基于神经网络和过程机理的热流体系统仿真

构建了一种基于复合神经网络和过程机理特性的热流体系统仿真模型 .该模型在形式上为一种复合人工神经网络模型 ,保证了模型具有十分理想的仿真速度 ;在网络模型设计上较好地考虑了系统输入与输出间的物理基础 ,网络模型在一定程度上由常规的黑箱模型转化为“灰箱模型” ,网络的训练除了具有常规的输入、输出间的纯数值映射关系学习功能之外较好地体现了对象输入与输出间的物理机理学习 ,保证了网络模型具有良好的联想能力、外推能力和时间递推能力 .     

基于逆动力学模糊规则的单元机组协调控制

通过单元火电机组动态特性分析,获得了一种简单的机组负荷对象逆动力学模型结构.建立了单元机组逆动力学过程模糊规则(IDFR)模型,并利用递推最小二乘辨识方法对机组逆动力学过程模糊规则进行在线修正.将IDFR直接作为控制规则,提出了一种基于IDFR的机组负荷控制方法,构造了单元机组负荷对象协调控制系统.通过仿真实验考察了所提出的控制系统的有效性和适应性.     

基于SMITH预估的神经网络再热汽温控制

电厂锅炉的再热汽温是机组安全、经济运行的重要参数之一,必须控制在一定范围内.而电厂再热汽温被控对象是具有大惯性、大滞后,并且常规PID控制难以取得良好的控制效果.针对这一特点,提出了一种RBF--Smith预估控制算法,该算法利用了基于RBF整定的PID控制提高对被控对象参数变化的自适应能力和Smith预估控制能够克服被控对象的大迟延特性,并对RBF--Smith预估控制用Matlab在不同工况下进行仿真试验,仿真结果表明所设计的控制系统的性能较常规PID控制有较大的提高,证明了控制方案的有效性.     

锅炉汽温对象的在线模糊辨识

锅炉汽温对象具有明显的非线性和不确定性,在许多情况下很难用精确的数学模型来表达,或者所建立的非线性数学模型难以应用于汽温控制系统设计。该文以T-S模糊规则模型为基础,通过熵方法和竞争学习算法对输入空间进行聚类,利用递推最小二乘辨识算法(RLS)确定模型的结论参数,实现了汽温对象的在线模糊辨识。通过两台锅炉汽温对象在线辨识实例,验证了在线模糊辨识方法对于两类典型汽温对象的有效性,不仅具有较高的辨识精度,同时还具有较为理想的泛化性能和跟踪能力。     

单元机组负荷对象逆动力学模糊规则在线辨识

单元机组的协调控制本质上可以归结为双输入双输出系统的逆动力学问题.该文基于双输入双输出系统各控制通道时间响应分析,提出了该类系统逆动力学模型的四种基本结构,采用模糊规则模型和递推最小二乘算法实现了单元机组负荷对象逆动力学过程模型的在线辨识.研究表明,利用模糊规则模型可以对机组负荷对象的逆动力学过程进行有效的在线辨识,所建立的单元机组负荷对象逆动力学模型具有良好的自适应能力和在线跟踪能力,为进一步开展基于逆动力学模型的机组协调控制方法的研究奠定了基础.     

草原煤矿城市土地覆被环境信息提取方法研究--以霍林郭勒市为例

土地覆被是近年来生态环境监测和研究的一个热点问题。文中针对草原煤矿城市的特点。提出了基于分类树和BP神经网络的土地覆被环境信息的提取方法，并利用CPS对结果进行了随机抽样验证，证明采用本方法是完全可行的。     

直流锅炉蒸发受热面运行分析及实时仿真通用数字模型

本文从过程基本方程出发，建立了直流锅炉蒸发系统过程数学模型，并给出了其通用动态计算方法，该模型不但可用于锅炉蒸发系统设计及运行过程中的定量分析，同时适用于电站运行人员实时仿真培训。     

草原露天矿区草地沙化的遥感分析--以霍林河矿区为例

研究了霍林河矿区1987—2003年的草地沙化情况；探讨了露天煤矿区草地沙化的影响因子；采用线性光谱混合分解模型(LSMM)完成了草地沙化信息的提取，对引发草地沙化的直接破坏信息则采用决策树和BP神经网络相结合的方法进行了提取．结果表明：随着累计原煤产量的增加，草地破坏面积和草地沙化面积在逐年扩大；矿区建设期内草地沙化速率远高于生产期；草地直接破坏面积与草地沙化面积具有明显的正相关关系，故可将草地直接破坏面积作为评价、预测该区煤炭开发对周围草地沙化影响的重要依据．     

强制流动蒸发系统水动力特性的数值分析与综合—（Ⅱ）直流锅炉水动力不稳定性的数值分析与综合

参考《蒸汽发生系统通用动力学模型》一文中所提供的数学模型和数值方法，对直流锅炉蒸发系统的水动力不稳定性进行了全面的数值分析与综合，讨论了系统内特性和外特性对两相流体流动不稳定性的影响，探讨了系统整体脉动与管间脉动间的联系与区别。最后，在此基础上提出了水动力特性本质稳定蒸发系统和非本质稳定蒸发系统两个基本概念。有关的结论对于蒸汽发生系统的设计、运行以及水动力不稳定性试验方案的优化等均有一定的参考价值