一、流化床锅炉实时专家智能控制系统的设计（论文文献综述）
李丰泽[1]（2021）在《循环流化床锅炉燃烧系统优化控制策略研究》文中研究指明循环流化床（CFB）锅炉技术作为一种高效清洁煤燃烧技术,在我国已大规模投入商业运营。因其复杂的燃烧特性,目前存在着自控系统投入率低、锅炉运行有待在线优化等问题,且由于新能源电力入网比例逐年增加,迫使火电机组更频繁地执行负荷调峰任务,这些均对CFB锅炉燃烧运行状态调整的快速性、精准性等提出了更高的要求,因此对CFB锅炉燃烧控制策略的优化研究已成为当今研究热点之一。本文就CFB锅炉燃烧系统自动控制问题展开研究。CFB锅炉燃烧系统是一个多变量、非线性、大滞后、强耦合的复杂控制对象,其中主蒸汽压力和床温是反映炉内燃烧状态的重要参数,实现对二者的科学建模与优化控制是CFB锅炉安全环保、高效经济运行的关键,为此本文进行了以下工作:首先,为建立精准的燃烧系统数学模型,分析了主蒸汽压力与床层温度的动态特性,并利用BP神经网络辨识机组历史运行数据,建立以给煤量、一次风量为可变量,主蒸汽压力、床层温度为被控量的传递函数模型矩阵,为本文后续解耦策略与燃烧回路主控制器的设计提供了理论基础。其次,针对CFB锅炉主蒸汽压力与床层温度耦合强烈的特点,比较多种工业解耦控制策略,设计选用前馈补偿解耦控制方案,将CFB锅炉燃烧系统等效分解为给煤量-主蒸汽压力、一次风量-床温两个相对独立的控制回路,并通过仿真检验解耦策略的有效性。最后,为提高锅炉燃烧控制系统的性能,对燃烧控制回路主控制器进行优化设计。在充分结合常规PID控制与模糊控制的优势基础上,设计了基于动态论域的模糊自适应PID控制器。该控制器通过引入伸缩因子对模糊论域范围进行调整,可在不改变模糊整定规则的前提下,更精准地整定控制过程不同阶段下的PID参数,实现CFB锅炉燃烧系统全工况优良的控制性能。设定值跟踪试验、扰动试验与鲁棒性能试验证明,该方案控制性能优异,具有较强的自适应性与鲁棒性,适用于实际热工工程。
尤海辉[2]（2021）在《循环流化床垃圾焚烧炉燃烧优化试验研究》文中进行了进一步梳理生活垃圾焚烧技术具有减容化、减量化、无害化和资源化的特点,在国家相关产业政策的引导下,国内垃圾焚烧行业得到了蓬勃的发展,循环流化床（Circulating Fluidized Bed,CFB）垃圾焚烧技术作为主要的焚烧技术之一,在国内获得了广泛的推广应用。随着垃圾焚烧环保标准和监管力度不断提高,部分CFB生活垃圾发电企业出现了CO排放及炉膛中上部温度5分钟均值不能连续稳定达标等问题,如何通过系统性的燃烧优化,提升垃圾焚烧炉运行的环保性和经济性,是CFB垃圾焚烧炉持续发展的重要课题。本文以CFB生活垃圾焚烧炉为研究对象,从燃烧优化的角度出发,致力于提升锅炉运行的环保性和经济性,开展了以下研究工作:（1）概括介绍CFB垃圾焚烧工艺和CFB垃圾焚烧炉的组成,分析并归纳总结了CFB焚烧炉流体动力学特性、炉内传热模型、燃烧模型、CO生成和燃烧机理、热工特性,在此基础上阐述了CFB生活垃圾焚烧系统的运行控制要求。（2）对某CFB垃圾炉的烟气污染物排放特性进行了全面的诊断分析,深入跟踪分析CO排放状况、运行状况。结果表明,垃圾品质差、垃圾预处理和给料均匀性不够重视、运行调整不合理等因素,导致出现CO超标排放、运行周期偏短等问题。（3）对CFB垃圾焚烧炉的CO排放特性进行了深入的试验研究,分析了CO超标排放的影响因素。从垃圾预处理、垃圾给料、炉膛受热面布置、炉膛二次风布置、热烟气停留时间等方面着手,提出系统性解决方案。经过整体改造之后,CFB垃圾焚烧锅炉CO排放数据能够连续稳定达到国家排放标准,CO时均值浓度能够稳定控制在50 mg/m3以下,日均值浓度可以控制在20 mg/m3以下,锅炉运行周期亦得到了较大的延长。（4）由于生活垃圾的复杂性,目前还没有可靠的在线测量仪器对其热值进行实时监测,自动控制系统缺少可靠的热值反馈信号,难以掌握入炉燃料热量的变化,影响控制效果。本文提出利用锅炉运行参数对入炉燃料热量进行虚拟重构的方法,结合CFB垃圾焚烧锅炉的运行机理特点和运行人员经验智慧,以模糊神经网络算法为基础,将相关的锅炉运行操作参数作为系统的输入变量,构建入炉垃圾热量的自适应神经模糊推理系统,结果表明,所构建的模型具有优秀泛化能力,可以快速准确反映入炉垃圾热值水平。此外,还利用智能建模算法针对锅炉床温、NOx、汽包水位等参数进行建模研究,预测误差均能控制在±2%以内。（5）CFB生活焚烧炉飞灰产生率普遍在原生垃圾的10%左右,偏高的飞灰率导致锅炉效率下降、运行周期偏短、飞灰处置成本上升。本文进行了针对性的减量化研究,针对长期焚烧城乡垃圾和填埋场陈腐垃圾的焚烧炉,设计了尾部烟道转向室底灰收集减量系统、循环灰收集减量系统和飞灰回燃系统,通过多种方式降低CFB锅炉的飞灰率。实践结果表明,尾部烟道转向室底灰收集减系统可以减少飞灰率4%以上,循环灰收集减量系统在长期焚烧城乡垃圾和填埋场陈腐垃圾的锅炉能够减少飞灰率5%左右,飞灰回燃系统有助于CO排放控制,并且能够减少飞灰率1.5%左右,减少每吨垃圾2kg左右氢氧化钙用量。最后对全文的研究内容和结论进行了总结,认为开展的相关试验研究工作及提出的系统性优化方案,对控制CFB垃圾焚烧炉CO稳定达标排放、延长锅炉运行周期、优化锅炉运行调整方式、降低飞灰量有积极的促进作用。阐述了本文的研究工作不足之处及未来展望,指明了下一步研究工作的方向。
郭旭阳[3]（2020）在《循环流化床锅炉床温优化控制研究》文中研究指明电力行业在社会和经济发展中具有不可替代的作用,电力行业的发展在很大程度上推助经济和社会的发展。但是火电厂在运行过程中一直都伴随着的能源消耗以及环境问题,电力生产中的能源问题及环境问题一直备受关注。循环流化床锅炉技术被广泛应用于火电产业中,为了进一步推广循环流化床锅炉技术的应用,针对循环流化床锅炉技术应用中其经济性和环保性的论证与研究一直在持续。基于此,本文从床温控制的角度对循环流化床燃烧系统的控制问题进行分析研究。本文主要对以下问题进行分析研究:首先对循环流化床的运行原理进行分析,然后对循环流化床床温控制对象和热工参数问题进行了分析,并分别建立给煤量、一次风量与床温模型;其次对PSO（粒子群优化算法）进行分析,并从建模原理、建模方法、构建模型、模型辨识等层面问题对热工系统控制问题进行分析;再次在循环流化床床温控制对象及热工控制模型分析的基础上建立循环流化床床温控制模型。不同工况对循环流化床燃烧系统的对象模型造成影响,为了了解机组不同工况下对象模型的不同特性,以实现对循环流化床床温进行精准操控,需要针对不同给煤量、一次风量工况建立相应的模型。为了提升研究可操作性,本研究中没有对机组工况进行细分,而是选择跨度比较大的两种工况,即100%和60%两种工况,建立相应的给煤量、一次风量两项工况下与床温传递函数模型。并利用优化后的PSO算法对传递函数模型进行辨识,寻中适用于循环流化床床温控制优化模型。确定床温传递函数模型后,采用优化PSO算法开展控制器参数优化仿真试验。仿真结果表明研究中所建立的两个函数模型可以提升循环流化床床温控制效果,研究效果具有一定参考价值。
