锅炉燃烧系统的仿人智能控制

提出一种锅炉燃烧系统的仿人智能控制方法.该方法根据专家知识和操作人员的经验,给出了仿人智能控制器的设计方案.针对传统控制方法难以适应锅炉负荷大幅度变化的缺点,给出了基于规则的专家式控制方法,并针对风煤配比的自寻最优控制的缺点,给出了按照经验实施的固定比例风煤配比的简单实用方法.锅炉燃烧系统仿人控制方法已在生产中得到应用,应用结果表明该方案可行,提高了系统的燃烧效率,优于传统的控制方法.     

一种基于模式识别的刀具磨损监测方法

将刀具磨损状态的在线监测作为模式识别中的两类模式分类问题,从切削振动信号中抽取特征向量;根据投影原理构造了最佳特征平面.在此基础上提出了一种具有自学习功能的G(D)判别函数,对车削试验的磨损状态进行分类,确诊率达95％,漏诊率小于0.6％,判别时间少于15s,适用于在线监测。     

神经网络迭代学习控制快速算法的研究

研究了非线性系统的神经网络迭代学习控制问题，为了提高神经网络学习控制的收敛速度，改进了权值的迭代学习算法，提出了一种新的训练权值方法，它以递推的方法来计算网络权值，不仅能减少计算量且收敛速度快，最后，用仿真结果对该算法作了进一步的验证。     

并列运行锅炉的递阶智能控制

针对4台母管制并列运行锅炉,采用基于知识的两级递阶控制方案.控制级针对锅炉燃烧过程,采用带知识库的自校正控制和自寻最优控制;协调级完成锅炉负荷的优化分配和集中管理.实际运行表明,提高燃烧效率4.7％,在负荷大幅度变化和各炉工况差异较大的情况下,系统运行可靠,适应性强,调试方便。