论文部分内容阅读
最近几十年具有煤清洁燃烧技术的循环流化床锅炉（CFBB）得到了大力的发展，与传统的锅炉相比循环流化床锅炉具有经济高效和低污染等独特的优点。由于常规的PID控制很难控制好300MW循环流化床锅炉（CFBB）这种非线性、多输入多输出强耦合的复杂系统。所以论文提出了一种综合模糊控制和神经网络控制的模糊神经网络控制，并运用该模糊神经网络控制300MW循环流化床锅炉（CFBB）的床温被控对象和主蒸汽压力被控对象，这将是未来循环流化床锅炉（CFBB）控制的发展趋势。论文介绍了300MW循环流化床锅炉（CFBB）的发展现状、结构和工作原理。对300MW循环流化床锅炉（CFBB）的主蒸汽压力和床温被控对象进行了建模。根据模糊控制控制性优良、算法简单和神经网络控制很强的自学习、自适应能力的优点，提出了一种综合模糊控制和神经网络控制的模糊神经网络控制，并运用模糊神经网络控制对循环流化床锅炉（CFBB）的主蒸汽压力与床温的控制问题进行了研究。由于模糊神经网络用BP算法离线优化的精度不高，所以论文介绍了粒子群优化算法PSO （ParticleSwarm Optimization）和自适应动量粒子群算法APSO （Adaptive Particle SwarmOptimization）；运用自适应动量粒子群算法APSO，对模糊神经网络控制器进行了离线优化，并把仿真结果与传统PID控制的结果进行了对比。通过仿真表明，模糊神经网络控制器与常规PID控制器相比较，模糊神经网络控制器响应速度快，调节时间短，超调量较小且系统稳定。