火电厂磨煤机负荷检测方法

根据磨煤机的工作特点和负荷检测要求,提出综合神经网络和模糊系统优点的自适应神经网络模糊算法(ANFIS),并利用矩阵实验室中建立的ANFIS系统,对磨煤机噪音、振动和出入口压差参数进行融合,得到磨煤机负荷的准确测量。对秦岭发电厂5号锅炉甲磨煤机的实际测试表明,采用该算法能够及时、准确地反映磨煤机负荷。

基于信息融合技术的磨煤机负荷特征信息提取方法

磨煤机噪声信号含有能够表征磨煤机负荷的重要信息,是判断磨煤机运行状态的重要信号,但噪声信号各频段对负荷表征的灵敏度不同,仅靠噪声信号能量难以获取准确可靠的负荷变化信息。为此,研究出一种新的磨煤机负荷特征信息提取方法:利用信息融合技术中的多传感器一致性检测原理,将对负荷反应灵敏的多个磨煤机噪声特征频段提取出来,再按照最小二乘方法融合特征频段功率标定值,得到表征磨煤机负荷的特征信息。通过现场采集的磨煤机噪声信号,对所研究的方法进行了仿真验证,结果表明该方法有效可靠。

基于BP神经网络中储式磨煤机负荷自动寻优

为了使火电厂中储式制粉系统磨煤机运行在最佳工况,在分析其运行特性基础上,提出将磨煤机电流、出入口差压设计为输入层节点,磨煤机负荷(即最佳出力)为输出层节点的三层BP神经网络,寻找磨煤机最佳出力。

基于MAC预测控制的磨煤机负荷控制系统

火电厂磨煤机负荷控制对象具有典型的非线性、大滞后及时变性等复杂特性,因而采用常规的控制方法难以获得较好的控制效果。基于预测控制在解决复杂难控对象的优势,提出MAC控制方案用以解决磨煤机负荷控制问题。良好的仿真效果表明,针对不同工况下的模型参数变化及内部扰动时,MAC控制算法在控制的稳定性、鲁棒性、抗干扰性上均优于常规的PID控制。