期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
基于OS-ELM的循环流化床锅炉NO_x建模研究
被引量:
1
下载PDF
职称材料
导出
摘要
目前,大部分学者采用人工神经网络和支持向量机等方法建立NO_x排放浓度模型。但是,这些建模方法只是建立了离线预测模型,不能实现NO_x排放浓度的在线建模。为此,提出采用在线贯序极端学习机建立NO_x排放浓度的在线模型,实现真正意义上的在线预测。实验结果表明,在线贯序极端学习机具有良好的回归精度和泛化能力。
作者
张京
孙博
陈皓
机构地区
河钢集团承德钢铁公司
出处
《自动化应用》
2017年第4期51-52,68,共3页
Automation Application
关键词
循环流化床
极端学习机
氮氧化合物
在线预测
分类号
TP391.9 [自动化与计算机技术—计算机应用技术]
引文网络
相关文献
节点文献
二级参考文献
57
参考文献
5
共引文献
107
同被引文献
8
引证文献
1
二级引证文献
9
参考文献
5
1
牛培峰,麻红波,李国强,马云飞,陈贵林,张先臣.
基于支持向量机和果蝇优化算法的循环流化床锅炉NO_x排放特性研究[J]
.动力工程学报,2013,33(4):267-271.
被引量:34
2
许昌,吕剑虹,郑源,冯晓琼.
以效率和低NO_x排放为目标的锅炉燃烧整体优化[J]
.中国电机工程学报,2006,26(4):46-50.
被引量:37
3
魏辉,陆方,罗永浩,蒋欣军.
燃煤锅炉高效、低NO_x运行策略的研究[J]
.动力工程,2008,28(3):361-366.
被引量:15
4
吴锋,周昊,郑立刚,岑可法.
基于非支配排序遗传算法的锅炉燃烧多目标优化[J]
.中国电机工程学报,2009,29(29):7-12.
被引量:20
5
高正阳,郭振,胡佳琪,吴小芳,王星久.
基于支持向量机与数值法的W火焰锅炉多目标燃烧优化及火焰重建[J]
.中国电机工程学报,2011,31(5):13-19.
被引量:13
二级参考文献
57
1
许昌,吕剑虹,郑源.
最小资源分配网络及其在电站锅炉中的应用[J]
.中国电机工程学报,2004,24(11):228-232.
被引量:13
2
李智,蔡九菊,曹福毅,胡俊宇.
电站锅炉效率在线计算方法[J]
.节能,2005,24(3):28-29.
被引量:25
3
陈敏生,刘定平.
电站锅炉飞灰含碳量的优化控制[J]
.动力工程,2005,25(3):391-391.
被引量:24
4
齐志泉,田英杰,徐志洁.
支持向量机中的核参数选择问题[J]
.控制工程,2005,12(4):379-381.
被引量:39
5
锅炉[J]
.动力工程:英文版,2005(5):17-20.
被引量:5
6
王春林,周昊,周樟华,凌忠钱,李国能,岑可法.
基于支持向量机的大型电厂锅炉飞灰含碳量建模[J]
.中国电机工程学报,2005,25(20):72-76.
被引量:97
7
赵新木,王承亮,吕俊复,岳光溪.
基于BP神经网络的煤粉锅炉飞灰含碳量研究[J]
.热能动力工程,2005,20(2):158-162.
被引量:25
8
李小青.
基于神经网络与遗传算法的传动部件设计优化[J]
.计算机测量与控制,2006,14(2):253-255.
被引量:9
9
许昌,吕剑虹,郑源,冯晓琼.
以效率和低NO_x排放为目标的锅炉燃烧整体优化[J]
.中国电机工程学报,2006,26(4):46-50.
被引量:37
10
佟刚,张国忠,苗君明.
基于遗传算法优化的神经网络及其在机械故障诊断中的应用[J]
.机械与电子,2006,24(6):13-15.
被引量:5
共引文献
107
1
张卓林,王孝红,于宏亮.
电厂锅炉入炉煤粉计量及优化配风[J]
.济南大学学报(自然科学版),2013,27(3):279-282.
被引量:6
2
牛培峰,肖兴军,李国强,马云飞.
万有引力搜索算法在电厂锅炉NOx排放模型中的应用研究[J]
.自动化博览,2011,28(S2):87-92.
被引量:2
3
米长武,卢权,孔德奇.
电站煤粉锅炉燃烧优化预数值计算研究综述[J]
.锅炉制造,2007(2):8-12.
被引量:1
4
苟湘,周俊虎,周志军,杨卫娟,刘建忠,岑可法.
水蒸气对煤粉燃烧生成NO的影响[J]
.热力发电,2007,36(10):4-8.
被引量:12
5
刘吉臻,杨光军,谭文,房方.
基于数据驱动的电站燃烧稳定度综合评价[J]
.中国电机工程学报,2007,27(35):1-6.
被引量:14
6
肖海平,周俊虎,刘建忠.
醋酸钙镁高温脱硫脱硝实验研究[J]
.中国电机工程学报,2007,27(35):23-27.
被引量:14
7
郑立刚,周昊,王春林,岑可法.
变尺度混沌蚁群算法在NO_x排放优化中的应用[J]
.中国电机工程学报,2008,28(11):18-23.
被引量:12
8
朱予东,王运泽,欧宗现,阎维平.
应用局部投影网络预测燃料分级燃烧锅炉的飞灰含碳量[J]
.热能动力工程,2008,23(3):265-268.
9
余廷芳,林中达.
