基于模糊神经网络的电站燃煤锅炉结渣特性研究

摘要

电站燃煤锅炉的结渣是个多发性问题，一直困扰着锅炉运行操作人员，影响锅炉运行的安全性、经济性及锅炉可用率。因此，采用有效的方法对其锅炉的结渣特性进行可靠预测显得十分重要。
　　 首先，详细介绍了锅炉结渣特性的影响因素及国内外学者在燃煤锅炉结渣特性评判方法研究的进展，分别从单指标和综合指标角度阐述了各评判方法的优缺点，并分析了各评判方法准确率不高的原因。
　　 其次，介绍了模糊理论和人工神经网络的知识。综合考虑煤种本身特性和锅炉结构设计及运行工况的影响，确定7个判别指标(软化温度t2、硅铝比SiO2/Al2O3、酸碱比B/A、硅比G、综合评价指标R、无因次炉膛最高温度φt以及无因次实际切圆直径φd)作为网络模型的输入。采用6种类型的隶属度函数，分别将给定样本的输入判别指标模糊化后作为神经网络模型的输入。本文采用了34组锅炉样本，前28组样本作为训练样本，后6组样本作为检测样本。通过对比不同隶属函数得到的预测结果，按照最大隶属原则确定锅炉检测样本的结渣特性。利用上述方法，不考虑锅炉结构设计及运行工况的影响，对6组检测样本结渣特性进行预测。与7判别指标相对比，结渣特性与实际结渣特性相差较大，表明锅炉结渣特性不仅与煤种本身特性有关，而且与锅炉结构设计及运行工况等因素密切相关。此方法综合考虑了不同隶属函数对判别指标结渣程度的划分，为锅炉样本的结渣特性预测提供了更高的可信度。

目录

文摘

英文文摘

声明

第1 章 绪 论

第2 章 燃煤锅炉结渣特性分析

第3 章 模糊神经网络

第4 章 模糊神经网络模型及应用

第5 章 结论与展望

参考文献

在学期间发表的学术论文和参加科研情况

致 谢