基于RBF神经网络的锅炉汽包水位软测量初探概论.docx

基于最小二乘算法的汽包水位软测量初探 华北电力大学自动化卓越班结课论文 汽包水位是电站锅炉运行的重要参数,汽包水位控制的好坏直接影响到火电厂运行的安全,稳定与经济性.热工系统往往表现出非线性和不确定性,难以建立精确的数学模型.以汽包水位为对象,结合机理分析确定原始变量作为神经网络的输入,通过K均值聚类法和梯度下降法实现了网络的学习功能,并最终建立了基于最小二乘算法的软测量模型.阐述了最小二乘算法在汽包水位测量中的建模与应用.仿真实验证明该模型具有简单易行,精度高,训练时间短,运算速度快的特点,为汽包水位提供了一种新的方法 2013 潘浩 自动实1101 2013/12/31 星期二  基于最小二乘算法的锅炉汽包水位软测量初探 潘浩 (华北电力大学,自动化系,2011级,201102030117) 摘要:汽包水位是电站锅炉运行的重要参数,汽包水位控制的好坏直接影响到火电厂运行的安全,稳定和经济性.热工系统往往表现出非线性和不确定性,难以建立精确的数学模型.以汽包水位为对象,结合机理分析确定原始变量作为神经网络的输入,通过K值聚类法和梯度下降法实现了网络的学习功能,并最终建立了基于最小二乘算法的软测量模型.阐述了最小二乘算法在汽包水位中的建模与应用.仿真实验证明该模型具有简单易行,精度高,训练时间短,运算速度快的特点,为测量汽包水位提供了一种新的方法. 关键词: 软测量; 最小二乘算法;  Primary discussion on soft-sensor of water level of boiler drum based on RBF neural network PAN Hao (North China Electric Power University,Dept of Automation,Generation of 2011,201102030117) Abstract: Drum level is an important parameter to run the utility boiler, steam drum level control has a direct impact on the operation of thermal power plant security, stability and economy. Thermal systems often exhibit nonlinearity and uncertainty, it is difficult to establish a precise mathematical model with drum level for the object, combining mechanism analysis to determine the original variables as inputs to the neural network, the descent to achieve a network of learning through K-value clustering and gradient, and eventually established based on Least-squares algorithm soft measurement model this paper expounds the RBF neural network modeling and application of the drum level simulation results show that the model has a simple, high accuracy, training time is short, fast speed characteristics, drum level measurement provides a new method. Key words: Soft measurement; Least-squares algorithm;  目录 第一章 绪 论 3 1.1软测量简介 3 1.1.1概述 3 1.1.2组成部分 3 1.1.3特点 4 1.2课题现状 4 1.2.1软测量技术的研究现状 4 1.2.2软测量模型的建模方法 7 1.2.3 软测量技术建模方法的研究展望 9 1.2.4汽包水位测量系统概述 10 1.2.5本文的主要内容 11 第二章 数据处理采集与数据处理方法 13 2.1数据的采集 13 2.2数据的处理方法 14 2.2.1傅立叶变换 14 2.2.2小波变换 15 简介 15 2历史 15 3小波分析 16 4解释 16 5应用 17 绪 论 1.1软测量简介 1.1