[發(fā)明專利]熱電廠水汽管道加氧控制方法有效
| 申請(qǐng)?zhí)枺?/td> | 201510947160.1 | 申請(qǐng)日: | 2015-12-17 |
| 公開(kāi)(公告)號(hào): | CN105425581B | 公開(kāi)(公告)日: | 2018-07-03 |
| 發(fā)明(設(shè)計(jì))人: | 徐沛;徐任飛;黃海峰 | 申請(qǐng)(專利權(quán))人: | 鎮(zhèn)江市高等專科學(xué)校 |
| 主分類號(hào): | G05B13/02 | 分類號(hào): | G05B13/02 |
| 代理公司: | 南京經(jīng)緯專利商標(biāo)代理有限公司 32200 | 代理人: | 樓高潮 |
| 地址: | 212003 江*** | 國(guó)省代碼: | 江蘇;32 |
| 權(quán)利要求書: | 查看更多 | 說(shuō)明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 神經(jīng)網(wǎng)絡(luò) 水汽管道 訓(xùn)練神經(jīng)網(wǎng)絡(luò) 動(dòng)量 加氧控制 熱電廠 歷史監(jiān)測(cè)數(shù)據(jù) 凝結(jié)水含氧量 含氧量信號(hào) 粒子群算法 加氧管路 取樣裝置 輸入?yún)⒘?/a> 水質(zhì)水量 誤差數(shù)據(jù) 氧氣輸送 求解 遲滯 實(shí)測(cè) 震蕩 偏離 電廠 腐蝕 學(xué)習(xí) 滯后 更新 | ||
1.一種熱電廠水汽管道加氧控制方法,其特征在于,包括以下步驟:
1)根據(jù)對(duì)熱電廠水汽管道的水質(zhì)參數(shù)的記錄,統(tǒng)計(jì)出凝結(jié)水泵入口水溫、水流量、水含氧量、加氧點(diǎn)氧氣流量,對(duì)應(yīng)時(shí)刻的省煤器入口水含氧量的數(shù)據(jù);將凝結(jié)水泵入口水溫、水流量、水含氧量、加氧點(diǎn)氧氣流量作為輸入?yún)⒘浚瑢⑹∶浩魅肟谒趿孔鳛檩敵鰠⒘浚⑸窠?jīng)網(wǎng)絡(luò),根據(jù)已有的歷史監(jiān)測(cè)數(shù)據(jù),使用BP神經(jīng)網(wǎng)絡(luò),附加動(dòng)量學(xué)習(xí)規(guī)則,訓(xùn)練神經(jīng)網(wǎng)絡(luò);
2)根據(jù)熱電廠水汽管道省煤器入口水含氧量的規(guī)定值,由粒子群算法,求解神經(jīng)網(wǎng)絡(luò)的最優(yōu)輸入?yún)⒘浚茨Y(jié)水泵入口水溫、水流量、水含氧量、加氧點(diǎn)氧氣流量;
3)根據(jù)上一循環(huán)神經(jīng)網(wǎng)絡(luò)估計(jì)誤差判斷是否需要人工采樣,如需要,通過(guò)人工采樣然后離線分析,對(duì)比得出實(shí)測(cè)的省煤器入口水含氧量與神經(jīng)網(wǎng)絡(luò)估計(jì)出的省煤器入口水含氧量的誤差,然后將這組實(shí)測(cè)的省煤器入口水含氧量數(shù)據(jù),以及神經(jīng)網(wǎng)絡(luò)估計(jì)與實(shí)測(cè)的誤差數(shù)據(jù)一起,使用附加動(dòng)量學(xué)習(xí)規(guī)則,更新訓(xùn)練神經(jīng)網(wǎng)絡(luò);如不需要人工采樣,則返回步驟2)。
2.如權(quán)利要求1所述的熱電廠水汽管道加氧控制方法,其特征在于,所述粒子群算法,步驟如下:
1)初始化粒子群:確定粒子群大小NP,粒子群算法迭代次數(shù)NG,初始化粒子位置,計(jì)算每個(gè)粒子的適應(yīng)度并初始化全局最優(yōu)解與個(gè)體最優(yōu)解;
計(jì)算粒子適應(yīng)度的函數(shù)為:
其中,Oi表示神經(jīng)網(wǎng)絡(luò)輸出向量的第i個(gè)元素,Oi'為理論期望的輸出向量的第i個(gè)元素;
2)更新粒子群:粒子群的運(yùn)動(dòng)方程如下:
v(t)=ω·v(t-1)+c1·(lbest-x(t))+c2·(gbest-x(t))
x(t+1)=x(t)+c3·v(t)
其中ω取為i為粒子群算法的本次迭代次數(shù),c1,c2,c3為常數(shù),c1,c2取值為2.8,c3取值為0.3,lbest為每個(gè)粒子搜索過(guò)的個(gè)體最優(yōu)解,gbest為所有粒子搜索過(guò)的全局最優(yōu)解;
3)計(jì)算本次迭代的粒子適應(yīng)度,更新個(gè)體最優(yōu)解與全局最優(yōu)解:即對(duì)每個(gè)粒子,將本次迭代產(chǎn)生的適應(yīng)度,與當(dāng)前個(gè)體最優(yōu)解相比,取適應(yīng)度較小的為個(gè)體最優(yōu)解,與所有粒子搜索過(guò)的全局最優(yōu)解相比,取適應(yīng)度較小的為全局最優(yōu)解;
