基于粒子群优化的双向门控循环神经网络燃煤电厂NOx排放预测

针对燃煤电厂NOx排放的预测问题,提出了基于粒子群优化算法和双向门控循环（PSO-Bi- GRU）神经网络的NOx排放预测模型。通过主成分分析对影响NOx排放的运行参数进行降维,消除变量间的耦合;基于双向门控循环神经网络学习NOx排放的非线性特性和前后时序信息,提高特征提取能力;采用粒子群算法对Bi-GRU神经网络模型进行超参数寻优,使网络结构最大程度匹配影响NOx排放的变量特征,克服依靠经验选取或手动调节参数而导致预测精度低的问题。最后基于某电厂660 MW机组燃煤锅炉运行参数,建立NOx排放预测模型,并与单向门控循环神经网络、传统Bi-GRU神经网络预测模型进行对比。仿真结果表明,PSO-Bi-GRU神经网络模型预测效果最好,其平均绝对误差、平均绝对百分误差、均方根误差均最小,验证了本文所提PSO-Bi-GRU神经网络NOx排放预测模型的有效性。     

基于互信息–图卷积神经网络的燃煤电站NOx排放预测

燃煤电站NO_x排放预测模型可提高脱硝经济性。NO_x排放机理复杂,相关性变量众多,有效的融合相关变量之间的信息,能提高NO_x排放预测精度。提出了一种基于互信息-图卷积神经网络的NO_x排放预测模型。基于某660MW燃煤电站的运行参数,计算影响NO_x排放的特征变量之间的互信息,设计特征变量间的邻接关系,获取特征邻接矩阵,构建了基于图卷积神经网络的NO_x排放预测模型。将所提出的NO_x预测模型与基于LSTM、BPNN和LS-SVM的典型NO_x预测模型进行对比,实验结果表明,MI-GCN预测模型具有较好的泛化能力和较高的预测精度。     

基于WorldFIP现场总线的开关量I/O模件的研发

为了将WorldFIP现场总线技术与传统的开关量控制方法结合起来,介绍了基于WorldFIP的开关量I/O模件,讨论了开关量I/O模件的工作原理及软、硬件的开发设计。模件基于ARM9核心的平台,为实现软PLC虚拟机提供了充分的硬件支持。输入电路有过电压保护的功能,大大减小了现场的安装调试过程中造成的模件损坏。软PLC系统的分为中间码编辑环境和运行环境两部分。编辑环境使用已有的FIPCON软件,运行环境在模件实现,软PLC虚拟机是其主要部分,它采用解释的方式实现中间码的执行。中间码连接了编辑环境和运行环境,在借鉴其它方法的基础上采用了一种相对简单的文法。在开发过程中,对软件和硬件进行了调试和相关测试,最终以解释执行方式实现了开关量的控制。     

在Linux平台上基于QT的动态图像采集系统的设计

结合嵌入式Linux结构简单、灵活、低成本、高性能的特点以及图像采集系统的广泛应用,介绍了在Linux系统下基于QT开发图像采集系统的方法,给出了基于AT89C2051处理器以及SAA7111A视频采集芯片的嵌入式图像采集系统的设计方案,分析了图像采集卡的工作原理,并结合CPLD实现了对整个采集过程的控制。介绍了QT和Linux下串口通信的特点,并对如何编写基于QT的串口通信、图像传输、图像处理和图像显示等程序进行了讨论。     

FCS与常规仪表的兼容性及现场总线--电流转换器的研发

阐述了传统的分散控制系统 (DCS)的优缺点 ,以及现场总线控制系统(FCS)对它的改进 ,指出现场总线是工业过程控制更好的选择。而在DCS向FCS过渡的过程中 ,急需解决传统仪表与现场总线的接口问题。针对这一问题 ,开发了一种现场总线—电流转换器 ,并具体的介绍了转换器的工作原理、芯片的选择和接口电路的实现     

软件在线帮助的一种快速实现方法

本文介绍一种能用的软件在线帮助的快速实现方法。该方法充分利用微机显示卡的硬件资料，实现帮助画面的快速切换和滚动，切换和恢复时间接近于０，并且有不占用系统内存，切换时不调盘，不需要保存原工作画面内容等特点，具有较高的实用价值。     

执行器的智能控制初探

执行器的核心部件——控制器已经从传统模拟位置控制方式发展到微处理器控制方式，使执行器的智能化成为可能。论从自动控制角度，对执行器智能控制进行了分析．包括自适应非线性控制、监控与故障诊断等．另外还对在时变、非线性特性和滞后效应的情况下，如何通过基于模型的非线性控制来提高执行器的控制性能作了初步探讨。     

基于WorldFIP现场总线的振动测量仪表开发

介绍了一种基于WorldFIP现场总线的振动测量仪表的组成原理及软硬件设计方案 ,包括同步整周期采样、抗混滤波器的实现以及键相脉冲处理和交直流分离方案 ,该仪表直接处理振动数据 ,并通过现场总线发送测量或处理结果。设计中充分利用了 6 8HC12众多内嵌模块的功能 ,使得电路设计简洁 ,抗干扰能力强 ,可靠性高。文中具体分析了主要电路的作用及工作原理 ,软件的设计及WorldFIP现场总线的软硬件接口。     

基于互信息变量选择与LSTM的电站锅炉NOx排放动态预测

电站锅炉NO_x排放是大气污染物的重要来源,建立有效的预测模型是降低NO_x排放的基础。NO_x的排放特性受多个热工变量的影响,针对变量间的相关性和强耦合性,提出一种基于互信息变量选择和长短期记忆神经网络的预测模型,实现对NO_x排放的动态预测。以互信息"最小冗余最大相关"为准则对特征变量进行重要性排序和变量选择。在变量筛选过程中采用序列前向选择方法,以模型预测精度为目标确定最优输入特征集和最佳模型参数。将筛选出来的特征变量集作为LSTM预测模型的输入,并采用多层网格搜索算法优化网络超参数,建立了NO_x排放动态预测模型。基于某660 MW超超临界燃煤机组的运行数据对模型进行验证,实验结果表明该方法能够有效地减少模型输入变量的数目,降低变量间的信息冗余,同时提高了预测模型的精度和鲁棒性。     

IFIX在过程控制实验教学中的应用

以DCS AC800M过程控制实验系统为依托,以IFIX软件为平台设计开发的上位机实验监控组态画面,其应用于过程控制课程实验教学,具有操作简便、直观清晰、模拟性强等特点,使学生更加贴近工业现场实际的操作环境,提高了实验教学质量.