基于聚类的超闭球CMAC混煤燃烧污染物析出软测量模型

被引：6

作者：

李慧 ^{[1
]}

段培永 ^{[2
]}

王桂荣 ^{[3
]}

魏建平 ^{[3
]}

机构：

[1] 山东建筑大学可再生能源建筑利用技术省部共建教育部重点实验室

[2] 山东建筑大学信息与电气工程学院

[3] 山东建筑大学山东省建筑节能技术重点实验室

来源：

仪器仪表学报 | 2011年 / 32卷 / 05期

关键词：

燃烧; 污染物析出; CMAC神经网络; 软测量; 学习; 混煤;

D O I：

10.19650/j.cnki.cjsi.2011.05.026

中图分类号：

TP274 [数据处理、数据处理系统];

学科分类号：

0804 ; 080401 ; 080402 ; 081002 ; 0835 ;

摘要：

针对CMAC神经网络的网络节点随输入维数的增大呈几何级数增加的问题,基于模糊聚类提出一种改进的超闭球CMAC神经网络算法,用于电站锅炉混煤燃烧污染物析出软测量模型的建立。以电站锅炉实际运行工况的煤质特性数据和炉内燃烧条件为输入参数,通过软测量实现大型电站锅炉混煤燃烧硫、氮污染物生成浓度的精确预估和在线测量,用于指导电厂运行人员进行锅炉燃烧调整,以控制污染物的超标排放。与超闭球CMAC算法比较,提出的改进算法可以大大降低高维神经网络节点数并提高神经网络软测量精度,实验结果表明该方法的有效性和可行性。

引用

页码：1119 / 1125

页数：7

共 10 条

[1]

大型电站锅炉安全及优化运行技术.[M].岑可法等著;.中国电力出版社.2003,

[2]

燃煤锅炉燃烧试验技术与方法.[M].孙学信主编;.中国电力出版社.2002,

[3] 赖氨酸发酵过程关键参数的模糊神经网络逆软测量研究 [J].