[發明專利]一種基于BP神經網絡的飛灰含碳量在線測量方法

有效

• 申請號: 201810366762.1
• 申請日: 2018-04-23
• 公開（公告）號: CN108760592B
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 弋英民;稅瑩
• 申請（專利權）人: 西安理工大學
• 主分類號: G01N15/06
• 分類號: G01N15/06;G06N3/08
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 楊洲

1.一種基于BP(BackPropagation)神經網絡的飛灰含碳量在線測量方法，其特征在于：

步驟1：基于靜電傳感器，構建以輸入為信號能量、飛灰樣本濃度，輸出為飛灰含碳量的3層BP神經網絡模型，采用訓練樣本，進行BP神經網絡在線參數訓練；

所述步驟1的3層BP神經網絡模型構建包括以下步驟：

步驟1.1：當飛灰樣本溫度T一定，飛灰流經風粉管道時，基于靜電傳感器所采集的交流靜電信號能量與飛灰樣本濃度、含碳量呈非線性關系，現有m種含碳量分別為c₁,c₂,…,c_m的飛灰樣本，記c_i為第i種飛灰樣本的含碳量，i＝1,2,…,m，現有n種入料口閥門開度，分別對應n種飛灰樣本濃度N₁,N₂,…,N_n，記N_j為第j種閥門開度對應的管道內樣本濃度，j＝1,2,…,n，在飛灰樣本溫度T一定情況下，對于流經風粉管道的含碳量為c_i、濃度為N_j的飛灰樣本，基于靜電傳感器采集一段時間的交流靜電信號序列，記為其中表示飛灰樣本濃度為N_j、含碳量為c_i時，第k個采集的靜電信號值，K為該段時間內采集靜電信號的最大次數，求信號能量記為f(c_i,N_j)，表示飛灰樣本濃度為N_j、含碳量為c_i的信號能量值，經實驗驗證，信號能量與飛灰樣本濃度、含碳量呈非線性關系；

步驟1.2：構建輸入為信號能量、濃度，輸出為飛灰含碳量，隱含層節點數為6的三層BP神經網絡，其輸入層層數IN＝2，輸出層層層數ON＝1，隱含層層數HN＝6，隱含層、輸出層均采用S型函數；記W_ih為第i輸入層到第h隱含層的權值，i＝1,…,IN；h＝1,2,…,HN；W_ho為第h隱含層到第o輸出層的權值，o＝1,…,ON；b_h為隱含層各神經元閾值；b_o為輸出層各神經元閾值，初始化網絡參數W_ih、W_ho、b_h、b_o，設置學習率η，最大迭代次數為R，可接受誤差ε，輸入大量歸一化處理后的訓練樣本，記訓練樣本數量為M；

步驟1.3：對于第j個訓練樣本，其中j＝1,2,…,M，輸入樣本經隱含層、輸出層正向傳播得到網絡輸出，記為x_o(j)，其目標輸出為t_o(j)，產生誤差函數，記為e(j)，其中

步驟1.4：誤差e(j)反向傳輸，修改網絡參數W_ih、W_ho、b_h、b_o；

步驟1.5：計算全局誤差E，

步驟1.6：若全局誤差E＜ε或達到最大迭代次數R，訓練完成，保存網絡參數，否則j＝j+1，跳轉至步驟1.3，步驟1.3到步驟1.6的參數訓練方法稱為梯度下降法；

步驟2：采用遺傳算法Genetic Algorithm對BP神經網絡進行優化，以得到BP神經網絡參數的全局最優解；

步驟3：將Genetic Algorithm優化BP神經網絡算法移植至DSP中，進行在線參數訓練，并基于靜電傳感器實時采集未知含碳量的飛灰樣本的靜電信號序列、濃度，歸一化處理后作為預測輸入，進行飛灰含碳量的在線預測；

所述步驟1.1是通過改變管道入料口的閥門開度以改變管道內飛灰樣本的濃度，閥門開度固定，飛灰樣本濃度固定；

所述步驟3具體包括以下步驟：

步驟3.1：對于待測未知含碳量的飛灰樣本，設其含碳量為c_p，固定閥門開度，即管道飛灰濃度一定，記為N_q，其中q∈(1,2,…,n)，采集一段時間的交流靜電信號序列其中k＝1,2,…,K，求信號能量值f(c_p,N_q)，

步驟3.2：信號能量f(c_p,N_q)、濃度N_q歸一化處理后作為預測輸入，經預測函數即可輸出飛灰含碳量的測量值，即c_p。