首页> 中文学位 >火电厂湿法烟气脱硫控制系统的研究与应用
【6h】

火电厂湿法烟气脱硫控制系统的研究与应用

代理获取

目录

声明

摘要

第1章 绪论

1.1 课题的背景和意义

1.2 火电厂烟气脱硫技术的国内外现状

1.3 火电厂湿法烟气脱硫pH值控制策略研究现状

1.4 本课题主要研究的内容

第2章 石灰石-石膏湿法脱硫工艺要求及被控对象建模

2.1 烟气脱硫技术的分类

2.2 石灰石-石膏湿法脱硫工艺流程及系统介绍

2.3 石灰石-石膏湿法脱硫的化学反应过程

2.4 影响脱硫效率的因素分析

2.5 吸收塔浆液pH值控制系统分析

2.5.1 吸收塔浆液pH值模型的特性分析

2.5.2 影响吸收塔浆液pH值控制过程的参数分析

2.6 吸收塔浆液pH值控制对象建模

2.6.1 最小二乘法的辨识原理

2.6.2 模型结构的确定

2.6.3 吸收塔浆液pH值模型的最小二乘法参数辨识

2.6.4 模型校验

2.7 本章小结

第3章 火电厂烟气脱硫控制方案设计

3.1 增压风机入口压力控制

3.2 吸收塔液位控制

3.3 石灰石浆液浓度控制

3.4 石膏饼厚度控制

3.5 工艺水箱液位控制

3.6 吸收塔浆液pH值控制

3.7 本章小结

第4章 基于RBF-PID算法的吸收塔浆液pH值控制及仿真研究

4.1 石灰石-石膏湿法烟气脱硫过程的pH值控制策略分析

4.2 PID控制的基本原理

4.3 RBF神经网络自适应控制系统的结构设计

4.3.1 神经网络基本理论

4.3.2 RBF神经网络结构

4.3.3 基于RBF神经网络整定的PID控制

4.4 仿真研究

4.4.1 传统PID与RBF-PID仿真结果比较

4.4.2 RBF-PID控制与PID控制的鲁棒性比较

4.4.3 RBF-PID控制与PID控制的抗干扰性比较

4.5 本章小结

第5章 基于神经网络内模控制的吸收塔浆液pH值控制及仿真研究

5.1 Smith预估补偿控制方案

5.2 内模控制器的结构和特点

5.3 神经网络内模控制器的结构与原理介绍

5.3.1 神经网络内部模型的建立

5.3.2 神经网络内模控制器的建立

5.3.3 系统控制方案

5.4 仿真研究

5.4.1 神经网络内模、Smith预估PID和传统PID仿真结果比较

5.4.2 神经网络内模与传统PD、Smith预估PID控制算法的鲁棒性比较

5.5 本章小结

第6章 火电厂湿法烟气脱硫控制系统实验研究

6.1 MCGS的简介

6.2 火电厂湿法FGD控制系统设计

6.3 基于OPC技术的MCGS与MATLAB实时数据通讯

6.3.1 OPC技术

6.3.2 接口通信流程

6.3.3 MATLAB和MCGS的实时通讯

6.4 基于MATLAB/Simulink和MCGS智能控制算法的实现

6.4.1 控制算法仿真系统操作步骤

6.4.2 仿真系统调试

6.5 本章小结

结论

参考文献

攻读硕士学位期间所发表的论文

致谢

展开▼

摘要

随着人们环保意识的不断提高,燃煤电厂烟气脱硫技术的研究越来越受到重视。在众多的烟气脱硫技术中,石灰石-石膏湿法烟气脱硫技术由于其具备诸多的优点而被大多数燃煤电厂广泛应用。在石灰石-石膏湿法烟气脱硫过程中,吸收塔浆液pH值的大小是影响脱硫效率、石灰石利用率以及终产物石膏品质的最关键因素,因此,对提高吸收塔浆液pH值控制精度的研究至关重要。
  烟气脱硫过程存在时变性、大惯性、滞后、非线性等特点,为了克服传统PID控制算法以及人工操作所存在的缺点,设计了RBF-PID控制器来在线整定PID的三个参数,通过MATLAB仿真对比研究表明,该算法较传统PID算法具有超调量小、调整时间短、鲁棒性强、抗干扰能力强等优点,解决了传统PID控制器因参数整定较难、自适应能力较差而引起的控制精度不高的问题,增强了系统实时工况应变能力。此外,针对RBF-PID控制器没有专门解决系统存在的滞后问题,设计了神经网络内模控制器,并进行了MATLAB仿真研究。仿真结果表明,该控制器的控制效果优越于RBF-PID控制算法、Smith预估PID控制算法以及传统PID控制算法,不但提高了吸收塔浆液pH值的控制精度,而且有效克服了时滞因素给控制带来的不利。本文最后采用MCGS组态软件完成了火电厂湿法烟气脱硫过程的组态监控系统设计,并利用OPC技术实现了MATLAB7.11与MCGS之间的数据通讯,完成了MATLAB环境下控制算法的设计,最后通过仿真验证了设计的合理性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号