基于RBF神经网络的循环灰利用率软测量技术的研究

摘要

循环流化床烟气脱硫(CFB-FGD)技术是一项新型半干法烟气脱硫工艺，能在较低的钙硫比情况下接近或达到湿法工艺的脱硫效率。具有脱硫产物易于处理、设备占地面积小、运行可靠、操作维护方便、投资费用低等优点。
　　 本文首先介绍了CFB-FGD的机理和工艺现状。通过对CFB-FGD机理及工艺的分析得知，循环灰的多次循环利用大大提高了循环流化床烟气脱硫效率。目前对物料循环的具体作用过程的研究还不是很清晰，因此循环灰利用率的测量有利于进一步的研究循环流化床烟气脱硫工艺，并且实现循环流化床烟气脱硫系统的优化控制。
　　 目前很少有关于循环灰中脱硫剂所起的作用研究的文献，本文为进一步的研究循环流化床脱硫过程中循环灰所起到的作用，研究了循环灰利用率的软测量方法。
　　 辅助变量的选择对软测量模型的建立有着至关重要的作用，本文主要对循环灰利用率的影响因素进行了详细的分析，通过详细的机理分析来选择合适的变量做辅助变量。选择了喷水量、新鲜脱硫剂量、循环灰量、入口烟气浓度、入口烟气流量、入口烟气温度这六个变量做模型的辅助变量。
　　 研究了粒子群优化算法，引入了线性减小惯性权重和收缩因子，提出了改进粒子群优化算法(MPSO)。结合MPSO算法与梯度下降法，将MPSO算法的全局搜索能力和径向基函数神经网络(RBF)局部优化的高效性相融合，克服了普通PSO算法收敛的不稳定性和RBF网络易陷入局部极小值的缺点，建立了RBF神经网络的MPSO-RBF混合优化算法。将训练后的RBF神经网络应用于循环灰利用率的软测量模型中，实现循环灰利用率的软测量，仿真实验结果表明，基于RBF神经网络的软测量模型具有较高的精度、较好的性能和良好的应用前景。

目录

文摘

英文文摘

第1章 绪论

1.1 烟气脱硫概况

1.1.1 国外烟气脱硫技术现状

1.1.2 国内烟气脱硫技术现状

1.2 循环流化床工艺及研究现状简介

1.2.1 循环流化床烟气脱硫工艺概况

1.2.2 循环流化床烟气脱硫机理

1.2.3 循环流化床烟气脱硫研究现状

1.3 研究循环灰利用率的意义

1.4 本文所作的主要工作

第2章 软测量基本原理及辅助变量的分析

2.1 软测量技术简介

2.2 软测量技术基本原理

2.3 软测量过程实现的设计方法

2.4 软测量建模方法

2.5 影响软测量性能的因素

2.5.1 辅助变量的选择

2.5.2 测量数据的采集与预处理

2.5.3 软测量模型的校正

2.6 软测量模型中辅助变量的选择与分析

2.6.1 喷水量对循环灰利用率的影响

2.6.2 新鲜脱硫剂的量对循环灰利用率的影响

2.6.3 循环灰量对循环灰利用率的影响

2.6.4 入口SO2浓度对循环灰利用率的影响

2.6.5 入口烟气温度对循环灰利用率的影响

2.6.6 入口烟气流量对循环灰利用率的影响

2.7 本章小结

第3章 神经网络及其算法的研究

3.1 人工神经网络简介

3.2 RBF神经网络

3.2.1 RBF网络的结构

3.2.2 RBF网络的学习算法

3.3 基于PSO的RBF神经网络算法的研究

3.3.1 粒子群优化算法

3.3.2 粒子群算法分析与改进

3.3.3 MPSO-RBF策略基本思想

3.3.4 MPSO-RBF策略操作设计及算法流程

3.4 仿真结果分析

第4章 循环灰利用率软测量模型的建立

4.1 软测量模型建立的实现流程

4.2 RBF神经网络软测量模型的建立

4.3 软测量模型的仿真结果

4.4 软测量模型的检验与校正

4.4.1 模型的检验

4.4.2 模型的校正

4.5 本章小结

第5章 总结与展望

参考文献

致谢