张维[4]（2019）在《掺烧煤泥循环流化床机组运行督导与智能预警》文中研究说明国家鼓励推进与煤共伴生资源的综合开发利用,目前循环流化床（Circulating Fluidized Bed,CFB）技术是综合利用煤泥的最佳工业处理方式,掺烧低价煤泥也是提高CFB机组经济性的重要手段。但掺烧煤泥造成控制参数波动给机组运行带来挑战,如何保证运行安全稳定前提下调节控制参数实现经济性最优,具有重要研究意义。掺烧煤泥CFB机组的大惯性、大迟延、强耦合特点导致机理建模困难,很难形成具普适性的控制优化系统。大数据、人工智能与发电产业的深度融合是智能电厂应用推广的重要手段。目前较少出现基于过程数据的掺烧煤泥CFB机组整体建模优化成果,因此深入挖掘过程数据提出运行辅助信息系统,填补此类研究空白具有重要意义。本研究基于分布式控制系统中存储的过程数据,以掺烧煤泥CFB机组运行稳定性、经济性、安全性为目标,采用数据驱动建模、数据挖掘优化、专家系统指导以及状态智能预警等技术,创新性提出掺烧煤泥CFB机组整体运行督导与智能预警方案。基于以上研究内容与思路,课题从以下几个方面开展研究:（1）运行督导系统内综合经济性模型建立以全机组燃料成本、脱硫脱硝成本、厂用电成本总和为综合经济性指标。在数据预处理与偏互信息法特征选择基础上,利用Elman神经网络、支持向量机、最小二乘支持向量机为代表的传统数据驱动算法分别建立控制变量与综合经济性之间黑箱模型并综合比较分析。在性能较优的最小二乘支持向量机算法基础上,提出改进策略:采用改进网格搜索法及模型更新策略提升模型预测精度与自适应能力,进一步采用模糊信息粒化方法分析综合经济性变化趋势及范围。（2）运行督导系统搭建由运行数据库、模型算法库以及专家知识库组成掺烧煤泥CFB机组运行督导系统。以综合经济性模型为基础,遗传算法优化下的典型稳态工况组成离线专家知识库。改进模糊关联规则挖掘算法创新性引入“效用成本”关联规则复合型评价指标,对专家知识库数据进行模糊化与关联规则挖掘。筛选出最佳综合经济性稳态工况下变量间关联规则后,将其输入至模糊逻辑控制器。模糊逻辑控制器接收负荷指令后,在线输出最佳综合经济性稳态工况控制变量目标值,为机组运行提供操作指导与信息参考。（3）智能预警系统内状态预测模型建立状态预测模型是智能预警系统的模型基础,准确的正常状态预测模型与观测状态之间的差异信息蕴含了故障早期特征。多维时间序列预测、模糊推理预测、多元状态估计技术以及提出的改进多元状态估计技术用来进行设备正常状态参数预测和模型比较。在模型预测精度方面,利用概率密度构造过程记忆矩阵的改进多元状态估计技术与多维时间序列预测方法优于其他两种方法;在模型复杂度及运算快速性方面,以状态向量为操作单元的改进多元状态估计技术不需逐一参数建模,远优于其他三种方法。（4）智能预警系统搭建智能预警系统通过状态预测、状态判断、变量定位功能板块,最终实现智能预警功能。在状态判断研究中,综合比较基于可调平滑参数、K-means聚类以及滑动窗口相似度的状态判断方法,提出的滑动窗口相似度在预警准确性、及时性、简便性方面最具优势。滑动窗口相似度函数以状态预测模型输出为基础,采用状态间欧氏距离的反比函数描述正常状态与观测状态间相似性;将层次分析法得到的故障信息权重赋值相似度函数变量,利用滑动窗口法消除随机重复预警误报。预警后变量异常标记占比被用于故障变量定位与诊断,结合变量信息及现场检修得到故障原因。最后分析与讨论了滑动窗口参数对预警灵敏度的影响规律。
刘攀[5]（2019）在《CFBB主汽压和床温的BP神经网络解耦及改进遗传算法控制》文中认为循环流化床锅炉（Circulating Fluidized Bed Boiler,CFBB）是目前国内外非常热门的一种燃煤锅炉,具有环保、节能、燃烧效率高、燃料适应性广、负荷调节性能好等优点。与煤粉炉相比,CFBB内部结构更复杂,物质反应更剧烈,能量的转换和传递过程更繁琐,煤粉炉的常规控制方案直接用在CFBB燃烧过程的自动控制系统中达不到CFBB的控制要求。因此CFBB燃烧过程控制系统还需要进行深入研究。论文先对CFBB燃烧过程控制系统的研究背景和意义以及火电厂燃烧系统中解耦技术和控制技术的国内外研究现状进行分析,然后对锅炉结构、生产工艺以及相关控制任务进行总结。根据300 MW CFBB实际运行数据建立主汽压和床温的数学模型,并结合该数学模型分析主汽压和床温之间的耦合特性。对于CFBB燃烧系统中的两个被控变量主汽压和床温,先采用BP神经网络解耦器对两者进行解耦,然后采用基于改进遗传算法优化PID参数的控制器进行控制。BP神经网络解耦器的本质是前馈补偿解耦原理和BP神经网络的结合,该解耦器不仅具备前馈补偿解耦的动态解耦特性,还拥有BP神经网络的自学习能力,能够有效地使多输入多输出（Multiple Input and Multiple Output,MIMO）系统变成若干个相互独立的单输入单输出（Single Input Single Output,SISO）系统。基于改进遗传算法优化PID参数的控制器的设计思路是利用遗传算法搜索最佳PID控制器参数,从而达到改善控制效果的目的。同时,为了确保遗传算法在具有良好搜索品质的前提下拥有较好的搜索进度,利用模糊控制分别对主汽压和床温的遗传控制器的交叉算子和变异算子进行调控。对于300 MW CFBB在典型工况下主汽压和床温的数学模型,利用MATLAB仿真软件建立Simulink仿真框图,分别对BP神经网络解耦方案和改进遗传算法优化PID控制方法进行仿真。仿真实验结果表明,基于BP神经网络的前馈补偿解耦算法能够有效地对主汽压和床温进行解耦;基于改进遗传算法参数优化PID参数的控制方案相比于传统PID控制方案具有更快的响应速度,更小的超调量以及更佳的抗扰性。
