一种实用的太阳能热水器单片机控制器的设计

介绍了一种以89C51单片机为核心构成的太阳能热水器智能控制器的设计方法,给出了系统硬件设计及软件实现方法.     

基于改进樽海鞘算法的锅炉NOX排放模型优化研究

为了建立高效的NOx排放质量浓度预测模型,以某330 MW的煤粉锅炉为研究对象,利用自适应樽海鞘算法(ASSA)优化快速学习网(FLN)建立预测模型。首先用8个基准测试函数检测ASSA的性能并与其它3种算法进行对比,结果显示ASSA算法的收敛速度更快,寻优结果更好;将该模型与差分进化算法(DE)、粒子群算法(PSO)和樽海鞘算法(SSA)优化的快速学习网进行比较,结果表明ASSA-FLN模型具有更好的预测精度和泛化能力,可有效准确地预测煤粉炉的NOx排放质量浓度。     

基于相关向量机的电站锅炉NOx燃烧优化

为了降低电站锅炉NOx排放量,采用一种新的机器学习方法--相关向量机对某330 MW煤粉汽包锅炉的一、二次风速以及含氧量等26个输入参数和NOx输出结果进行建模,并用万有引力算法对模型的参数进行优化,获得最优模型。与粒子群算法、遗传算法优化相关向量机以及万有引力算法优化支持向量机等进行了比较,选择锅炉输入参数中的可调变量为优化变量,以NOx低排放量为目标进行优化,获得低NOx排放的输入参数。结果证明:万有引力优化相关向量机算法建立的模型精确度比其它几种算法高,对模型进行低NOx优化后,NOx输出值由最初的的906.65 mg/m³变为550.600 mg/m³,下降幅度约为38.9%,实现了NOx排放量大幅度降低。     

基于GSA-SVM的循环流化床锅炉NOx排放特性模型

为了准确地预测循环流化床锅炉NOx排放量,以某热电厂循环流化床锅炉燃烧数据为样本,提出了基于支持向量机（SVM）的循环流化床锅炉NOx排放特性GSA-SVM模型。由于SVM精度及泛化能力依赖于参数选择,故将万有引力搜索算法（GSA）运用到模型参数寻优过程中,利用不同工况下的样本数据检验了模型的预测性能,并将该模型分别与BP神经网络、粒子群(PSO)和遗传算法(GA)优化的SVM模型进行比较,仿真实验证明GSA-SVM模型具有很好的辨识能力及良好的泛化能力。     

基于混合鸡群算法和核极端学习机的锅炉NOx排放的预测

以某300MW亚临界循环流化床锅炉为研究对象,对锅炉的NOx排放量进行预测。利用模拟退火混合鸡群算法(SACSO)和核极端学习机(KELM)对不同工况下NOx的排放量进行建模;对比了差分进化算法,粒子群算法和原始鸡群算法,证明了改进后算法的优越性;之后,又对传统BP算法,支持向量机,极端学习机和核极端学习机模型进行对比;最终确定的SACSO-KELM模型具有更高的预测精度和稳定性以及更好的泛化能力,可选择将此模型用于锅炉NOx排放的建模预测。     

ASOS-ELM建模方法及在汽轮机热耗率预测中的应用

针对极限学习机（ELM）不能准确地预测汽轮机热耗率的问题,结合群智能优化算法,提出一种改进的共生生物搜索算法和极限学习机（ASOS-ELM）综合建模的方法。该方法利用改进的共生生物搜索（ASOS）算法优化ELM隐层激活函数的参数,求得最优的ELM模型。再将ASOS-ELM模型应用到热耗率建模中,首先用ELM初始化热耗率预测模型,以输出热耗率的均方根误差（RMSE）作为算法的适应度值,然后通过ASOS算法找到合适的ELM参数,从而得到准确的热耗率预测模型。并将热耗率预测的结果与传统的ELM模型、ASOS算法优化支持向量回归（SVR）模型、改进的粒子群算法（PSO）和基本的共生生物搜索算法（SOS）优化的ELM作对比。结果表明,ASOS-ELM模型在处理复杂的数据模型中,具有精确的预测能力与快速的收敛速度,为汽轮机热耗率建模提供了新思路。     

汽轮机热耗率多模型建模方法研究

针对汽轮机热耗率难以准确计算的问题,提出了核模糊c均值与混合蛙跳算法优化最小二乘支持向量机(LS-SVM)的汽轮机热耗率多模型建模方法,用来计算不同工况下的热耗率。该方法利用核模糊c均值算法对热耗率数据聚类,采用5折交叉验证平均误差作为LS-SVM参数选择的适应度值,利用混合蛙跳算法优化参数并建立局部模型,采用开关切换得到模型输出,以此实现热耗率的多模型建模。与单一的LS-SVM模型和BP网络热耗率预测模型比较,结果表明该多模型方法有更高的预测精确和更好的泛化能力,能更准确地计算汽轮机热耗率。     

基于DS1302的太阳能热水器智能控制器的设计

本文介绍了一种基于DS1302的太阳能热水器智能控制器的设计方法,给出了系统硬件设计及软件实现方法.     

基于自由搜索算法和支持向量机的燃煤锅炉NOx 建模与优化

利用支持向量机（ SVM）建立锅炉NOx 排放模型,采用自由搜索（ FS）算法对支持向量机模型参数进行优化并对模型输入参数进行寻优。结果表明,FS-SVM模型能够较好地预测NOx 排放,且模型精度较高。通过优化输入参数,NOx 排放量有明显地降低,优化后的参数变化情况与有关文献中实验所得的结果一致。     

基于相关向量机的汽轮机最优运行初压的确定

为了有效计算最优初压,首先提出一种基于模拟退火和混合迁移的生物地理学优化算法（B-BBO-SA）优化相关向量机（RVM）的热耗率预测模型;然后在该模型的基础上利用B-BBO-SA算法寻找各个负荷下热耗率最小时所对应的主蒸汽压力。通过与B-BBO-SA-SVM进行比较,B-BBO-SA-RVM具有更好的泛化能力;另外,得到的最优初压与设计初压存在着一定的差别,它更能准确地指导汽轮机的安全、经济运行。