基于BP神经网络的电厂锅炉飞灰含碳量预测

对影响锅炉飞灰含碳量的主要因素进行了讨论，提出利用BP神经网络对特定机组的飞灰含碳量进行短期预测的一种实用模型，并应用于湖南某电厂的应用软件中，结果表明，该方法是有效的．     

基于HGA-ANN配风方式的锅炉飞灰含碳量优化

利用人工神经网络（ANN）进行锅炉飞灰含碳量建模,并分析二次风配风方式对飞灰含碳量的敏感性影响,同时采用混合遗传算法HGA与复合形法对运行工况寻优,获得各种工况下二次风开度的优化调整方式．应用某台300MW机纽的现场试验数据进行仿真计算,结果表明该方法可以指导运行人员进行二次风开度的优化调整,降低飞灰舍碳量．同时也解决了锅炉变工况下运行参数基准值的确定问题．     

浅析锅炉飞灰含碳量偏高的成因及解决方案

飞灰含碳量为影响锅炉效率的重要因素之一。本文针对我厂锅炉飞灰含碳量偏高的实际情况,分别从入炉煤的着火、燃烧以及燃烬实际过程的多方面进行分析,查找影响飞灰含碳量高的因素主要有:煤粉细度、一次风速、磨煤机出口风粉混合物温度、配风方式、磨煤机运行方式、负荷及煤种变化等,并针对以上影响因素,提出合理应对方案。通过精心运行调整,降低飞灰含碳量,取得明显成效。     

浅谈锅炉飞灰含碳量成因及降低措施

锅炉飞灰含碳量是影响锅炉运行效率的重要因素,对机组总体性能也有着很大的影响。本文就锅炉飞灰含碳量的成因进行分析,并提出改善措施,有利于指导运行人员及时进行锅炉燃烧和制粉系统的调整,提高锅炉燃烧效率及控制水平,降低发电煤耗,提高竞价上网能力。     

等离子点火条件下控制锅炉飞灰含碳量的分析

本文对采用等离子点火技术的机组出现的问题进行初步分析,并对如何控制飞灰含碳量的措施和方法进行探讨,以便提高采用等离子技术点燃的煤粉锅炉经济、高效、安全、环保。     

煤矸石电厂锅炉飞灰含碳量偏高的原因分析

阐述了影响循环流化床锅炉飞灰含碳量高的原因,通过对现有生产设备运行参数对比分析,找出影响飞灰含碳量高的因素,采取有效措施降低循环流化床锅炉飞灰含碳量,从而达到提高锅炉运行效率目的。     

实际锅炉中煤粉燃尽率与飞灰含碳量的预测

建立了对实际锅炉煤粉燃尽率与飞灰含碳量预测的一维计算方法,将煤的燃烧特性与锅炉结构特性相结合,提出锅炉"煤性”与"炉性”相结合的计算方法.     

2070t/h超临界对冲火焰锅炉飞灰含碳量偏高原因分析

针对湖南某电厂2 070t/h超临界对冲火焰锅炉燃用运行煤种出现的飞灰含碳量偏高的现象,对其锅炉进行了热态调整试验,研究了炉膛氧量、负荷、燃尽风量和煤粉细度的变化对飞灰含碳量的影响。研究结果表明,炉膛氧量、负荷、燃尽风量和煤粉细度的变化对飞灰含碳量有较大影响。负荷增加、煤粉细度减小,飞灰含碳量降低;燃尽风量和炉膛氧量过低或过高都会使飞灰含碳量升高,运行中炉膛氧量和燃尽风量存在一个最佳值;而且,燃尽风对飞灰含碳量的影响与负荷有关。依此对该锅炉运行进行优化调整,使飞灰含碳量降低到4.5%以下。     

锅炉飞灰含碳量监测的必要性及其技术的发展

机械不完全燃烧热损失是锅炉运行中的第二大热损失,机械不完全燃烧热损失主要由锅炉飞灰含碳量决定。锅炉飞灰含碳量是反映锅炉燃烧效率的一项重要指标,实时、准确地对飞灰含碳量进行检测是提高锅炉运行效率、降低发电成本的重要手段。通过对国内某电厂的飞灰含碳量的实际测量结果,从经济性和环保角度对目前飞灰含碳量在线监测的必要性作了说明并对目前现有检测方法优缺点加以分析,对目前已经商品化的飞灰测碳仪器加以简介。针对目前电厂常用取样方法存在的问题提出了彻底的解决方案,对未来飞灰测碳技术的发展趋势进行说明,对飞灰含碳量检测技术有一定参考价值。     

利用GA—BP算法对模糊神经网络进行优化

分析了ＢＰ算法和遗传算法（ＧｅｎｅｔｉｅＡｌｇｏｒｉｔｈｍｓ,以下简称ＧＡ）各自的优缺点,将改进的ＧＡ与ＢＰ算法相结合,提出了一种新的ＧＡ－ＢＰ算法,并将其应用于模糊神经网络的参数优化,仿真结果验了本算法的有效性。     

