基于改进云自适应粒子群优化算法的NOx含量测量.pdfVIP

第38卷第7期自动化仪表V01．38No．7

2017年7月PROCESSAU7I’oMA7Ⅱ0NIN唧UMENTA，110NJuly．2017

基于改进云自适应粒子群优化算法的NOx含量测量

金秀章，刘潇

(华北电力大学控制与计算机工程学院，河北保定071003)

摘要：脱硝反应器入口NO。浓度的及时、准确测量，对精确调节喷氨量、控制氮氧化物的排放至关重要。针对NO。气体分析仪测量

存在的精度差、滞后性等问题，基于传统云理论，并结合径向基函数(RBF)神经网络，提出了改进的云自适应粒子算法(CPSO)一RBF

神经网络的测量模型。利用云模型理论中云滴具有随机性、稳定倾向性等特点，提出了一种新型分段式自适应调整粒子群惯性权重

算法。利用此优化算法，对神经网络参数进行优化，提高了测量模型的精度。将该模型应用于SCR反应器人口的NO。含量测量中，实

例仿真表明，改进算法优化的神经网络模型具有较高的精度，为反应器入口NO。含量的实时、准确测量提供了一定的理论依据，也为

实际生产过程中