洪烽[6]（2019）在《基于蓄能深度利用的循环流化床机组动态优化控制》文中研究指明洁净煤技术是我国保障发电行业可持续发展的战略措施之一。循环流化床（CFB）燃烧发电技术是洁净煤技术的重要研究领域,已成为燃煤机组的重要组成部分。我国能源结构中火力发电仍占据主导地位,为了更好消纳日益增长的新能源电力容量,减少弃风、弃光量,提升火电机组快速变负荷运行能力将是必然选择。CFB机组流态化的燃烧方式使得给煤颗粒在炉膛中燃烧放热具有大惯性,因此,大多数CFB机组的动态性能较差,且变负荷速率不能满足电网的需求。但CFB锅炉炉膛蓄能较大,蓄能的深度利用可提升机组动态性能,并为CFB机组快速变负荷提供可能。基于此,本文将从以下几个方面展开研究:1、在理解分析CFB机组燃烧特性、燃料侧及汽水侧蓄能特性的基础上,提出了亚临界及超临界CFB机组蓄能模型,建立了 CFB锅炉蓄能理论体系,实现燃料侧及汽水侧蓄能量化;利用蓄能模型,从蓄能变迁及能量平衡的角度分析了亚临界及超临界CFB锅炉机组运行过程中的蓄能动态调节特性和蓄能变迁过程;从物理位置及能量流动角度将CFB机组蓄能变迁过程拆分成为两个子过程,分析了各子过程在能量调节中的响应特性。2、利用蓄能模型,并基于锅炉侧释放热量与炉内即燃炭之间的动态过程,分析了 CFB锅炉机组协调控制系统动态特性,通过对负荷控制系统的合理简化,建立了亚临界及超临界CFB机组协调控制系统机理模型,同时给出了模型参数辨识方法。以实际机组为对象,建立模型并加以验证,结果表明,所建立的CFB机组协调控制系统模型具有较高的精度和泛化能力,为机组控制策略的研究和动态过程的优化提供了理论基础。3、通过对CFB机组协调控制系统机理模型进行线性化处理,获取了典型工况下的线性化模型,在分析机组变负荷动态特性及相关控制策略思路的基础上,提出了基于先行能量平衡的CFB机组快速变负荷控制策略,即引入蓄能加速信号,充分挖掘风量对CFB燃料侧蓄能快速调整的潜能,同时保证给煤回路在整个动态过程中能量供应的持续性,实现了 CFB机组在快速变负荷过程不同阶段下蓄能的合理分配及补充,减小主要被控参数波动。仿真结果和实际机组应用验证了该控制策略的可行性和先进性。4、针对目前CFB机组普遍掺烧煤泥燃烧运行中动态性能较差的情况,以煤泥泵送CFB机组为研究对象,揭示了实际连续运行过程中能量波动的原因;研究和利用锅炉能量释放及蓄能平抑输入能量波动,优化能量变迁过程,形成了CFB锅炉大比例掺烧煤泥运行控制策略。实际机组应用表明该策略有利于减小参数波动,增加机组煤泥掺烧量,降低燃料成本。5、床温能表征CFB锅炉炉内燃烧释放热量与汽水侧吸收能量的平衡状态,并影响大气污染物排放控制。在CFB锅炉机组蓄能深度利用,实现快速变负荷等动态优化控制过程中,需要对床温进行监测、预测。结合智能发电和智能监测体系,针对CFB锅炉床温运行控制的特性,构建基于长短期记忆（LSTM）深度神经网络的CFB锅炉床温区间预测模型,实现未来时间段内床温的上下限预测,并通过仿真验证了模型的精度。
熊中浩[7]（2019）在《基于深度信念网的大型循环流化床建模》文中研究指明循环流化床锅炉（Circulating Fluidized Bed Boiler,CFBB）技术经过二十余年的发展,为我国节能减排做出了巨大贡献,目前是火力发电厂不可或缺的组成部分。但是其建模、控制问题却迟迟得不到解决。CFBB系统中存在大惯性、强耦合和强非线性等复杂性质。传统的机理建模方法包含大量的经验公式以及计算近似,使得建立的数学模型不精确,直接影响了模型的实际应用效果。因此如何精准、简单有效的建立循环流化床模型一直是研究的热点。本文针对大型循环流化床锅炉系统,深入了解其工艺流程、结构设备、建模特性以及多参数间的主要关联。利用330MWCFB现场实时运行数据,采用深度信念网数据驱动建模方法,建立循环流化床锅炉协调控制系统模型。主要内容如下:（1）分析了循环流化床锅炉协调控制系统的特性,对主要参数进行分析,并简化模型,模型的输入参数为给煤量、一次风量和阀门开度;输出参数为输出功率、主蒸汽压力和床温。利用电厂现场实时运行数据,使用传统的神经网络方法和深度信念网方法进行数据驱动建模。通过对比,深度信念网建模方法能克服传统的神经网络训练时的缺点,并且能达到一个更好的精确度。（2）在深度信念网建模方法的基础上,引入稀疏正则表示和稀疏连接策略。增强了深度信念网建模方法的性能,在保证建模结果精准性的同时,也加快了网络训练速度。论文的最后总结了本文的主要工作,并对以后的研究发展做出了展望。
陈炳基[8]（2018）在《生物质循环流化床锅炉燃烧过程建模与优化控制》文中研究指明在可再生能源中,生物质能原是仅有的的含碳能源,而生物质直燃发电是实现规模化生物质利用的非常重要的方式,现阶段我国使用循环流化床燃烧生物质燃料已能够实现,此项技术的燃料适应性强、水分适应范围广、负荷调节性强、成本低且节能环保,是现阶段生物质直燃发电锅炉的最佳之选。但生物质CFBB的燃烧系统是非线性、大滞后、强耦合的的热工过程,常规PID控制方法难以实现生物质循环流化床锅炉的自动控制,故本文针对此问题设计了基于解耦补偿器的模糊控制策略。本文首先对生物质循环流化床锅炉热工过程展开分析,介绍了CFBB热工过程的特性及控制要求。通过最小二乘的原理对床温与主蒸汽压力的控制回路的模型进行辨识,得到燃烧系统的传递函数矩阵模型。经分析计算可知床温与主蒸汽压力系统存在着高强度的耦合,针对床温与主蒸汽压力严重耦合的问题,采用简化对角解耦与前馈解耦两种解耦方法解除两者间的耦合关系,实现了给料量控制床温、一次风控制主蒸汽压力的单回路控制。针对CFBB燃烧系统的非线性、时变、大延迟的特征,本文在解耦原则的基础上分别对床温与主汽压回路设计了三种模糊控制方法,模糊控制器对不具备精确的数学模型、非线性、时变的系统能够起到较为理想的控制效果。三种模糊控制方法分别为采用单纯模糊控制、模糊PID控制与基于Smith预估器的模糊控制,分别对床温与主蒸汽压力回路进行控制,并将这三种模糊控制方法的控制效果与常规PID控制效果进行对比,基于Smith预估器的模糊控制器的响应速度、稳定性、鲁棒性最强,模糊PID控制次之,单纯模糊控制与常规PID控制表现欠佳。本文采用基于解耦方法的模糊控制策略,实验结果表明,此方法即能够达到解耦的要求,并且能够适应CFBB燃烧系统复杂的特性,达到快速稳定的控制效果。
