反向建模方法在循環(huán)流化床溫參數(shù)建模中的應(yīng)用.pdf

1、反向建模方法因其能夠更好的適應(yīng)復(fù)雜熱力系統(tǒng)的特點與工程上能夠更方便的應(yīng)用而更加受到關(guān)注。循環(huán)流化床鍋爐最主要的優(yōu)勢在于它的環(huán)保性和燃料適應(yīng)性強，其中床溫參數(shù)的合理控制決定了它的優(yōu)勢能否發(fā)揮，過高的床溫會使污染物排放超標，過低的床溫可能會產(chǎn)生滅火的危險。因此關(guān)于床溫的監(jiān)測與預(yù)測建模才有了更重要的意義。
　　 本文簡要介紹了反向建模方法的一般建模過程，并給出一個對循環(huán)流化床鍋爐床溫參數(shù)建模的算例。算例主要包括對床溫參數(shù)監(jiān)測與短時預(yù)測

2、建模兩個部分，使用的算法主要是BP神經(jīng)網(wǎng)絡(luò)和Elman神經(jīng)網(wǎng)絡(luò)算法。
　　 為了減少人為因素的影響，盡量不對系統(tǒng)做出假設(shè)或簡化，在數(shù)據(jù)的選取方面，采用了灰關(guān)聯(lián)的計算方法，從眾多的參數(shù)中進行篩選，最終關(guān)聯(lián)性較強的參數(shù)建模。
　　 對床溫參數(shù)監(jiān)測的建模結(jié)果顯示，神經(jīng)網(wǎng)絡(luò)算法對目標參數(shù)的逼近有較好的效果，BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練能力以及逼近能力都要比Elman神經(jīng)網(wǎng)絡(luò)稍好。在對床溫參數(shù)短時預(yù)測建模的過程中，最重要的就是確定預(yù)測的最佳