基于最小二乘的FGR低氮燃烧自动控制系统

低氮燃烧器配合烟气循环系统FGR可以满足燃气锅炉NOX排放浓度低于30 mg/m3的要求,但前提条件是要控制好送入锅炉的烟气再循环量。在推导得到一种基于时变遗忘因子和加权配合的最小二乘递推辨识算法基础上,设计PID自整定控制器;通过MCGS搭建上位机系统,设计人机交互界面,利用MATLAB完成复杂的算法运算,MCGS与MATLAB之间通过DDE实现实时数据交换。MCGS将运算结果转换成控制信号,再通过PLC以脉冲信号去在线调节燃气锅炉FGR步进电机。试验结果表明,与传统的负荷调节法相比,所提自适应控制算法,在FGR控制系统上,具有更加优越的控制性能。

基于最小二乘的FGR低氮燃烧自适应算法

低氮燃烧器配合烟气再循环系统FGR可以很好的抑制NO_(X)的生成,现有技术是根据人工经验或者负荷来调节FGR开度,属于开环控制,并不能始终保证锅炉尾气氮氧化物的排放浓度符合要求。本文基于最小二乘算法,引入时变遗忘因子和加权因子,给出一种时变遗忘因子和加权配合的递推辨识算法,实时调节FGR开度,文中重点分析了所提算法的性质及指数收敛性。最后,在两种不同工况下,分别给出了已有FRG控制技术和本文控制算法的仿真结果,来验证所提算法的有效性和优越性。

一种基于特征点的地面激光点云全局配准方法

针对当前地面激光扫描(TLS)点云配准自动化程度低且耗时的问题,本文提出一种基于特征点和改进FGR(fast global registration)算法的TLS点云全局配准方法。该方法一共分为三步:首先对点云进行粗差剔除和降采样;然后提取Do G(Difference-of-Gaussian)特征点和进行FPFH(fast point feature histogram)描述,进而进行双向一致性匹配;最后使用FGR算法进行优化获得点云之间初始参数,结合标准ICP算法实现TLS点云的高精度配准。利用7站地面激光点云数据进行实验,结果表明本方法可以在保证配准精度的前提下获得较高的配准效率。