基于神经网络与遗传算法的配煤优化模型的研究

摘要

动力配煤数字化信息控制系统对煤质在线检测的应时性、配煤煤质预测的精度和配煤优化计算的效率等提出了较高的要求。但在动力配煤领域仍普遍存在的一些问题，如煤炭发热量实验室测定方法繁琐，测定耗时长、应时性差；配煤煤质预测，普遍采用的加权平均法，预测精度低；传统优化方法效率低下、全局搜索能力差等，已成为严重影响动力配煤数字化信息控制系统设计及良好运行的亟需克服的缺陷。 本文在配煤优化和煤质预测领域分别引入了遗传算法和神经网络技术，并在此基础上，把神经网络和遗传算法相结合应用于配煤优化模型的设计过程。 建立了基于加权平均法一遗传算法的动力配煤初步优化模型。该优化模型具有较高的运算效率和稳定性，可以在单一煤种规模为 20，参配煤种为3、精度为 1％的情况下，获得最佳配煤方案。该配煤方案可用于选择合适的煤种和设定初始配比。但由于对配煤煤质预测过程采用加权平均法计算，导致配煤产品的煤质指标的预测值与实测值有较大的误差。 为解决加权平均法计算配煤煤质指标误差大、精度低的缺点，建立了基于Elman神经网络的配煤煤质预测模型。该预测模型不仅具有较高的预测精度，而且解决了煤炭发热量测定应时性差的问题，能够根据各参配煤种的M<,ad>、A<,ad>、V<,ad>和对应的配比X，直接预测出配煤产品的M<,ad>、A<,ad>、V<,ad> 和 Q<,net,ad>。 把基于Elman神经网络的动力配煤煤质预测模型与遗传算法相结合，建立了基于神经网络-遗传算法的动力配煤实时优化模型。该模型具有较高的精度，可以在配煤初步优化方案的基础上，根据配煤过程中的具体煤质反馈数据，实现在线实时优化。

目录

文摘

英文文摘

声明

第一章绪论

1.1引言

1.2国内外动力配煤的研究状况

1.2.1国外动力配煤技术发展状况

1.2.2国内动力配煤技术发展状况

1.3动力配煤数字化信息控制系统概述

1.4配煤优化数学模型和配煤煤质、燃烧特性研究概述

1.4.1动力配煤优化数学模型

1.4.2配煤煤质特性和燃烧特性的预测技术综述

1.5配煤优化模型寻优算法综述

1.5.1穷举法

1.5.2混合离散变量优化设计(MDOD)法

1.5.3遗传算法

1.5.4寻优算法的比较

1.6课题来源

1.7本论文的研究内容

第二章基于加权平均法_遗传算法的动力配煤初步优化模型的研究

2.1遗传算法的基本原理和方法

2.1.1遗传算法介绍

2.1.2遗传算法基本用语及算法流程

2.1.3遗传算法基本操作

2.2动力配煤初步优化问题的描述

2.3基于加权平均法_遗传算法的配煤初步优化模型设计

2.3.1遗传参数编码

2.3.2适应度函数的设计

2.3.3适应度计算

2.3.4选择算子的设定

2.3.5交叉算子的设定

2.3.6变异算子的设定

2.3.7控制参数的设定

2.3.8全局最优解的确定

2.3.9向量化目标函数

2.3.10算法收敛性和终止条件

2.4对配煤初步优化方案的煤质预测精度检测

2.5对动力配煤初步优化模型的综合评价

2.6本章小结

第三章基于Elman神经网络的动力配煤煤质预测模型的研究

3.1人工神经网络理论及特点

3.1.1人工神经网络理论

3.1.2前向型BP神经网络的缺点

3.2 Elman神经网络的理论

3.2.1 Elman神经网络的提出

3.2.2 Elman神经网络结构

3.2.3 Elman神经网络的学习过程

3.3 Elman神经网络理论在动力配煤煤质预测中的应用

3.3.1样本数据的准备

3.3.2 Elman网络设计和训练

3.3.3对Elman网络预测模型的预测结果的误差分析

3.3.4对Elman网络预测模型的预测性能的检验

3.4本章小节

第四章基于神经网络_遗传算法的动力配煤实时优化模型的研究

4.1基于神经网络_遗传算法的配煤优化模型的目标函数设计

4.2基于神经网络_遗传算法的配煤优化模型设计及优化运算

4.3基于神经网络_遗传算法的优化模型的预测精度检测

4.4对基于神经网络_遗传算法的配煤优化模型的评价

4.5本章小结

第五章全文总结

5.1结论

5.2展望

致谢

参考文献

附录

作者简介：