李梦宁[9]（2016）在《循环流化床锅炉燃烧过程无模型控制研究》文中指出工业生产是国家经济发展的命脉,而锅炉又是工业生产的重要设备。循环流化床锅炉（Circulating fluidized bed boiler,CFBB）运用了循环流化床燃烧技术,具有高燃烧效率且污染气体排放量可控的优点,在全球都在面临资源紧缺和环境污染日益严重等问题的今天,循环流化床锅炉燃烧过程的自动化控制研究具有重要的意义。然而循环流化床锅炉燃烧过程非常复杂,具有大滞后、非线性、多变量耦合以及时变的特点,难以建立精确的数学模型,一般的控制方法往往很难达到良好的控制效果,这一点严重制约了这种清洁高效的燃烧技术的推广。本文分析了循环流化床锅炉燃烧过程的主要被控对象,即床温和主蒸汽压力的动态特性,根据其控制要求和控制难点,采用无模型自适应控制（model free adaptive control,MFAC）方法对其进行控制。该方法无需建立被控对象精确模型,可直接进行控制器的设计。在基本无模型控制方法的基础上,考虑到被控系统的大时滞特性,将基本MFAC算法中的控制律进行变周期差值分析,增大控制输入差值周期,对控制算法进行改进,得到一种改进的无模型自适应控制（improved model free adaptive control,IMFAC）。同时考虑被控对象多变量耦合的特点,将算法扩展到多输入多输出（multi-input multi-output,MIMO）系统,得到MIMO-IMFAC算法。对于CFBB这种复杂的MIMO系统,无需外加解耦环节,就可以实现同时对床温和主蒸汽压力两个被控对象的直接控制。在MATLAB环境下,利用S函数进行了无模型控制器模块的设计,并且分别对床温控制系统、主蒸汽压力控制系统、床温和主蒸汽压力协调控制系统的控制效果做了大量的仿真实验,实验结果证明该改进算法能够满足控制要求,并且具有比较良好的控制效果和适应性。最后对全文进行了总结,并提出对于课题研究的一些不足和展望。
钟亮民[10]（2014）在《大型循环流化床锅炉床温建模与优化控制研究》文中研究指明循环流化床锅炉（CFB）燃烧技术作为一种高效的洁净煤燃烧技术,已成为传统燃煤锅炉的有益补偿,具有广阔的发展前景。在小容量的循环流化床锅炉中,燃烧系统的自动控制系统的投入率低一直是困扰着实际运行的问题。一方面是人们对于CFB锅炉内部机理的了解还不够全面深入,另一方面自动控制的系统也还有很大的改进和优化余地。随着CFB锅炉的大型化成为趋势,深入了解其燃烧系统和设计好控制系统的要求就显得更加迫切了。CFB锅炉内部是分布参数、时变、非线性和多变量耦合的复杂过程。床温是为燃烧系统的核心控制性能指标之一。它与很多因素相互耦合,尤其与主汽压力的耦合效应最为严重。正确对其进行建模和优化控制对于CFB锅炉的安全和稳定运行具有重要意义。本课题以下述几个方面的研究工作作为主要内容：1.在前人研究成果和对CFB锅炉内部燃烧、传热和流动过程认识的基础上,将大型循环流化床锅炉沿中心线分为左右侧。每一侧沿炉膛高度又划分为密相区、过渡区和稀相区。在各个区域内通过列写氧量、残炭量、床料质量和能量平衡方程,建立围绕以床温为输出,给煤量和一次风量为输入的动态数学模型。通过扰动响应和现场历史数据的比较验证模型的可靠性。在此基础上,仿真验证了循环流化床锅炉两侧支腿的不平衡物料横向流动现象对床温对象的影响。2.针对床温对象和主蒸汽压力的耦合特性,对该具有强耦合、大迟延、大惯性的稳定双输入双输出系统应用多变量内模思想进行解耦控制。文中分别详细讨论了基于P规范型解耦环节和基于V规范型解耦环节的多变量解耦控制其设计方法。讨论了其中涉及到的降阶方法、迟延项逼近方法等。对于P规范型解耦控制器,文中提出对解耦滤波器形式进行改进以加快系统响应的方法。对于V规范型解耦控制器,研究了兼顾解耦和零稳态偏差的设计方法。提出将改进的IMC结构拓展到多变量控制中,并与V规范型解耦环节结合的控制手段。在两种控制方法的设计过程中,提出同时考虑输出量和控制器输出的综合控制性能优化指标用于整定滤波器参数。将两种控制方法应用于循环流化床燃烧系统的解耦控制,仿真结果验证了其有效性。
二、流化床锅炉实时专家智能控制系统的设计（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、流化床锅炉实时专家智能控制系统的设计（论文提纲范文）
（1）循环流化床锅炉燃烧系统优化控制策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 国内外循环流化床锅炉发展概况 |
| 1.3 国内外CFB锅炉燃烧系统建模研究现状 |
| 1.4 国内外CFB锅炉燃烧系统控制方法研究现状 |
| 1.5 本文主要研究内容 |
| 第二章 CFB燃烧系统控制对象特性及模型建立 |
| 2.1 CFB锅炉燃烧系统及其组成 |
| 2.1.1 燃烧系统的基本组成 |
| 2.1.2 燃烧系统的工作原理 |
| 2.1.3 燃烧系统的耦合关系 |
| 2.2 主蒸汽压力及床温的动态特性分析 |
| 2.2.1 主蒸汽压力的动态特性分析 |
| 2.2.2 床温的动态特性分析 |
| 2.3 主蒸汽压力及床温的动态模型建立 |
| 2.4 本章小结 |
| 第三章 燃烧系统前馈补偿解耦控制研究 |
| 3.1 耦合及解耦原理概述 |
| 3.2 燃烧系统耦合程度分析 |
| 3.3 燃烧系统解耦控制方案设计及仿真验证 |
| 3.3.1 解耦控制方案 |
| 3.3.2 前馈补偿解耦方案及其仿真验证 |
| 3.4 本章小结 |
| 第四章 燃烧系统的动态论域模糊自适应PID控制 |
| 4.1 常规PID控制器设计 |
| 4.1.1 常规PID控制原理 |
| 4.1.2 PID参数的整定及其模型 |
| 4.2 模糊控制器设计 |
| 4.2.1 模糊控制原理 |
| 4.2.2 模糊控制器的设计及其模型 |
| 4.3 模糊自适应PID控制器设计 |
| 4.3.1 模糊自适应PID控制的原理 |
| 4.3.2 模糊自适应PID控制器的设计及其模型 |
| 4.4 动态论域模糊自适应PID控制器设计 |
| 4.4.1 动态论域模糊自适应PID控制的原理 |
| 4.4.2 动态论域模糊自适应PID控制器的设计及其模型 |
| 4.4.3 控制效果仿真对比分析 |
| 4.5 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 附录 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（2）循环流化床垃圾焚烧炉燃烧优化试验研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 术语符号对照表 |
| 1 绪论 |
| 1.1 引言 |
| 1.2 研究现状 |
| 1.2.1 “软”的层面 |
| 1.2.2 “硬”的层面 |
| 1.3 本文主要研究内容 |
| 2 研究对象分析 |
| 2.1 引言 |
| 2.2 CFB垃圾焚烧工艺 |
| 2.3 CFB锅炉生活垃圾焚烧锅炉组成 |
| 2.4 CFB锅炉流体动力学特性 |
