135MW球磨机制粉系统的优化试验研究与分析

针对某电厂135MW单元机组球磨机制粉系统制粉单耗偏高的现状,展开优化试验和分析。首先,研究了系统目前运行现状,分析了影响制粉系统优化运行的主要因素;其次,通过理论计算和优化试验,分别确定了最佳钢球装载量、钢球直径配比和最佳通风量等优化参数。运行结果表明,优化后系统制粉单耗显著下降,实现了节能降耗的目标。     

基于多传感器信息融合技术的球磨机料位测控系统

提出了一种基于多传感器信息融合技术的球磨机料位测控系统.在机理模型分析的基础上,研究了球磨机料位与过程参数之间的关系.研究了信息融合中传感器的选取和数据采集,开发了由数据采集器-数据通信器-PC机3层结构组成的球磨机筒体振动信号采集装置,并基于最小二乘支持向量机(LS-SVM)算法提出了料位信息融合软测量方法.提出了基于料位检测的球磨机负荷模糊控制算法.实验结果表明,该测控系统能够有效地实现料位检测与优化控制.     

基于软测量的球磨机优化控制方法

针对球磨机控制的难点和不足,提出了一种基于料位软测量技术的球磨机优化控制方法.首先,在分析球磨机系统特性和振动特性的基础上,确定了料位软测量的辅助变量.其次,基于最小二乘支持向量机算法,给出了一种球磨机料位软测量方法,并通过现场实测数据进行料位检测,结果表明该软测量方法的精度较高;最后,在料位软测量的基础上,提出了一种...     

球磨机负荷加权模糊控制算法设计与仿真

针对目前球磨机料位单冲量控制系统响应速度慢、控制特性差等缺点,提出三冲量球磨机负荷加权模糊控制算法.即通过球磨机料位、球磨机进/出口温度和进出口压差三冲量模糊控制对球磨机负荷进行调节.在分析了球磨机的系统特性和控制目标后,结合电厂手动调节的特点,研究了三冲量模糊控制方案、负荷加权模糊控制器的结构以及模糊控制器的实现.利用Matlab/Simulink工具箱进行仿真研究,结果表明所提出的控制方法具有较好的动态特性和鲁棒性.     

基于LS-SVM和GM的球磨机料位动态软测量

提出了一种基于最小二乘支持向量机(LS-SVM)和灰色模型(GM)的钢球磨煤机料位动态软测量方法,分析了料位的影响因素,确定了软测量模型的辅助变量;基于LS-SVM建立料位软测量静态模型,将静态模型测量结果与实际值比较,获得测量误差时间序列,并采用GM对其建模和预测;将预测的误差结果与静态模型输出进行叠加,实现对测量结果的动态校正。实际应用结果表明,该方法能够有效地反映料位的变化趋势和动态特性,比单纯LS-SVM模型测量具有更高的精度和适用性。     

基于运行状态信息融合的电站制粉系统实时优化研究

针对传统优化算法的不足,采用神经网络非线性在线建模技术,提出了一种基于运行状态信息融合的制粉系统实时优化算法。该算法基于资源分配网络获得制粉单耗与过程参数之间的非线性映射关系,在此基础上,建立起球磨机系统在线优化模型,并利用遗传算法对该模型进行寻优,获得优化运行参数,用以指导实际生产。优化结果表明,该算法能有效地降低制粉单耗,在节能优化的同时获得料位、出口温度和入口负压等可控变量参数的优化值。     

基于LS-SVM和机理模型的球磨机料位软测量

提出了一种机理知识和最小二乘支持向量机(LS-SVM)相结合的球磨机料位混合软测量方法.基于机理模型建立料位理论模型;将料位机理特性融入LS-SVM的建模过程中,利用LS-SVM算法对机理模型进行校正,弥补它的不精确性.通过现场试验和实际运行分析表明,混合模型能够有效地反映出实际运行中料位的变化趋势和动态特性.     

基于运行模式识别的球磨机自适应解耦模糊控制与仿真

针对目前球磨机系统控制存在的不足,提出了一种基于运行模式识别的球磨机系统自适应模糊解耦控制算法.首先,分析了球磨机系统的动态特性,并结合某电厂测试试验,得到了球磨机系统的数学模型;其次,采用LS-SVM算法对球磨机系统的运行状态进行识别和分类;对于正常工况,针对耦合回路,设计了自适应解耦模糊控制器对球磨机进行控制;对于异常工况,给出了相应的控制策略.最后对正常工况下的自适应解耦模糊控制算法进行了仿真研究.仿真结果表明,该算法能够有效地实现球磨机系统运行工况模式识别和耦合回路的解耦控制,控制系统具有良好的动态性和鲁棒性.     

基于KPCA-GMM的球磨机状态监测与评估研究

提出了一种基于核主成分分析(KPCA)-高斯混合模型(GMM)的球磨机状态实时监测与评估新方法。通过选取不同工况下的球磨机过程参数,基于KPCA提取反映设备运行状态的特征量,基于GMM建立表征不同工况的球磨机状态模型,并引入高斯混模型概率距离,计算当前状态与正常工况的相似度,作为状态指标(SI)实时监控球磨机的运行状态。通过对某电厂球磨机实际运行过程的监控与评估,表明所提方法的有效性和实用性。     

基于LSGSVM和GM的球磨机料位动态软测量

提出了一种基于最小二乘支持向量机(LS-SVM)和灰色模型(GM)的钢球磨煤机料位动态软测量方法,分析了料位的影响因素,确定了软测量模型的辅助变量;基于 LS-SVM建立料位软测量静态模型,将静态模型测量结果与实际值比较,获得测量误差时间序列,并采用GM对其建模和预测;将预测的误差结果与静态模型输出进行叠加,实现对测量结果的动态校正。实际应用结果表明,该方法能够有效地反映料位的变化趋势和动态特性,比单纯 LS-SVM模型测量具有更高的精度和适用性。