4)判斷是否達(dá)到迭代NG次,若是,則輸出全局最優(yōu)解,若否,則返回步驟2)。
3.如權(quán)利要求1或2所述的熱電廠水汽管道加氧控制方法,其特征在于,所述附加動(dòng)量學(xué)習(xí)法,更新規(guī)則如下式:
其中Δω(t)=ω(t)-ω(t-1),ET為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差,η為權(quán)重,a為動(dòng)量因子,取0.9。
4.如權(quán)利要求1所述的熱電廠水汽管道加氧控制方法,其特征在于,對(duì)凝結(jié)水泵入口水含氧量的檢測(cè)進(jìn)行濾波,濾波方法如下:
1)對(duì)被測(cè)參數(shù)進(jìn)行濾波,即對(duì)被測(cè)參數(shù)連續(xù)采樣多次,將采樣值進(jìn)行排序,選取中間值為本次有效采樣值;
2)對(duì)被測(cè)參數(shù)進(jìn)行有限脈沖響應(yīng)濾波,先給定理想濾波器的頻率特性Hd(ejw);
3)計(jì)算理想濾波器的單位抽樣響應(yīng),
4)設(shè)置濾波器形式、窗函數(shù)類型的參數(shù)為:采樣頻率fs=150Hz,通帶截止頻率fp=5Hz,阻帶起始頻率fst=15Hz,阻帶衰減不小于-50dB,窗函數(shù)類型采用Hamming窗,濾波器階數(shù)N=30;
5)調(diào)用MATLAB函數(shù)計(jì)算濾波器系數(shù)w(n);
6)計(jì)算所設(shè)計(jì)濾波器的單位抽樣響應(yīng)h(n)=hd(n)w(n);
7)將設(shè)計(jì)好的N個(gè)h(n)序列存入對(duì)應(yīng)存儲(chǔ)區(qū);
8)將中值濾波結(jié)果x1作為x(n)存入對(duì)應(yīng)存儲(chǔ)區(qū);
9)循環(huán)讀取h(n)、x(n)值進(jìn)行卷積運(yùn)算,求得在線濾波結(jié)果
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于鎮(zhèn)江市高等專科學(xué)校,未經(jīng)鎮(zhèn)江市高等專科學(xué)校許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201510947160.1/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 硬件神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法、計(jì)算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)的生成方法、生成裝置和電子設(shè)備
- 一種舌診方法、裝置、計(jì)算設(shè)備及計(jì)算機(jī)存儲(chǔ)介質(zhì)
- 學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲(chǔ)介質(zhì)和計(jì)算機(jī)設(shè)備
- 一種適應(yīng)目標(biāo)數(shù)據(jù)集的網(wǎng)絡(luò)模型微調(diào)方法、系統(tǒng)、終端和存儲(chǔ)介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡(luò)的處理器及其操作方法、電氣設(shè)備
- 一種圖像神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方法及裝置
- 神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法和裝置及命名實(shí)體識(shí)別方法和裝置
- 學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法、訓(xùn)練裝置和電子設(shè)備
- 行人屬性識(shí)別模型實(shí)現(xiàn)方法及相關(guān)裝置
- 用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的方法和裝置
- 一種神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法、存儲(chǔ)介質(zhì)和設(shè)備
- 神經(jīng)網(wǎng)絡(luò)訓(xùn)練和部署方法、文本翻譯方法及相關(guān)產(chǎn)品
- 神經(jīng)網(wǎng)絡(luò)生成方法及裝置、電子設(shè)備和存儲(chǔ)介質(zhì)
- 一種圖神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法及裝置
- 網(wǎng)絡(luò)量化方法及裝置、電子設(shè)備和存儲(chǔ)介質(zhì)





