基于门控循环单元神经网络的浆液pH的预测建模

吸收塔内浆液的PH值是影响燃煤电厂湿法脱硫系统效率的重要参数。燃煤电厂的湿法脱硫系统具有大滞后、非线性、强耦合等特征,因而其吸收塔浆液的PH值很难实现精准控制。本文利用门控循环单元（gated recurrent unit, GRU）神经网络在处理时间序列数据的优越性,对吸收塔内的浆液PH值进行预测建模,通过将燃煤电厂采集的影响浆液PH值的变量数据作为模型的输入,对模型进行训练处理,获得吸收塔内浆液PH值的预测模型。将预测模型应用于辽宁省华能营口电厂600MW机组湿法脱硫智能控制系统中吸收塔内浆液PH值的预测。结果表明相比于反向传播（back propagation, BP）神经网络模型、径向基函数（radial basis function, RBF）神经网络、循环神经网络（recurrent neural network, RNN）和长短期记忆（long and short term memory, LSTM）神经网络,该模型精确度更高,实用性更强。     

BP神经网络PID控制器在主汽温控制中的应用

电厂锅炉主蒸汽温度对汽轮机的使用寿命和机组的运行安全有重要影响,电厂锅炉主蒸汽温度动态特性随着负荷的变化而变化,如何把主蒸汽温度快速稳定的控制在设定值附近是火电厂热工过程控制的难点之一.针对电厂锅炉在不同负荷下的主蒸汽温度控制问题,提出一种基于BP神经网络的PID串级控制方案,神经网络通过对系统的不断学习,加权系数不断调整的方式,使PID控制器参数实现最佳的组合,仿真实例验证了所提方法具有较好的控制品质和较强的抗干扰能力.     

基于深度神经网络的中期电力负荷预测

电力负荷预测的精确度对于电厂的实际发电量、配电、系统维护以及与电价相关的能源供应商运营计划等都有着极大地影响;研究了前馈深度神经网络和递归深度神经网络在中期电力负荷预测中的应用及其准确性和计算能力分析;首先,针对收集的原始数据集进行预处理,提出了一种时域-频域分析特征提取方法,该方法可以充分地挖掘隐藏在原始数据集中的深层信息;然后利用前馈深度神经网络和递归深度神经网络模型进行中期电力负荷预测;最后,利用某城市5年期间的实际负荷数据,预测未来1年中不同季节的负荷;通过仿真结果表明:时域-频域分析法和深度神经网络协同使用于中期负荷预测具有更高的准确性。     

基于RBF神经网络的PID控制在锅炉温度系统中的应用研究

目的提高电厂锅炉温度系统控制的可靠性和安全性,达到精确控制。方法提出一种基于RBF(Radial Basis Function)神经网络的PID控制器,建立3层神经网络模型。结果在RBF-PID控制过程中,由神经网络RBF在线辨识得到梯度信息,然后根据梯度信息对PID的3个参数进行在线调整,从而改善系统的控制品质。结论仿真结果表明,基于RBF神经网络的PID控制较传统PID控制有较强的鲁棒性,提高了实时性能,获得了更好的控制效果。     

电厂冷凝器清洗机器人设计与控制方法研究

提出了面向电厂冷凝器清洗的新方法,它以高压水清洗为主、以化学药剂清洗为辅,通过智能清洗机器人实现电厂冷凝器的自动化在线清洗.首先设计了水下冷凝器清洗机器人的体系结构,给出了清洗机器人的机械与电气结构,在此基础上,为实现机器人的高效清洗,设计了机器人的分布式控制系统,提出了水下作业环境下二关节机器人的控制方法,建立了模糊高斯基神经网络控制系统结构,通过BP学习算法进行神经网络训练.最后,仿真实验表明:提出的控制方法在动态性能和稳定性方面优于传统的控制方法,非常适用于水下环境的清洗控制.     

关于电厂热工控制系统中DCS的应用研究

随着我国国民经济以及科学技术的不断发展,越来越多的高科技信息技术被广泛地应用在各个行业当中。而作为一种高科技,DCS也已经被广泛地应用在电厂热工控制系统当中,此系统不仅关系到电厂机组的运行与调试,同时还关系到电厂的效益与发展,因此,必须要加强DCS在电厂电工控制系统中的应用。该文主要介绍了DCS与我国电厂热工控制的发展状况,分析了DCS在电厂热工控制系统中的应用优势以及管理与维护对策,希望能够促进DCS在电厂热工控制系统中合理运用,从而保证电厂的安全运行,促进电厂以及我国经济的可持续发展。     

过热汽温的模拟柔性神经网络直接自适应控制系统

提出一种模拟复合正交柔性神经网络,并应用于电厂过热汽温的直接自适应控制方法。模拟柔性神经网络被用作为过热汽温控制系统中的主、副调节器,以改善控制系统的动态性能。神经网络采用5层网络结构,网络隐层节点采用带参数的Sigmoid函数构成的Laguerre（拉盖尔）复合正交多项式。网络在学习过程中,输入层与隐层之间不用调整权值,仅连续调整输出层与隐层之间的权值和隐层中Sigmoid函数的参数,以提高网络的学习适应性。网络隐层节点（处理元）是复合正交多项式的展开项,展开项的多少决定着网络的学习速度和精度。通过对具有严重参数不确定性、扰动以及大迟延的电厂过热汽温被控对象进行仿真研究,结果表明控制系统的干扰和超调明显减小,在控制系统的动态性能上,所提控制方法优于常规控制方法。电厂过热汽温控制取得了令人满意的效果。     

MATLAB语言的神经网络工具箱及应用

本文首先介绍了MATLAB神经网络工具箱,并结合实例对神经网络工具箱中的一些函数及神经网络结构进行解释和说明;然后对神经网络在同步中的应用进行介绍并通过仿真验证了神经网络在同步中应用的可行性。     

神经网络在网络通信中的应用

根据神经网络的原理和特点,说明在网络通信中采用神经网络技术进行应用研究的优势,并根据其特点从三个方面介绍了神经网络在网络通信中的应用,最后分析目前神经网络技术在网络通信中应用研究的现状和发展趋势。     

神经网络预测技术在超高速磨削研究中的应用

通过基于神经网络的预测技术在普通磨削应用研究,介绍了神经网络在超高速磨削应用研究中的几个方面,指出了基于神经网络的预测技术在实际应用中存在的问题及发展方向.     