| 2.4.1 密相区流体动力学模型 |
| 2.4.2 稀相区流体动力学模型 |
| 2.5 CFB炉内传热模型 |
| 2.6 燃烧模型 |
| 2.7 CFB垃圾焚烧炉中CO生成及燃烧机理 |
| 2.8 CFB燃烧方式的主要特点 |
| 2.9 CFB生活垃圾燃烧运行控制任务 |
| 2.10 本章小结 |
| 3 CFB垃圾焚烧炉燃烧诊断 |
| 3.1 引言 |
| 3.2 某电厂CFB垃圾焚烧锅炉烟气污染物排放诊断 |
| 3.2.1 不同燃烧工况下运行数据分析 |
| 3.2.2 飞灰、底渣取样分析 |
| 3.2.3 典型负荷下炉膛不同位置烟气组分分析 |
| 3.2.4 典型工况能量质量平衡分析 |
| 3.2.5 冒正压问题 |
| 3.3 CFB生活垃圾焚烧锅炉垃圾前端处理分析 |
| 3.3.1 垃圾堆酵状况 |
| 3.3.2 垃圾破碎分选状况 |
| 3.3.3 垃圾给料输送设备 |
| 3.4 本章小结 |
| 4 CFB垃圾焚烧炉烟气污染物排放优化控制 |
| 4.1 引言 |
| 4.2 垃圾预处理及给料优化 |
| 4.2.1 垃圾堆酵优化 |
| 4.2.2 垃圾破碎、分选系统优化 |
| 4.2.3 垃圾给料系统优化 |
| 4.3 锅炉本体部分改造 |
| 4.3.1 增加卫燃带 |
| 4.3.2 二次风改造 |
| 4.3.3 增加空烟道 |
| 4.4 综合改造后效果 |
| 4.5 本章小结 |
| 5 CFB垃圾焚烧炉入炉垃圾热量软测量及床温预测研究 |
| 5.1 引言 |
| 5.2 基于智能算法的入炉垃圾热量软测量模型 |
| 5.2.1 多种群遗传粒子群寻优算法研究 |
| 5.2.2 智能建模算法介绍 |
| 5.2.3 热量预测模型输入变量的选择 |
| 5.2.4 垃圾热值的模糊等级划分 |
| 5.2.5 数据采集及预处理 |
| 5.2.6 模型总体优化方案 |
| 5.2.7 构建基于BP神经网络的入炉垃圾热量预测模型 |
| 5.2.8 构建基于SVM的入炉垃圾热量预测模型 |
| 5.2.9 构建基于ANFIS的入炉垃圾热量预测模型 |
| 5.2.10 构建RF入炉垃圾热量预测模型 |
| 5.2.11 模型比较结果和讨论 |
| 5.2.12 模型预测热量与实际热量对比 |
| 5.3 床温预测智能建模 |
| 5.3.1 床温特性分析 |
| 5.3.2 床温预测模型变量选择 |
| 5.3.3 床温模型建立 |
| 5.3.4 模拟结果与讨论 |
| 5.4 本章小结 |
| 6 CFB垃圾焚烧炉飞灰减量方法和技术试验研究 |
| 6.1 引言 |
| 6.2 CFB垃圾焚烧锅炉飞灰元素和矿物组成 |
| 6.3 尾部烟道转向底灰收集减量 |
| 6.4 循环灰收集减量 |
| 6.5 飞灰回燃 |
| 6.6 本章小结 |
| 7 全文总结和工作展望 |
| 7.1 主要研究成果 |
| 7.2 本文的创新点 |
| 7.3 未来工作及展望 |
| 作者简历及攻读博士期间科研成果 |
| 参考文献 |
（3）循环流化床锅炉床温优化控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 需要解决的关键问题及研究方法 |
| 第二章 循环流化床工作原理 |
| 2.1 循环流化床工作原理 |
| 2.2 循环流化床床温控制对象 |
| 2.3 循环流化床热工参数控制 |
| 2.4 本章小结 |
| 第三章 循环流化床床温控制模型建模 |
| 3.1 控制系统建模 |
| 3.1.1 控制系统建模原理 |
| 3.1.2 控制系统建模一般方法 |
| 3.1.3 构建模型 |
| 3.2 PSO算法 |
| 3.2.1 PSO算法原理 |
| 3.2.2 PSO算法流程 |
| 3.2.3 PSO算法参数设定 |
| 3.3 PSO算法改进 |
| 3.3.1 算法优化 |
| 3.3.2 算法优化方案测试 |
| 3.4 本章小结 |
| 第四章 循环流化床床温控制模型 |
| 4.1 模型选择 |
| 4.2 数据采集和处理 |
| 4.2.1 数据采集 |
| 4.2.2 数据处理 |
| 4.3 不同的给煤量与床温的函数辨识结果分析 |
| 4.4 不同的一次风量与床温的函数辨识结果分析 |
| 4.5 通过改进PSO算法实现床温控制器PID参数优化 |
| 4.6 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
（4）掺烧煤泥循环流化床机组运行督导与智能预警（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.1.1 煤炭市场发展现状 |
| 1.1.2 循环流化床掺烧煤泥技术意义及难点 |
| 1.1.3 大数据应用下的智慧电厂推进 |
| 1.2 掺烧煤泥循环流化床机组运行优化研究现状 |
| 1.2.1 现有研究局限性 |
| 1.2.2 基于过程数据的建模优化综述 |
| 1.3 智能监测与故障预警研究现状 |
| 1.4 论文主要研究内容 |
| 第2章 建模准备与过程数据处理 |
| 2.1 引言 |
| 2.2 综合经济性 |
| 2.2.1 燃料成本 |
| 2.2.2 脱硫脱硝成本 |
| 2.2.3 厂用电耗成本 |
| 2.3 数据预处理 |
| 2.3.1 离群点剔除 |
| 2.3.2 稳态工况筛选 |
| 2.3.3 数据标准化 |
| 2.4 特征选择 |
| 2.4.1 BP神经网络法 |
| 2.4.2 偏互信息法 |
| 2.4.3 实例分析 |
| 2.5 本章小结 |
| 第3章 掺烧煤泥循环流化床机组综合经济性模型 |
| 3.1 引言 |
| 3.2 传统数据驱动建模算法 |
| 3.2.1 ELMAN神经网络模型 |
| 3.2.2 支持向量机模型 |
| 3.2.3 最小二乘支持向量机模型 |
| 3.3 改进最小二乘支持向量机模型 |
| 3.2.1 改进网格搜索法与交叉验证 |
| 3.3.2 模型更新策略 |
| 3.4 模糊信息粒化 |
| 3.5 实验应用及模型比较分析 |
| 3.5.1 研究对象介绍及数据准备 |
| 3.5.2 传统数据驱动建模与改进LS-SVM建模 |
| 3.5.3 模型比较及结果分析 |
| 3.5.4 模糊信息粒化应用 |
| 3.6 本章小结 |
| 第4章 掺烧煤泥循环流化床机组运行督导系统 |
| 4.1 整体设计方案与系统结构 |
| 4.1.1 离线系统介绍 |
