基于PAC的锅炉燃烧系统智能控制研究

《基于PAC的锅炉燃烧系统智能控制研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要捅要锅炉作为重要的热工设备，是生产生活重要的动力来源，在整个社会能源消耗中占有相当比重。研究如何提高锅炉运行效率，降低能耗，减少环境污染物的排放，是当前工业发展具有重要意义的课题。目前，锅炉控制的核心主要集中在如何提高锅炉燃烧的经济效益指标，如何对锅炉运行过程采用先进控制策略，实现锅炉控制智能化，进而实现节能减排，和建立新型工业化体系的要求相适应。锅炉燃烧系统控制主要包括风煤比控制和蒸汽压力控制等。本文主要研究模糊神经网络在锅炉风煤比控制方面的应用，通过详细分析锅炉工作过程和控制需求，我们针对锅炉

2、这样无法建立燃烧对象的精确数学模型的复杂控制对象，根据操作人员和系统专家积累的控制经验，运用模糊控制理论对锅炉实现有效控制，但是由于模糊控制的缺点，本文采用集模糊控制和神经网络优点相集合的模糊神经网络(聆小)控制策略，通过积累的经验数据对网络进行“训练”，改进了锅炉控制性能，提高了系统控制效益，有效的克服了传统控制手段将风煤比看成单一函数并近似为比值关系的弊端。该系统具有自动跟踪炉膛温度，及时、高效调整风煤比的功能。在系统设计过程中，详细论述了采用PAC(PAC：Programmableautomat

3、ioncontrollers)技术、模糊神经网络控制策略相结合的控制体系在锅炉生产过程中的应用。本设计方案，采用研华ADAM一5550KW系列PAC控制器作为主控器件，并应用其最新提供的基于．NET框架的Logixview组件在微软．NET编程环境VisualStudio2005中进行系统软件设计、编码，完成控制系统软件设计、部署。最后，运用Matlab仿真软件，针对模糊神经网络控制器在锅炉燃烧控制中的应用进行系统仿真。仿真结果表明，采用模糊神经网络控制策略的PAC控制器效果明显优于传统控制手段，具有

4、较强的适应性和抗干扰能力，取得理想的控制效果。关键字：锅炉、燃烧系统；风煤比；PAC；模糊神经网络；智能控制安徽理工大学硕士学位论文AbstractBoilerasanimportantthermalequipment,andanimportantsourceofenergyproduction,insocietyplaysasignificantproportionofenergyconsumption．Howtoimprovetheoperationoftheboilerefficiencyand

5、reduceenergyconsumption,reduceemissionsofenvironmentalpollutantsisagreatsignificancetothecurrentindustrialdevelopment．Currently,thecoreoftheboilercontrolmainlyfocusedonhowtoimprovetheeconomicefficiency,theprocessofhowtousetheadvancedboilercontrolstrateg

6、y,IntelligentBoilerControl，andthensavingandemissionreduction,andtheestablishmentofnewsystemsmeettherequirementsofindustrialization．Boilercombustionsystemincludesthewindthaninthecontrolofcoalandboilersteampressure．Thispaperstudiesfuzzyneuralnetworkcontro

7、lforboilercombustionsystem．Intheanalysisoftheworkprocessandcontrolneedsoftheboiler,theboilerforsuchacomplexcontrolobject’wecan’testablishaccuratemathematicalmodeloftheobject,buttheoperatorandtheexpertsCand0verywell，theuseoffuzzycontrolontheboilertoachie

8、vegoodcontrol，duetotheshortcomingsoffuzzycontrol，andthisselectsetofadvantagesrelativetoacollectionofneuralnetworkfuzzyneuralnetwork(n州)controlstrategy,throughtheaccumulationofempiricaldataonthenetwork”training”toachieveeffectivec