| 【中文题名】 | 基于神经网络PID控制算法的热水锅炉燃烧控制的研究 |
| 【英文题名】 | Study on Combustion Control of Hot Water Boiler Based on Neural Network PID |
| 【学科专业】 | 测试计量技术及仪器 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-7-5 |
| 【中关键词】 | 热水锅炉,锅炉控制,燃烧控制系统,BP神经网络,神经网络PID,预测模型 |
| 【英关键词】 | hot water boiler,boiler control,combustion control system,BP neural network,neural network PID,predictive model, |
| 【分类导航】 | 工业技术>能源与动力工程>热工量测和热工自动控制>热工自动控制>自动控制系统> |
| 【论文摘要】 | 热水锅炉的燃烧控制对于供热系统的供热调节和锅炉的安全、高效运行和节能降耗都具有重要意义。链条式热水锅炉燃烧系统是具有较大延时、变动负荷、多扰动、非线性的较难控制对象。如何对锅炉燃烧进行控制,保证锅炉输出与变动负荷相适应的供热量,并保证锅炉安全、经济、稳定运行是能源与控制领域关注的热点课题。
本文分析了链条式强制循环热水锅炉的生产原理和特点,结合供热生产要求、用户起居习惯及国家供暖规范,给出了一种根据室外环境温度求取锅炉供水温度设定值的方法,建立了锅炉控制的供水温度约束模型。
研究了链条式热水锅炉的燃烧特性和燃烧调节方法,确定了燃烧控制系统各参数之间的关系。给出了燃料控制、送风控制和引风控制——三个相对独立子系统架构的燃烧控制系统的控制方案,同时给出了各子系统的控制系统结构。
阐述了神经网络PID(proportion, integral and differential)算法的控制原理,通过仿真研究,对比分析了传统PID与神经网络PID的控制特性。根据各相对独立子系统的控制过程特性,分别选择了适宜的控制算法。
针对燃料控制系统的控制难点,提出了一种能够适用于大时滞、多扰动、非线性的燃料控制的新... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
Abstract |
5-9 |
|
第1章 绪论 |
9-17 |
|
1.1 引言 |
9-13 |
|
1.2 课题研究的意义 |
13-16 |
|
1.2.1 热水锅炉燃烧控制对于供热调节的意义 |
13-15 |
|
1.2.2 热水锅炉燃烧控制对于锅炉运行的意义 |
15-16 |
|
1.3 本文的主要研究内容 |
16-17 |
|
第2章 热水锅炉及其供水温度约束 |
17-26 |
|
2.1 热水锅炉概况 |
17-19 |
|
2.1.1 热水锅炉的分类及组成 |
17-18 |
|
2.1.2 热水锅炉的工作过程 |
18-19 |
|
2.2 热水锅炉供热系统 |
19-20 |
|
2.2.1 供热系统结构及工作原理 |
19-20 |
|
2.2.2 供热调节 |
20 |
|
2.3 热水锅炉供水温度约束模型 |
20-25 |
|
2.3.1 求取用于水温计算的室外温度值曲线 |
21-22 |
|
2.3.2 供、回水温度计算 |
22-23 |
|
2.3.3 锅炉供水温度约束模型 |
23-25 |
|
2.3.4 保证锅炉安全运行的水温控制参数 |
25 |
|
2.4 本章小结 |
25-26 |
|
第3章 链条式热水锅炉燃烧控制方案研究 |
26-37 |
|
3.1 链条炉的燃烧特性 |
26-28 |
|
3.2 链条炉的燃烧调整方法 |
28-30 |
|
3.3 链条式热水锅炉燃烧控制系统 |
30-36 |
|
3.3.1 燃料控制系统 |
31-32 |
|
3.3.2 送风控制系统 |
32-34 |
|
3.3.3 引风控制系统 |
34-35 |
|
3.3.4 子控制系统的协调 |
35-36 |
|
3.4 本章小结 |
36-37 |
|
第4章 锅炉控制算法的研究 |
37-53 |
|
4.1 PID 控制算法及其发展 |
37-40 |
|
4.1.1 传统 PID 控制算法 |
37-40 |
|
4.1.2 改进型 PID 控制概述 |
40 |
|
4.2 神经网络 PID 控制算法 |
40-48 |
|
4.2.1 神经网络概述 |
40-42 |
|
4.2.2 基于BP神经网络的PID控制算法 |
42-48 |
|
4.3 燃烧控制各子系统控制算法的选择 |
48-52 |
|
4.3.1 神经网络PID 控制特性仿真实验 |
48-51 |
|
4.3.2 各子系统控制算法的选择 |
51-52 |
|
4.4 本章小结 |
52-53 |
|
第5章 新型带预测模型的神经网络PID 控制算法及其仿真研究 |
53-67 |
|
5.1 新型带预测模型的神经网络 PID 控制算法 |
53-60 |
|
5.1.1 应用于燃料控制的新算法概述 |
53-55 |
|
5.1.2 控制算法原理 |
55-60 |
|
5.1.3 控制算法的实现 |
60 |
|
5.2 新算法在锅炉燃料控制系统中的仿真研究 |
60-66 |
|
5.2.1 实验前提 |
60-62 |
|
5.2.2 仿真实验一 |
62-64 |
|
5.2.3 仿真实验二 |
64-66 |
|
5.3 本章小结 |
66-67 |
|
结论 |
67-69 |
|
附录 |
69-76 |
|
参考文献 |
76-81 |
|
攻读硕士学位期间承担的科研任务与主要成果 |
81-82 |
|
致谢 |
82-83 |
|
作者简介 |
83 |
|
| 【DOI】 | LunWen.ID:2.2008.378838 |
