基于CPSO-RBF神经网络喷氨量的最优控制

• 作者: 任志玲 冯永 赵博雅 赵星
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 选择性催化还原 烟气脱硝 RBF神经网络 模型预测控制 CPSO
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 先进算法与人工智能
• 页码范围: 38-41,56
• 页数: 5页
• 分类号: TP183
• 字数: 3211字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2018.12.009

摘要

火力发电厂选择性催化还原脱硝控制方法中,由于PID控制算法具有较大的惯性和延迟,喷氨量的控制精度导致烟气出口NOx含量过高,不符合国家环保标准.因此,在分析脱硝喷氨控制影响因素基础上,建立选择性催化还原系统出口NOx的径向基函数神经网络预测模型,采用混沌局部搜索算法确定最大迭代步数,并利用混沌粒子群优化算法(CPSO)求取最优解,以实现喷氨量的最优控制.仿真实验结果表明:与传统的PID控制算法相比,提高了喷氨量的控制精确和脱硫效率,同时降低了氨气的逃逸率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任志玲	辽宁工程技术大学电气与控制工程学院	51	332	9.0	17.0
2	赵博雅	辽宁工程技术大学电气与控制工程学院	2	2	1.0	1.0
3	赵星		1	2	1.0	1.0
4	冯永		1	2	1.0	1.0