循环流化床锅炉飞灰含碳量高的原因分析及措施

对循环流化床锅炉存在的飞灰含碳量偏高的问题，从运行中的床压、氧量、给煤粒度、飞灰粒度、炉膛高度、炉膛截面积、细颗粒在炉内停留时间等多方面进行了综合分析，找出了飞灰含碳量偏高的根本原因，提出了降低飞灰含碳量的措施。     

微粒群优化神经网络算法的研究

介绍了微粒群算法的基本原理、特点,分析了常用的BP网络结构,提出了微粒群优化神经网络算法,实验结构表明,该算法优化了神经网络结构,从而提高了神经网络的模式分类性能。     

基于混合建模的锅炉飞灰含碳量软测量研究

飞灰含碳量运行人员判断锅炉运行好坏和降低煤耗的一项重要指标,是指导评价锅炉燃烧优劣的依据。精确和实时地监测飞灰含碳量有利于提高锅炉燃烧控制水平,降低发电成本,提高机组运行的经济性,本论文在参阅了大量文献后,对课题的研究现状进行了分析和比较,设计了一种基于混合建模的方法构建飞灰含碳量的软测量模型。     

前向神经网络粒子群优化学习算法研究

将粒子群优化算法用于前向神经网络权值的学习算法研究,以神经网络学习算法研究的典型问题之一的XOR问题作为研究实例,针对算法的收敛性、学习速度以及算法对初值的鲁棒性等性能指标,分别对标准的PSO算法、改进的PSO算法以及BP算法及其带动量项的BP算法进行了比较研究.研究表明,PSO算法在前向神经网络权值的学习算法中其所有的性能指标均优于传统的BP算法,PSO算法在神经网络的应用中具有广阔的前景.     

基于新进化优化BP学习算法的心音识别方法

为提高人工智能辅助诊断心音识别的准确率, 根据心音信号的周期性特点, 提出以快速主成分分析算法对心音信号降维和提取特征, 同时基于单形进化算法, 优化BP神经网络学习算法的输出与期望的误差函数, 以改进BP神经网络的学习性能, 实现对心音信号高准确度的分类识别. 针对正常心音及8类异常心音信号进行性能分析与测试, 实验结果表明, 各类心音的平均识别率为95.96%, 改进算法比其他对比算法识别率分别提高了4.9%,3.9%,1.9%, 表明该算法能更有效地分类识别心音信号, 提高人工辅助诊断的识别率.     

基于新进化优化BP学习算法的心音识别方法

为提高人工智能辅助诊断心音识别的准确率, 根据心音信号的周期性特点, 提出以快速主成分分析算法对心音信号降维和提取特征, 同时基于单形进化算法, 优化BP神经网络学习算法的输出与期望的误差函数, 以改进BP神经网络的学习性能, 实现对心音信号高准确度的分类识别. 针对正常心音及8类异常心音信号进行性能分析与测试, 实验结果表明, 各类心音的平均识别率为95.96%, 改进算法比其他对比算法识别率分别提高了4.9%,3.9%,1.9%, 表明该算法能更有效地分类识别心音信号, 提高人工辅助诊断的识别率.     

一种新的优化神经网络权值算法及其应用

为克服和改进BP算法的不足,文章在分析遗传算法(GA)和粒子群优化(PSO)算法优越性与不足的基础上,提出了一种基于GA和PSO结合的算法——GA-PSO算法,用于训练神经网络权值.算法产生下一代个体时,不仅采用交叉和变异算子,而且在重新定义局部最优粒子的基础上,引入粒子群优化算法,有效地结合了遗传算法的全局收敛性能和粒子群优化算法的局部搜索能力.通过对异或问题和IRIS模式分类问题的学习,仿真结果明显好于单纯地用GA或PSO进行前向神经网络训练,能有效避免早熟收敛的同时,提高搜索精度.     

基于遗传算法和BP算法的混合算法

结合神经网络的优化问题,提出一种新的混合算法.该算法是在遗传操作中嵌入BP算子,有效地结合了遗传算法全局寻优与BP算法快速收敛的特点,同时采用二进制编码和实数编码将神经网络的结构与权值混合编码到串中,实现了结构与权值的同步优化.仿真结果表明,新算法既能够快速地收敛到全局最优解,又能够在简化网络结构复杂度的同时得到网络权值的最佳逼近.     

一种改进人工鱼群算法对BP神经网络的优化研究

针对BP神经网络存在易陷入局部极值的缺陷,提出一种基于改进的人工鱼群算法优化的BP神经网络.先用改进的人工鱼群算法优化BP神经网络的初始权值和阀值,然后再执行BP算法训练BP神经网络的权值和阀值.函数拟合仿真实验表明该优化方法提高了BP神经网络的泛化性能.     

优化BP神经网络的快速细菌觅食算法

为了提高BP神经网络的全局收敛能力和预测精度,提出了混合PSO的快速细菌觅食算法优化BP神经网络（FBFABP）的方法,并以石漠化危险度预警为例进行验证。结果表明,通过使用粒子移动和简化细菌趋化操作,提高了算法的收敛速度和搜索全局最优值的能力。相对于其它神经网络训练算法,该方法具有较好的预测精度和泛化能力,具有一定的优...