用模糊神经网络方法预测煤灰的结渣特性

研究煤灰的结渣特性是预测和诊断电站锅炉炉内结渣故障的第一步。综合应用模糊数学和神经网络的知识构造了一个模糊神经网络模型,用以判别煤灰的结渣特性。该方法是对已有的单一指标判别法和用模糊数学方法进行多个指标判别的改进。计算结果表明,该方法具有诊断速度快、结果准确的特点,为进一步研究煤灰结渣综合判别指标提供了一个新的途径。     

灰色系统在电站锅炉燃煤结渣特性中的应用

为了准确评判锅炉燃煤的结渣特性,运用灰色系统理论针对煤灰结渣影响因素的模糊性、多样性等特点的非确定性问题,建立聚类决策方法,结合使用模糊TOPSIS法对电站锅炉燃煤的结渣特性进行综合评价.计算结果表明,判别结果与实际结果基本吻合.     

低阶煤气化结渣特性的研究进展简

从影响低阶煤气化结渣的因素（煤质特性、操作条件）、结渣物的形成机理和预防措施方面,对低阶煤气化过程中的结渣特性进行了综述．指出煤质特性是低阶煤气化结渣的关键因素．当操作温度高于煤灰的烧结温度时,煤灰低熔点共融物的粘附作用引起半熔融态灰颗粒团聚,在流化床的“死区”易形成结渣物．阻熔剂和配煤都能改变低阶煤的气化结渣特性,但配煤的方法更为经济高效．     

用灰色聚类方法评价煤的结渣性能

采用灰色系统理论中的灰色聚类方法对磁窑堡煤、石咀山煤及其混合煤的结渣性能进行了评判，并将该方法所得评判结果与常用结渣指标判别的结果及实际结渣情况进行了比较。结果表明：灰色聚类方法评价煤的结渣性能时，其分辨力比用常规方法判别时高，判别结果更符合客观实际。     

用灰色聚类方法评价煤的结渣性能

采用灰色系统理论中的灰色聚类方法对磁窑堡煤、石咀山煤及其混合煤的结渣性能进行了评判，并将该方法所得评判结果与常用结渣指标差别的结果及实际结渣情况进行了比较。结果表明：灰色聚类方法评价煤的结渣性能时，其分辨力比用常规方法判别时高，判别结果更符合客观实际。     

煤粉炉局部结渣的故障诊断模型

水冷壁结渣是电站燃煤锅炉中的经常性故障,及时估计锅炉的结渣情况对提高锅炉运行的经济性、防止锅炉发生严重事故具有重要的意义。该文分析了可用于诊断该故障的主要特征参数,运用神经网络的方法建立了局部结渣故障诊断模型。计算结果表明,诊断迅速、结果准确。该方法简单,无需昂贵的诊断设备,有广泛的应用前景。     

CaO-MgO-FeO-Fe2O3-SiO2炼钢渣系磷分配比的热力学模型

基于炉渣离子-分子共存理论(IMCT)建立了CaO-MgO-FeO-Fe2O3-SiO2渣系的磷分配比预报模型,即IMCT-LP模型.比较了该渣系在1823~1873 K时实测的磷分配比、IMCT-LP模型预报的磷分配比及其他6种磷分配比模型的计算结果.与实测值和其他磷分配比模型预报结果相比,由IMCT-LP模型预报的CaO-MgO-FeO-Fe2O3-SiO2渣系的磷分配比更精确.本文建立的IMCT-LP模型不仅可计算该渣系的磷分配比,而且可计算该渣系中碱性离子对(Ca2++O2-)、(Mg2++O2-)和(Fe2++O2-)各自的磷分配比.     

煤粉炉水冷壁结渣故障特征提取

以电站锅炉为对象,研究提取合适的炉内结渣故障特征参数。建立了考虑结渣的膜式水冷壁温度场的计算模型。计算结果表明背火侧鳍端温度受炉内结渣影响显著,并有较好的温度特性曲线,而受其他因素影响较小。因此,提出了以背火侧鳍端温度作为诊断炉内结渣严重程度的故障特征量。文中介绍了所建模型及其与试验数据的比较结果,分析了各个因素对鳍端温度的影响,为解决炉内结渣的诊断提供了一个良好的新途径。     

生物质成型燃料热风炉结渣特性及成因试验研究

采用生物质成型燃料热风炉,分别进行了炉膛温度、燃料层厚度、燃料粒径和过量空气系数等对结渣率影响的试验,根据试验与观察,得出了生物质成型燃料热风炉的结渣特性,并分析总结了生物质成型燃料热风炉的结渣成因、过程及结渣影响因素.     

模糊灰色聚类法在蔗渣燃烧结渣倾向性中的判别应用

为判别蔗渣在燃烧过程的结渣倾向性,文中对蔗渣制灰进行了X-射线荧光分析(XRF),然后基于XRF的元素分析结果,分别采用单一指标判别法与模糊灰色聚类法对蔗渣结渣的倾向性进行判别,并对判别结果与实验结果进行了比较分析。结果表明,单一指标判别法并不能很好地反应蔗渣结渣的倾向,而模糊灰色聚类法则能较好地判别蔗渣结渣的倾向,判别结果与实验结果(严重结渣)吻合,证实模糊灰色聚类法对生物质蔗渣结渣倾向判别的有效性。研究结果可为生物质燃烧结渣倾向判别方法提供参考。     

基于模糊神经网络的供热负荷预测

首先在对供热负荷预测算法的发展现状主要成果阐述的基础上,对影响供热预测因素采用模糊量化的方式进行研究处理,并由此推断将模糊神经网络算法应用于供热负荷预测可以得到良好的效果.研究模型的设计核心是BP神经网络,即将模糊量化后的影响因素作为系统的输入值,去调整神经网络的权值,从而得到预测的网络模型.建立预测模型和预测策略后,可以采用Matlab科学计算软件开发程序对预测模型效果进行模拟仿真,结果表明,预测的结果能够满足要求,相对误差在合理的范围内,并且模糊神经网络算法比单纯神经网络算法具有更好的预测精度和鲁棒特性,从而达到节能的目的.且适应性强,可以应用到类似的供热工程上.     