部分解约束算法在机组负荷优化组合中的应用[J]
.中国电机工程学报,2009,29(2):107-112.
被引量:35
10
梁绍华,郑立刚,周昊,岑可法.
基于支持向量机与高斯分布估计的低NOx排放[J]
.化工学报,2009,60(1):223-229.
被引量:8
同被引文献
8
1
牛培峰,孟凡东,陈贵林,马巨海,王怀宝,张君,窦春霞.
直接型自适应模糊控制器的设计及其在汽温控制中的应用[J]
.动力工程,2010,30(1):22-26.
被引量:7
2
洪文鹏,陈重.
基于自适应粒子群优化BP神经网络的氨法烟气脱硫效率预测[J]
.动力工程学报,2013,33(4):290-295.
被引量:21
3
王成,代祥,刘飞,陈程.
基于RBF神经网络的电力系统负荷预测[J]
.电力学报,2018,33(5):399-407.
被引量:7
4
王炳淇,韩小渠,张程,周延,严俊杰.
褐煤锅炉蒸汽温度模糊控制仿真研究[J]
.工程热物理学报,2017,38(1):27-32.
被引量:9
5
李明辉,云卫涛,张孝杰.
基于双模糊解耦控制的小型汽轮机负荷控制[J]
.热力发电,2018,47(1):112-118.
被引量:6
6
樊宁,崔云霞,彭月,李伟迪,朱永青.
基于BP神经网络的燃煤电厂周围土壤重金属浓度预测及评价[J]
.环境科技,2018,31(2):52-56.
被引量:7
7
李昊,罗云,李瑞东,苏永健,陈雪林,徐义巍,郭洪远,李鹏竹.
基于粒子群优化算法优化BP神经网络模型的间接空冷散热器性能监测[J]
.动力工程学报,2019,39(12):973-980.
被引量:13
8
牛鹏坤,洪辉,王炜哲.
基于改进遗传算法的电站锅炉效率优化[J]
.热能动力工程,2020,35(3):111-115.
被引量:6
引证文献
1
1
洪昌少,黄俊,关应元,马晓茜.
BP/RBF神经网络与模糊规则耦合的电站锅炉燃烧控制[J]
.热能动力工程,2021,36(4):142-148.
被引量:9
二级引证文献
9
1
杨东红.
基于改进BP神经网络的新能源汽车销量预测[J]
.自动化与仪器仪表,2021(11):60-63.
被引量:10
2
姚瑞鑫,田彬,陆会明.
融合改进粒子群算法的模糊控制策略在汽包锅炉的应用[J]
.电工技术,2022(6):12-15.
被引量:2
3
章家岩,陈雨薇,宋澜波,冯旭刚.
锅炉飞灰BP-WA算法优化控制策略[J]
.湖北大学学报(自然科学版),2022,44(5):514-521.
4
冀南,易金豪,赵鹏程,于涛.
基于自适应RBF神经网络预测堆芯热工水力参数的方法研究[J]
.核技术,2022,45(9):65-74.
被引量:1
5
孔陶茹,齐峰,李晚春.
基于RBF-BP算法的机械臂多自由度分拣控制系统设计[J]
.计算机测量与控制,2022,30(11):98-103.
被引量:3
6
马新喜.
350MW循环流化床锅炉机组负荷动态优化控制方法[J]
.自动化应用,2023,64(14):60-62.
被引量:1
7
豆重飞.
基于反馈快速学习网的汽轮机节能运行自适应控制方法[J]
.自动化应用,2023,64(21):136-138.
8
王文标,张谦谦.
基于动态加权差分主成分分析的工业锅炉故障诊断[J]
.热能动力工程,2023,38(11):185-190.
被引量:1
9
郭宁,李晓青.
基于自适应模糊PID的电气设备温度调试仿真[J]
.计算机仿真,2024,41(2):56-60.
1
卢诚波,梅颖.
前馈网络的一种高精度鲁棒在线贯序学习算法[J]
.上海交通大学学报,2015,49(8):1137-1143.
被引量:4
2
谭超.
基于支持向量机的软测量技术及其应用[J]
.传感器技术,2005,24(8):77-79.
被引量:9
3
刘飞明,张雨飞.
采用改进混沌粒子群算法的锅炉NO_x排放的LSSVM回归建模[J]
.工业控制计算机,2017,30(1):75-76.
被引量:5
4
网络版论文摘要[J]
.环境污染与防治,2016,38(5):111-111.
5
葛磊,强彦,张伟.
基于POS-ELM的孤立性肺结节诊断方法研究[J]
.科学技术与工程,2016,16(36):55-60.
被引量:3
6
阿曼达.
VIA的双头鹰 VIA Nano X2双核处理器预览[J]
.微型计算机,2011(4):68-69.
7
张艳芬.
一种新型神经网络学习算法[J]
.辽宁师专学报(自然科学版),2008,10(1):17-18.
被引量:2
8
Baimurat Karkyngul.
二氧化锡纳米传感器发展趋势及应用[J]
.科技创新与应用,2017,7(8):8-9.
9
Arduino发布多款全新升级产品[J]
.无线电,2015,0(11):8-8.
10
杨帆.
传感器的补偿及回归精度分析[J]
.大学物理实验,1998,11(2):24-26.
自动化应用
2017年 第4期
职称评审材料打包下载
相关作者
内容加载中请稍等...
相关机构
内容加载中请稍等...
相关主题
内容加载中请稍等...
浏览历史
内容加载中请稍等...
;
用户登录
登录
IP登录
使用帮助
返回顶部