膛温度,及时、高效调整风煤比的功能。在系统设计过程中,详细论述了采用PAC （PAC:Programmable automation controllers）技术、模糊神经网络控制策略相结合的控制体系在锅炉生产过程中的应用。本设计方案,采用研华ADAM-5550KW系列PAC控制器作为主控器件,并应用其最新提供的基于.NET框架的Logixview组件在微软.NET编程环境Visual Studio 2005中进行系统软件设计、编码,完成控制系统软件设计、部署。最后,运用Matlab仿真软件,针对模糊神经网络控制器在锅炉燃烧控制中的应用进行系统仿真。仿真结果表明,采用模糊神经网络控制策略的PAC控制器效果明显优于传统控制手段,具有较强的适应性和抗干扰能力,取得理想的控制效果。
论文目录
摘要Abstract1 绪论1.1 课题背景1.2 工业锅炉燃烧系统的组成与控制对象1.3 锅炉控制技术概况1.4 本文研究主要内容1.5 本章小结2 可编程自动化控制器（PAC）2.1 PAC产生背景2.2 PAC的构成方式2.3 PAC、PLC、工控PC比较2.4 PAC特性及优势2.5 本章小结3 模糊神经网络（FNN）的研究3.1 模糊神经网络概述3.2 模糊神经网络结构3.3 模糊神经网络的学习算法3.4 本章小结4 风煤比自寻优控制4.1 燃烧系统控制任务4.2 传统控制系统缺陷4.3 风煤比控制网络的设计4.3.1 控制参量的选择4.3.2 模糊神经网络控制系统结构4.3.3 模糊神经网络控制器的设计4.4 模糊神经网络的结构及算法实现4.4.1 模糊神经网络结构4.4.2 模糊神经网络学习算法4.5 本章小结5 基于PAC控制系统的硬件、软件设计5.1 传感器选型5.1.1 炉膛负压传感器5.1.2 蒸汽压力传感器5.1.3 炉膛温度传感器5.2 PAC控制器选型5.2.1 上位机监控5.2.2 PAC控制器ADAM-5550KW5.2.3 I/O接口模块5.2.4 PAC系统的信号连接5.3 控制系统的软件设计5.3.1 系统功能及程序模块5.3.2 系统软件功能模块的实现5.3.3 系统初始化及主程序5.3.4 PAC基础模块5.3.5 A/D采集程序的中断实现5.3.6 触摸屏人机交互模块5.3.7 PAC高阶功能5.4 本章小结6 系统仿真结果及评价6.1 系统仿真概述6.2 锅炉燃烧系统仿真模型构建6.3 锅炉燃烧系统控制仿真结果及分析6.3.1 建立PID与模糊神经网络仿真模型6.3.2 被控对象参数改变时的仿真6.3.3 抗干扰能力仿真6.3.4 风煤比控制系统仿真6.4 本章小结7 总结与展望参考文献致谢作者简介及读研期间主要科研成果
相关论文文献
标签：锅炉论文; 燃烧系统论文; 风煤比论文; 模糊神经网络论文; 智能控制论文;