| 4.1.2 在线系统介绍 |
| 4.2 遗传算法构建专家知识库 |
| 4.3 改进模糊关联规则挖掘 |
| 4.3.1 改进模糊关联规则挖掘标准 |
| 4.3.2 模糊关联规则筛选步骤 |
| 4.4 模糊逻辑控制器设计 |
| 4.5 应用验证及方法比较 |
| 4.6 本章小结 |
| 第5章 循环流化床辅机正常状态预测模型 |
| 5.1 引言 |
| 5.2 传统状态预测模型 |
| 5.2.1 多维时间序列预测模型 |
| 5.2.2 模糊推理预测模型 |
| 5.2.3 多元状态估计技术模型 |
| 5.3 改进多元状态估计技术模型 |
| 5.4 实验应用及模型比较分析 |
| 5.4.1 建模准备及数据预处理 |
| 5.4.2 建立多维时间序列预测模型 |
| 5.4.3 建立模糊推理预测模型 |
| 5.4.4 建立多元状态估计技术模型 |
| 5.4.5 建立改进多元状态估计技术模型 |
| 5.4.6 模型比较与分析 |
| 5.5 本章小结 |
| 第6章 循环流化床机组辅机智能预警系统 |
| 6.1 系统整体设计结构 |
| 6.2 基于可调平滑参数的状态判断 |
| 6.3 基于K-means聚类的状态判断 |
| 6.4 基于滑动窗口相似度的状态判断 |
| 6.4.1 相似度函数 |
| 6.4.2 层次分析法故障信息权重计算 |
| 6.4.3 滑动窗口法消除随机误差 |
| 6.4.4 阈值系数与故障变量标记 |
| 6.5 应用验证及性能比较 |
| 6.5.1 基于可调平滑参数的预警应用 |
| 6.5.2 基于K-means聚类的预警应用 |
| 6.5.3 基于滑动窗口相似度的预警应用 |
| 6.5.4 方法对比及整体设计方案确定 |
| 6.6 故障变量诊断及分析 |
| 6.7 故障预警灵敏度分析 |
| 6.8 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（5）CFBB主汽压和床温的BP神经网络解耦及改进遗传算法控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 CFBB燃烧系统的国内外研究现状 |
| 1.2.1 解耦方法的研究现状 |
| 1.2.2 控制方法的研究现状 |
| 1.3 研究课题的主要内容 |
| 1.4 本章小结 |
| 第二章 CFBB主汽压和床温的动态特性 |
| 2.1 CFBB的主要结构和工艺流程 |
| 2.2 CFBB燃烧系统的控制分析 |
| 2.3 主汽压的动态特性 |
| 2.3.1 给煤量-主汽压模型 |
| 2.3.2 一次风量-主汽压模型 |
| 2.4 床温的动态特性 |
| 2.4.1 给煤量-床温模型 |
| 2.4.2 一次风量-床温模型 |
| 2.5 本章小结 |
| 第三章 CFBB主汽压和床温的BP神经网络解耦 |
| 3.1 CFBB主汽压和床温的耦合特性分析 |
| 3.2 前馈补偿解耦器的设计 |
| 3.3 CFBB主汽压的BP神经网络解耦 |
| 3.3.1 CFBB主汽压的BP神经网络解耦器设计 |
| 3.3.2 CFBB主汽压的BP神经网络解耦系统仿真 |
| 3.4 CFBB床温的BP神经网络解耦 |
| 3.4.1 CFBB床温的BP神经网络解耦器设计 |
| 3.4.2 CFBB床温的BP神经网络解耦系统仿真 |
| 3.5 本章小结 |
| 第四章 CFBB主汽压和床温的改进遗传算法优化PID控制 |
| 4.1 遗传算法简介及改进 |
| 4.2 CFBB床温的改进遗传算法优化PID控制 |
| 4.2.1 CFBB床温的改进遗传算法优化PID控制器设计 |
| 4.2.2 CFBB床温的改进遗传算法优化PID控制系统仿真 |
| 4.3 CFBB主汽压的改进遗传算法优化PID控制 |
| 4.3.1 CFBB主汽压的改进遗传算法优化PID控制器设计 |
| 4.3.2 CFBB主汽压的改进遗传算法优化PID控制系统仿真 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 附录 (攻读硕士学位期间学术论文发表及参加科研情况) |
（6）基于蓄能深度利用的循环流化床机组动态优化控制（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 新能源电力的消纳 |
| 1.1.2 循环流化床机组面临的机遇与挑战 |
| 1.2 循环流化床机组动态优化控制的现状 |
| 1.2.1 火电机组蓄能利用策略 |
| 1.2.2 CFB机组蓄能利用及控制模型研究 |
| 1.2.3 CFB机组动态优化运行及快速变负荷控制 |
| 1.3 智能发电与智能监测 |
| 1.4 论文的主要研究内容 |
| 第2章 循环流化床机组蓄能量化及变迁模型 |
| 2.1 循环流化床锅炉燃烧放热量模型 |
| 2.1.1 循环流化床锅炉燃烧过程 |
| 2.1.2 即燃炭热量模型 |
| 2.1.3 循环流化床锅炉燃烧总放热量 |
| 2.2 亚临界循环流化床机组蓄能模型 |
| 2.2.1 汽水侧蓄能模型 |
| 2.2.2 亚临界循环流化床机组蓄能模型 |
| 2.2.3 亚临界循环流化床机组蓄能量化示例 |
| 2.3 超临界循环流化床机组蓄能模型 |
| 2.3.1 机理模型推导 |
| 2.3.2 超临界循环流化床机组蓄能量化示例 |
| 2.4 循环流化床机组蓄能变迁过程 |
| 2.5 本章小结 |
| 第3章 循环流化床机组协调控制系统机理模型 |
| 3.1 亚临界循环流化床机组协调控制系统机理模型 |
| 3.1.1 给煤系统动态特性 |
| 3.1.2 汽包锅炉能量平衡特性 |
| 3.1.3 汽轮机动态特性 |
| 3.1.4 床温动态特性 |
| 3.1.5 亚临界CFB机组协调控制系统机理模型参数辨识 |
| 3.1.6 亚临界CFB机组协调控制系统机理模型泛化验证 |
| 3.1.7 亚临界CFB机组协调控制系统传递函数矩阵 |
| 3.2 超临界循环流化床机组协调控制系统机理模型 |
| 3.2.1 超临界CFB机组汽水侧机理模型 |
| 3.2.2 汽轮机机理模型 |
| 3.2.3 超临界CFB机组协调控制系统机理模型参数辨识 |
| 3.2.4 超临界CFB机组协调控制系统机理模型泛化验证 |
| 3.3 本章小结 |
| 第4章 基于蓄能深度利用的循环流化床机组快速变负荷控制 |
| 4.1 循环流化床机组变负荷特性及挑战 |
