神经网络在动力配煤中的应用.docVIP

神经网络在动力配煤中的应用 余星 彭迪 王学敏 (湖南人文科技学院,湖南 娄底,417000) 摘要：本文在动力配煤中考虑了混煤这个各煤参数之间的相关关系，建立动力配煤的数学模型，并提出神经网络算法，改进了一般的动力配煤模型。 关键词：神经网络；动力配煤；数学模型；优化方法 1．前言 我国煤炭消费的80%以上为动力配煤，主要是发电，供热，工业锅炉，窑炉以及民用。动力配煤技术主要目的是实现不同煤质互补，做到取长补短，提高燃煤质量，取得较好的经济社会效益[1]。在动力配煤中，需要考虑客户要求的各指标的百分比以及要达到客户要求的混煤中各种煤所占的百分比。一般的方法是依照各煤质的数据，建立数学模型来解决。1979年Miura等人建立了线性优化模型，利用最小二乘法计算各煤质的百分比[2]。国内也有许多学者建立相应的数学模型来解决动力配煤问题[3-4]。然而，由于这些数学模型没有考虑各煤参数之间的关系,很难得到准确的百分比。因此出现了一些新型算法.人工智能方法已经广泛地应用于工程技术中。另外，神经网络方法也是有效的方法之一。 2．模型的建立 在动力配煤的过程中，煤炭的质量主要由挥发物含量，硫含量和灰分含量刻画。假设分别代表第种煤这几方面的指标，代表配煤后对应的指标，指预测值，是第种煤所占的比例。经验知识和统计数据显示仅仅主要依赖于。一般地，和的关系要比其他三个关系复杂得多。为了准确预测混煤的质量，引入如下表达式： 为相关系数，是为了提高精度的补偿。事实上，方程（1）是一个预测G的两层B-P神经网络，它有一个由7个神经元组成的输入层和一个神经元组成的输出层。在输入层，第个神经元的输入是，而在输出层，它们为，是从输入层的第个神经元到输出层神经元的比重, 是输出层的神经元偏差。 —————————————————————————————— 余星（1981-） 女,硕士，湖南人文科技学院数学系教师,研究方向:金融数学 [基金项目]湖南省大学生研究性学习与创新性实验资助课题. 3．模型的求解 为了得到补偿，方程（2）写成如下形式： 其中:, B代表与对应的可测值,则补偿值由和的差决定。 由方程（3）（5）产生如下数学模型： 此处，是第一种混煤的补偿值，它可由经验数据得到。 设M40表示焦炭的(抗碎强度),M10表示焦炭的(耐磨强度代表对应的预测值，质量预测模型就是要由得到 假设输入层有3个神经元，隐藏层有12个神经元，输出层只有一个神经元，。输入层的三个神经元的输入分别为。令： 则隐藏层的第个神经元的输入和输出定义如下： 输出层的神经元的这些定义如下： 其中， S函数使得输入在区间（-1，1）表示从输入层的第个神经元到隐藏层的第个神经元的信号比重，表示隐藏层第个神经元的偏差，表示从隐藏层的第个神经元到输出层的信号比重，表示输出层的偏差。 公式7-9可以写成如下形式： 其中： 同理： 矩阵分量和补偿分量可基于统计数据通过训练B-P系统得到。 The application of artificial neural networks in the optimum steam coal blending Yuxing Pengdi Wangxuemin (Department of Mathematics, The Institute of Hunan Humanities science and technology,loudi,417000) Abstract: In this paper, we consider the correlation between parameters of the mixed steam coal blending of various coal , and establish the mathematical model of coal blending ,we have proposed neural network algorithm to improve the general model . Key words: neural networks; coal blending; mathematical models; optimum Methods 参考文献： [1]夏志新.利用MATLAB软件解决实际配煤问题[J].沈阳工程学院学报.2005.12 第1卷第4期:46-47. [2] The Iron and Steel Institute of Japan. (1979). Handbook of iron and steel: the manufacture of iron and steel. Tokyo: Maruzen.。 [3]侯静,赵益坤.