浅谈热工自动化的新发展

从自动检测、自动调节、顺序控制、自动报警与保护等4个方面阐述了热工自动化的新发展以及热工自动化在火电厂中的新应用。     

模糊神经网络自适应控制在循环流化床锅炉燃烧控制系统中的应用研究

循环流化床锅炉是一种比较复杂的被控对象,采用常规的控制方法难以收到好的控制效果。在本文中,根据模糊控制理论和神经网络技术,一种模糊神经网络控制器被提出,通过对神经解耦网络的合理设计,使得该控制器不但可以适应被控对象的变参数运行工况,而且可以实现循环流化床锅炉燃烧过程主汽压力与床层温度的解耦。仿真试验和现场应用结果证明,本文提出的模糊神经网络控制器对循环流化床锅炉燃烧过程具有良好的控制效果。     

大容量异步电动机的短路反馈电流

随着电力技术的发展，火电机组的单机容量不断增大，使厂用辅机的异步电动机容量随之增大，大容量异步电动机与小容量异步电动机相比，它们的Ｒ、Ｘ，Ｔ等参数都有较大的差异，而且这种差异随着容量的增大而愈显著，使其供给的短路电流初值的大小和暂态过程中的变化规律都不同。本文对大、小容量异步电动机短路反馈电流的特点作了详细比较，并对大容量异步电动机的短路电流计算作了全面阐述。     

BP神经网络在载波调制度定标中的应用

介绍了运用MATLAB神经网络工具箱进行BP神经网络设计的基本方法与过程。在调制度定标过程中,将BP神经网络应用于调制度数值与副/主载波功率差值特性曲线拟合,并通过训练和仿真。验证了应用BP神经网络进行测试数据预测的优越性。仿真结果表明,BP神经网络应用于调制度定标具有较高的预测精度和良好的泛化能力,它为调制度定标工作提供了一种全新的思路和方法。     

带神经网络补偿的Smith预估极点配置自校正控制

用一个常规线性模型对被控对象进行辨识,线性模型辨识的余差用一个神经网络进行补偿,线性模型和神经网络共同构成对象的辨识模型·基于这一模型对大滞后对象提出了带神经网络补偿的Ｓｍｉｔｈ预估极点配置自校正控制和带神经网络补偿的Ｓｍｉｔｈ预估极点配置自校正ＰＩＤ控制·这些方法适用于非线性对象,具有较强的鲁棒性和较好的控制精度·     

神经网络在心肌梗塞诊断中的应用

目的：研究神经网络技术在心肌梗塞诊断中的应用。方法：使用改进的网络训练算法－ＳＰＤＳ方法,对前馈型神经网络进行训练,样本取自实际临床和一些具有权威性的刊物中,形成针对心肌梗塞诊断的神经网络系统,结果：用实际临床已确诊的１００例病例进行检验,诊断的敏感性为９０％,特异性为１００％,诊断准确性为７５％。结论：同目前实际临床的情况相比,结果良好,展现了神经网络技术用于医学诊断的良好前景。     

不同径流尺度的小波神经网络预测

本文探讨了小波神经网络在径流预测中的应用。该方法结合了神经网络和小波转化的优点,弥补了人工神经网络在预测应用中的不足,较好的追踪预测径流时间序列中的突变性,强转折性,奇异性点等。并且本研究通过与人工神经网络预测方法比较研究,得出小波神经网络能取得更高精度的不同尺度的径流预测值。     

神经网络发展综述

介绍了神经网络产生和发展的过程,阐述了神经网络的定义和特点,指出神经网络在控制系统和计算机领域的广泛应用将使电子科学和信息科学产生革命性的变革。     

基于神经网络模型评价高技术项目投资风险

简要回顾了人工神经网络的发展历史,介绍了信息计量学的概念和人工神经网络算法在信息计量学领域中的应用,警示了在人工神经网络应用中的"过拟合"现象。在对高技术项目投资风险因素分析的基础上,建立了能够预测项目投资风险的线性神经网络模型,模型避免了"过拟合"现象的发生。通过对有关数据进行实例计算,预测结果表明,该神经网络模型稳定可靠,所获得的结果是令人满意的。     

用Hopfield神经网络求解一类Markov链的客户关系管理模型

以客户关系管理(custom er re lationsh ip m anage-m en t,CRM)的数学模型为背景,研究了如何用Hop fie ld神经网络构建一类M arkov链表述的CRM的客户分类分析和评价的计算模型。从一种不同于现CRM的对客户关系评价的思路入手,用M arkov链建模。分析该类马氏链建立的CRM数学模型的特点(无限次交易),分析连续Hop fie ld神经网络计算的内在特点。从矩阵结构和求逆的角度,发现这两个不同概念模型的数学模型具有相同的特点。研究结果将该类马氏链的CRM模型计算同Hop fie ld神经网络计算关联起来。这表明可以用连续Hop fie ld神经网络计算该类M arkov链的CRM模型。