| 4.1.1 循环流化床机组快速变负荷挑战 |
| 4.1.2 循环流化床机组变负荷动态特性 |
| 4.2 常规CFB单元机组协调控制系统策略探索与仿真验证 |
| 4.2.1 基于直接能量平衡策略的CFB单元机组协调控制 |
| 4.2.2 基于多变量预测控制的CFB单元机组协调控制 |
| 4.2.3 基于DEB和DMC的循环流化床机组变负荷控制仿真验证 |
| 4.3 基于先行能量平衡的CFB机组快速变负荷控制策略 |
| 4.3.1 先行能量平衡控制策略 |
| 4.3.2 仿真验证 |
| 4.3.3 工程应用验证 |
| 4.4 本章小结 |
| 第5章 基于蓄能深度利用的循环流化床机组大比例掺烧煤泥运行控制模式及应用 |
| 5.1 研究对象介绍 |
| 5.2 循环流化床机组掺烧煤泥特性机理 |
| 5.2.1 大比例煤泥掺烧对CFB机组运行控制的影响 |
| 5.2.2 大比例掺烧煤泥运行中能量波动趋势 |
| 5.3 循环流化床机组大比例掺烧煤泥运行控制模式 |
| 5.3.1 技术路线 |
| 5.3.2 控制策略 |
| 5.3.3 控制策略参数整定 |
| 5.4 应用验证 |
| 5.4.1 运行效果 |
| 5.4.2 经济性分析 |
| 5.5 本章小结 |
| 第6章 基于深度学习算法的循环流化床锅炉床温区间预测 |
| 6.1 循环流化床锅炉床温区间预测必要性 |
| 6.1.1 床温特性与调节方式 |
| 6.1.2 区间预测 |
| 6.2 长短期记忆网络(LSTM)深度学习算法 |
| 6.2.1 深度学习 |
| 6.2.2 长短期记忆网络(LSTM) |
| 6.3 基于LSTM的CFB锅炉床温区间预测模型 |
| 6.3.1 区间预测模型结构设计 |
| 6.3.2 预测模型验证 |
| 6.4 本章小结 |
| 第7章 结论与展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（7）基于深度信念网的大型循环流化床建模（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.1.1 引言 |
| 1.1.2 国内外研究发展概况 |
| 1.1.3 循环流化床特点及建模难点 |
| 1.2 循环流化床建模的发展和研究现状 |
| 1.3 深度学习建模研究和应用现状 |
| 1.3.1 引言 |
| 1.3.2 深度学习发展概况 |
| 1.4 论文主要安排 |
| 第二章 循环流化床锅炉建模分析 |
| 2.1 循环流化床锅炉结构及工艺流程 |
| 2.2 循环流化床锅炉控制系统的目标及特点 |
| 2.2.1 循环流化床锅炉燃烧系统控制目标 |
| 2.2.2 协调控制系统的任务及控制系统结构 |
| 2.2.3 循环流化床锅炉控制系统控制特点 |
| 2.3 循环流化床锅炉协调控制系统简化模型 |
| 2.4 本章小结 |
| 第三章 基于DBN的循环流化床建模 |
| 3.1 建模对象及数据分析 |
| 3.2 神经网络建立循环流化床锅炉模型分析 |
| 3.2.1 引言 |
| 3.2.2 BP神经网络建模 |
| 3.2.3 BP神经网络建模校验结果分析 |
| 3.3 深度信念网建立循环流化床锅炉协调控制系统模型 |
| 3.3.1 引言 |
| 3.3.2 深度信念网算法介绍 |
| 3.3.3 受限玻尔兹曼机及对比散度算法概述 |
| 3.3.4 深度信念网模建模 |
| 3.3.5 深度信念网校验结果分析 |
| 3.4 本章小结 |
| 第四章 基于稀疏正则化的DBN的CFB建模 |
| 4.1 稀疏深度网络 |
| 4.1.1 稀疏表示初步 |
| 4.1.2 稀疏深度网络模型及其基本性质 |
| 4.2 稀疏DBN算法 |
| 4.2.1 基于惩罚因子的稀疏DBN算法 |
| 4.2.2 稀疏受限玻尔兹曼机 |
| 4.2.3 稀疏连接策略DropOut |
| 4.3 模型建立及结果分析 |
| 4.4 本章小结 |
| 第五章 结论与展望 |
| 参考文献 |
| 攻读硕士期间发表的论文及其它成果 |
| 致谢 |
（8）生物质循环流化床锅炉燃烧过程建模与优化控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 生物质直燃技术应用的现状 |
| 1.3 国内外外循环流化床控制策略的研究现状 |
| 1.4 研究内容及结构 |
| 第二章 循环流化床锅炉燃烧过程特性分析 |
| 2.1 生物质循环流化床的系统介绍 |
| 2.1.1 生物质循环流化床的结构 |
| 2.1.2 生物质循环流化床的燃烧过程 |
| 2.2 循环流化床控制系统的介绍 |
| 2.2.1 CFBB燃烧控制系统任务 |
| 2.2.2 CFBB燃烧系统的控制难点 |
| 2.2.3 CFBB燃烧系统控制的组成 |
| 2.3 CFBB燃烧系统的动态特性分析 |
| 2.3.1 床温系统的动态特性分析 |
| 2.3.2 主蒸汽压力系统的动态特性分析 |
| 2.3.3 燃烧系统模型的初步选取 |
| 2.4 本章小结 |
| 第三章 生物质循环流化床燃烧系统的建模 |
| 3.1 研究对象的概况及参数 |
| 3.2 燃烧系统模型的确立 |
| 3.2.1 给料量阶跃扰动下系统的模型辨识 |
| 3.2.2 一次风量阶跃扰动下系统的模型辨识 |
| 3.3 本章小结 |
| 第四章 燃烧系统的耦合分析与解耦设计 |
| 4.1 燃烧系统的耦合性分析 |
| 4.2 床温与主汽压系统关联度分析 |
| 4.3 燃烧系统的解耦控制策略 |
| 4.3.1 对角矩阵解耦控制 |
| 4.3.2 简化对角解耦控制 |
| 4.3.3 单位对角矩阵解耦控制 |
| 4.3.4 前馈补偿解耦控制 |
| 4.4 解耦控制仿真试验 |
| 4.4.1 简化对角解耦控制的仿真 |
| 4.4.2 前馈补偿解耦控制的仿真 |
| 4.5 本章小结 |
| 第五章 模糊控制策略的研究与仿真分析 |
| 5.1 模糊控制理论基础 |
| 5.1.1 模糊理论的概述 |
| 5.1.2 模糊控制的优势 |
| 5.1.3 模糊控制的原理 |
| 5.2 PID控制器的设计及其仿真 |
| 5.3 模糊控制器的设计 |
| 5.3.1 模糊控制器的输入输出变量 |
| 5.3.2 模糊论域与模糊规则的设定 |
| 5.3.3 解模糊化设计 |
| 5.4 模糊控制策略的研究与仿真 |
| 5.4.1 模糊控制器的仿真分析 |
