（毕业学术论文设计）-外文翻译--PID控制--神经网络的循环流化床锅炉燃烧系统的解耦控制的粒子群方法.docVIP

PAGE 华 北 电 力 大 学 科 技 学 院 毕 业 设 计（论 文）附 件 外 文 文 献 翻 译 学 号： 061912010131 姓 名： 所在系别： 动力工程系 专业班级： 自动化06K1 指导教师： 原文标题： PID-NN decoupling control of CFB boiler combustion system based on PSO method 2010年 4月1日 PID控制--神经网络的循环流化床锅炉燃烧系统的解耦控制的粒子群方法 摘要 循环流化床（CFB）因为它的高燃烧技术、燃烧效率、低污染、燃料的灵活性和良好负荷跟踪能力而成为世界上主要的燃煤锅炉，但缺点是它的燃烧过程是高度非线性，时变，大时滞和多变量强耦合的。传统的控制建议是床层温度控制系统和主蒸汽压力为两个独立的PID单回路控制系统没有耦合现象，从而导致自动控制率很低，往往需要人工操作。为了解决这个问题，一个多变量自适应神经网络与PID结合解耦控制器，基于神经网络控制及解耦原则赔偿。 去耦和控制能力是PID神经网络解耦控制器从神经网络交叉配合结构到非线性映射得特性，以及PID处理主要在隐藏层节点。该神经网络的权重的分配和优化的粒子群（PSO）算法，其重点在于搜索能力，空间和效率。这些神经网络的权重将不只有消除电路之间的耦合关系，而且还加强了PID神经网络控制器的适应性。这种多变量 解耦控制方法是用来控制双向传递函数在床的温度和主蒸汽循环流化床燃烧系统中的压力系统。仿真结果表明，新的控制策略克服了循环流化床非线性，强耦合的特点，在燃烧系统大范围内，预计将有很大的工程应用的潜力。 关键词：循环流化床（CFB）;燃烧系统;解耦控制技术；神经网络（NN）; PID控制;粒子群优化（PSO）算法; 引言 自20世纪60年代初，新一代高效率，低污染燃烧技术 - 循环流化床锅炉（循环流化床）燃烧技术发展迅速。其主要特点是，燃料和空气将在炉内进行多次混合，得到一强烈的湍流运动和低温燃烧现象，经过很长一段时间，不仅实现低氮氧化物排放量，脱硫效率更超过90％和类似的煤粉的燃烧效率，而且也具有泛的燃料适应性，良好的负载调节性能和易于使用的灰等。 循环流化床锅炉是一个分布参数，时变，多变量紧密耦合的控制对象。它的基本任务是燃烧控制系统保证反应堆可以提供足够的燃料燃烧，以满足蒸汽，负载以及锅炉的安全经济运行的需要，这意味着一个良好的控制系统和控制器的设计要确保床温（BT）的稳定和蒸汽压力的设置（MSP）是必要的。这种锅炉床身温度直接反映了复杂的综合水平、燃烧状况和影响传热的周期物料。床身温度过高会导致床料渣，而 床身温度过低就会造成熄火。蒸汽压力控制反映了蒸汽。 锅炉生产的蒸汽能否满足水轮机的需要，循环流化床锅炉设计家大多没有设计外部换热器。蒸汽压力控制和BT控制既实现了煤与一定量的主要空气流通。由于床温控制和MSP是具有较强的耦合关系的，自动实现对变量燃烧系统的控制是非常困难的。 PID神经网络是由一种多层神经网络的神经元组成的。起到比例、整合、差异化 原文出处及作者：EiCompebdex 原文出处及作者：EiCompebdex ; Ze Dong, Sun Jian, Wang Zijie, Sun Ming 循环流化床燃烧控制系统的特点 如图1所示，循环流化床锅炉是一个分布式参数，大时滞，紧密耦合的多变量 系统。在设计控制系统时，必须考虑其内部耦合。同时，良好的管制计划也应该能够克服令人震惊的时延，避免系统延误。在循环流化床锅炉的现场控制系统的研究中自动控制燃烧系统一直是难点和热点。 A 导致自动燃烧系统低利用率的原因 循环流化床燃烧控制系统已被是国内认可是比较困难的系统。循环流化床锅炉结构比较简单，调节能力有限，在许多情况下需要手动操作。自动化应用较低的原因如下。 （1）主蒸汽压力控制系统在燃烧控制系统是最重要的。有许多因素会影响BT和 压力控制，BT系统也可能对压力控制系统有影响。他们之间有一个强烈的耦合关系。 （2）大量存在的内部动乱。煤质量与煤量会影响燃烧的稳定性。煤的粒度分布可以使锅炉直接背离了设计周期率。 （3）不可燃固体在床上直接导致燃烧系统的热惯性大。不适当的控制系统设计可以很容易导致系统不稳定或该控制器调节时间长。 （4）最后是一些调控手段。输入往往是受一些因素制约，经常需要调整几个变量一起合作不断取得良好的控制性能。 B 循环流化床燃烧系统的耦合特点 在蒸汽压力和MSP控制耦合问题中，蒸汽压力是关键的变量，反映了整个燃烧系统的供给和需求，而保持稳定是蒸汽压力控制系统的主要目的。其中在燃烧系统中，一次风是主要调节变