《飞灰含碳量软测量方法研究》【毕业设计论文】.docVIP

东北电力大学 毕业设计（论文） 题 目：飞灰含碳量软测量方法研究 班 级：火电 姓 名： 指导教师： 摘 要 如何在线确定煤的元素分析成分和飞灰含碳量，是目前在建立电站实时监测和运行优化管理系统中急需解决的问题。本文主要研究将人工神经网络理论应用于煤的元素分析成分和锅炉飞灰含碳量的在线计算。 近年来 ，人工神经网络方法己经在函数逼近、感知觉模拟、多目标跟踪、联想记忆、数据恢复等方面得到了广泛应用。人工神经网络的算法有很多种，包括Hopfield算法，BP算法，无监督自组织学习算法和趋化性方法等等。本文就所采用的方法，从理论上对这些方法作了详细介绍，并结合异或(XOR)问题作了数值试验和性能比较。 煤的元素分析成分是电站烟气参数和锅炉热效率计算中不可缺少的原始数据。本文根据工业分析成分和元素分析成分的物理含义，建立了煤的元素分析成分神经网络模型，并以某电站提供的历史数据对该模型进行了训练和检验。检验结果表明，元素分析成分的神经网络模型的计算结果比常规的经验公式具有更好的计算精度。 飞灰含碳量的在线确定，目前主要采用物理方法，但这些方法在准确性和可靠性方面都存在问题，因此未能得到广泛应用。本文从数学方法着手，在分析飞灰含碳量的影响因素基础上，确定其主要影响因素，建立飞灰含碳量的神经网络模型，利用从某电站采集的历史数据，对该模型进行训练和检验，得到一个适用于现场的计算模型。 本文建立的元素分析成分神经网络模型，可结合各电站实际情况，加以推广使用。本文提出的将神经网络理论应用于飞灰含碳量在线计算的方法，为飞灰含碳量的在线确定提供了一种新的方法。 关键词:神经网络；工业分析成分；元素分析成分；飞灰含碳量 Abstract In the process of building the on-line monitor and operation optimizing manage system of the power station, how to calculate the ultimate analysis data and the carbon content in fly ash on line is urgent to resolve. This paper researches the Artificial Neural Network and its application in on-line calculating the ultimate analysis data and the carbon content in fly ash. In recent years, Artificial Neural Network (ANN) has been widely used in the function approximation problem, perception simulation, multiple target tracking, associative memory and data recovery. ANN algorithms include Hopfield algorithm, BP algorithm, no control self-organizing train algorithm and chemo taxis algorithm etc. All the algorithms used in this paper are introduced in detail. In order to get the differences of the performance of these algorithms, the XOR problem is trained with these algorithms. The ultimate analysis data are necessary in calculating the flue gas parameters and the boiler efficiency of the power station. According to the physics meaning of proximate analysis and ultimate analysis, the neural network model of the coal ultimate analysis data is built. The model is trained and tested with history data supplied by a power stat