噪声有源控制的简化模糊神经网络方法

研究了非线性噪声有源控制的问题,给出了一种简化的模糊神经网络控制方法。控制系统只有一个输入,需要比较少的参数,因此降低了计算负荷。系统的收敛速度明显快于全局逼近神经网络。     

基于遗传算法优化的自适应FNN-PID控制器研究

针对传统PID控制器参数整定后因无法在线自动调整而导致控制效果不理想的问题,提出了一种基于遗传算法优化模糊神经网络（FNN, Fuzzy Neural Network）的自适应FNN-PID控制器模型。该模型结合了模糊神经网络良好的自适应自学习能力和遗传算法强大的全局搜索能力,利用遗传算法对模糊神经网络的参数进行优化与训练,使PID控制器能够根据被控对象的变化而适时在线调整自身参数KP, KI和KD,从而达到理想的控制性能。将该控制器应用于异步电动机控制系统进行仿真实验,结果表明：基于遗传算法优化的自适应FNN-PID控制器具有较好的自适应能力和鲁棒性,控制效果明显优于传统PID控制器。     

ANFIS在水电站地下厂房围岩变形预测中应用

针对目前应用人工神经网络(ANN)方法预测地下洞室围岩变形时间序列的缺陷,提出一种将神经元网络和模糊逻辑有机结合的新型模糊推理系统——ANFIS(adaptive-network-based fuzzy inference systems),该系统采用反向传播算法和最小二乘法的混合算法分别调整前提参数和结论参数,充分地利用了神经网络的学习能力和模糊逻辑的表达能力,实现了回归模型的自适应调整.通过龙滩电站的实例应用可以发现,ANFIS预测系统较传统ANN方法具有简单、快速以及预测精度高等特点.     

结合神经元网络和模糊专家系统进行电力短期负荷预测

结合人工神经元网络（ＡＮＮ）和模糊专家系统进行负荷预测．给出了径向基函数（ＲＢＦ）网络的结构,并采用正交最小平方法（ＯＬＳ）选取ＲＢＦ中心．先用ＡＮＮ进行基本负荷预测,然后考虑天气变化和假日因素所引起的负荷变化,利用模糊专家系统进行负荷调整．文中还把日期划分为５类．测试结果表明,该方法具有较高的精度和较快的速度．     

基于动态BP算法的非线性滞后系统辨识

鉴于很多实际问题都可以转化到多示例框架下求解,多示例学习越来越受到机器学习领域内学者们的关注.提出了一个基于Logistic回归模型的多示例学习算法.首先定义了一个新的似然函数来表示每个包的标签与其示例的隐含标签之间的关系,然后利用凝聚函数把该似然函数转化为一个光滑的凹函数,从而使问题可以用常用的无约束优化方法快速求解.在一些标准数据集和一个文本分类问题上的实验结果表明,所提算法要优于其他常用多示例学习算法.     

一种新的状态估计混合智能模型

为实现发电机状态维修,研究一种新的状态估计混合智能模型。设计了一种基于径向基信息神经网络和模糊推理的模型,阐述径向基信息神经网络的结构和训练算法,介绍一阶Sugeno模糊模型的5层结构,根据专家经验知识选择合适的模糊输入隶属函数和模糊逻辑推理规则,而结论参数采用递归最小二乘法辨识。该模型充分利用各种在线监测装置的监测数据,特别是可利用领域专家的实践经验和专业知识,实现发电机状态估计。     

基于模糊神经网络的机械手自适应控制

单纯的神经网络和单纯的模糊系统具有各自的优点和缺点,模糊神经网络是两者的结合,它可吸取两者的优点而达到更优良的性能。这里提出了一种基于模糊神经网络的自适应控制方法。在利用常规控制器提取初始模糊规则的基础上,利用专家经验对初始规则进行补充,最后再利用误差的反向传播算法对参数进行在线的自适应调整。该方法用于机械手的跟随控制,两个模糊神经网络分别用于主回路控制和对象的逆模型,最后得到了优于样本控制器的跟踪控制效果。     

基于模型参考自适应的直线电机转速辨识

针对直线永磁同步电动机全闭环控制系统易受干扰、降低系统性能指标、存在不稳定因素等问题,提出了基于模型参考的自适应模糊神经网络在线辨识方法,用梯度法实时修正模糊控制器的输入和输出隶属度参数,建立了模型参考自适应模糊神经网络速度伺服系统模型,给出了模糊神经网络控制器的设计方法.仿真和实验结果表明:该方法提高了速度检测装置的分辨率和动态响应能力,系统具有很强的鲁棒性.     

Fault-Tolerant Control of Nonlinear Systems Based on Fuzzy Neural Networks

Due to its great potential value in theory and application,fault-tolerant control strategies of nonlinear systems,especially combining with intelligent control methods,have been a focus in the academe.A fault-tolerant control method based on fuzzy neural networks was presented for nonlinear systems in this paper.The fault parameters were designed to detect the fault,adaptive updating method was introduced to estimate and track fault,and fuzzy neural networks were used to adjust the fault parameters and cons...