| 5.4.2 模糊PID控制的设计与仿真 |
| 5.4.3 基于史密斯预估器的模糊控制的设计与仿真 |
| 5.5 多种模糊控制方案的仿真对比分析 |
| 5.5.1 正常工况下多方案控制效果对比分析 |
| 5.5.2 传递函数变化下多方案控制效果对比分析 |
| 5.6 本章小结 |
| 研究结论与展望 |
| 研究结论 |
| 研究展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读硕士学位期间所取得的学术成果 |
（9）循环流化床锅炉燃烧过程无模型控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 循环流化床锅炉研究现状 |
| 1.2.1 国外循环流化床锅炉的发展 |
| 1.2.2 国内循环流化床锅炉的发展 |
| 1.2.3 循环流化床锅炉控制技术现状 |
| 1.3 无模型控制研究背景及意义 |
| 第2章 循环流化床锅炉燃烧特性 |
| 2.1 循环流化床锅炉工艺流程 |
| 2.2 循环流化床锅炉燃烧系统 |
| 2.2.1 循环流化床锅炉燃烧控制系统介绍 |
| 2.2.2 循环流化床锅炉燃烧系统控制目标 |
| 2.2.3 循环流化床锅炉燃烧系统控制难点 |
| 2.3 循环流化床锅炉燃烧系统被控对象动态特性 |
| 2.3.1 主蒸汽压力被控对象动态特性分析 |
| 2.3.2 床温被控对象动态特性分析 |
| 2.3.3 燃烧系统建模与参数辨识介绍 |
| 2.4 本章总结 |
| 第3章 无模型自适应控制 |
| 3.1 无模型控制理论 |
| 3.1.1 无模型控制定义 |
| 3.1.2 无模型控制方法的被控对象 |
| 3.1.3 典型的无模型控制方法 |
| 3.2 离散时间非线性系统的动态线性化 |
| 3.3 基于CFDL的无模型自适应控制 |
| 3.3.1 MFAC控制算法 |
| 3.3.2 特征参数估计算法 |
| 3.3.3 无模型自适应控制方案 |
| 3.3.4 无模型控制系统收敛性和稳定性分析 |
| 3.3.5 仿真研究 |
| 3.4 本章小结 |
| 第4章 复杂大时滞系统改进无模型控制 |
| 4.1 对复杂大时滞系统的控制研究 |
| 4.2 改进的无模型自适应控制算法 |
| 4.2.1 MIMO非线性系统的动态线性化 |
| 4.2.2 控制算法 |
| 4.2.3 PJM估计算法 |
| 4.2.4 系统控制方案 |
| 4.3 对改进算法的稳定性分析 |
| 4.4 仿真实验 |
| 4.5 本章小结 |
| 第5章 循环流化床锅炉燃烧控制系统仿真 |
| 5.1 仿真对象介绍 |
| 5.2 循环流化床锅炉床温无模型控制 |
| 5.2.1 一次风-床温控制系统 |
| 5.2.2 给煤量-床温控制系统 |
| 5.3 循环流化床锅炉主蒸汽压力无模型控制 |
| 5.3.1 给煤量-主蒸汽压力控制系统 |
| 5.3.2 一次风-主蒸汽压力控制系统 |
| 5.4 循环流化床锅炉燃烧系统协调控制 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
（10）大型循环流化床锅炉床温建模与优化控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.1.1 引言 |
| 1.1.2 国内外循环流化床锅炉发展概况 |
| 1.1.3 循环流化床锅炉控制的特点及难点 |
| 1.2 CFB锅炉燃烧系统建模研究现状概述 |
| 1.3 CFB锅炉燃烧系统控制研究现状概述 |
| 1.4 课题研究内容 |
| 第2章 循环流化床锅炉床温控制对象及特性 |
| 2.1 CFB锅炉燃烧系统及其组成 |
| 2.1.1 燃烧系统的基本组成 |
| 2.1.2 燃烧系统的基本工作过程 |
| 2.2 循环流化床锅炉的工作原理及特点 |
| 2.3 床温控制对象的特点与调节 |
| 2.4 四川白马300MW循环流化床锅炉介绍 |
| 2.5 本章小结 |
| 第3章 循环流化床锅炉床温动态模型的研究 |
| 3.1 CFB床温动态模型 |
| 3.2 床温动态模型建立 |
| 3.2.1 炉膛模型 |
| 3.2.2 分离器模型 |
| 3.2.3 外置床能量平衡 |
| 3.3 模型仿真验证 |
| 3.4 本章小结 |
| 第4章 基于多变量内模解耦的CFB锅炉床温控制策略研究 |
| 4.1 解耦原理概述 |
| 4.1.1 耦合度分析方法 |
| 4.1.2 常用解耦方法 |
| 4.1.3 解耦控制说明 |
| 4.1.4 P、V规范型被控对象和解耦环节 |
| 4.2 循环流化床锅炉燃烧系统多变量IMC控制器设计 |
| 4.2.1 IMC控制原理 |
| 4.2.2 多变量IMC控制器的设计 |
| 4.2.3 CFB锅炉燃烧系统改进IMC控制器设计(改进方法1) |
| 4.2.4 仿真结果与分析 |
| 4.2.5 CFB锅炉燃烧系统改进IMC控制器设计(改进方法2) |
| 4.2.6 仿真结果与分析 |
| 4.3 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
四、流化床锅炉实时专家智能控制系统的设计（论文参考文献）
- [1]循环流化床锅炉燃烧系统优化控制策略研究[D]. 李丰泽. 太原理工大学, 2021(01)
- [2]循环流化床垃圾焚烧炉燃烧优化试验研究[D]. 尤海辉. 浙江大学, 2021(01)
- [3]循环流化床锅炉床温优化控制研究[D]. 郭旭阳. 西安电子科技大学, 2020(05)
- [4]掺烧煤泥循环流化床机组运行督导与智能预警[D]. 张维. 华北电力大学(北京), 2019(01)
- [5]CFBB主汽压和床温的BP神经网络解耦及改进遗传算法控制[D]. 刘攀. 长沙理工大学, 2019(07)
- [6]基于蓄能深度利用的循环流化床机组动态优化控制[D]. 洪烽. 华北电力大学(北京), 2019(01)
- [7]基于深度信念网的大型循环流化床建模[D]. 熊中浩. 华北电力大学(北京), 2019(01)
- [8]生物质循环流化床锅炉燃烧过程建模与优化控制[D]. 陈炳基. 长沙理工大学, 2018(07)
- [9]循环流化床锅炉燃烧过程无模型控制研究[D]. 李梦宁. 燕山大学, 2016(01)
- [10]大型循环流化床锅炉床温建模与优化控制研究[D]. 钟亮民. 华北电力大学, 2014(01)