基于聚类的超闭球CMAC混煤燃烧污染物析出软测量模型.pdfVIP

学兔兔 第32卷 第5期 仪 器 仪 表 学 报 Vo1．32 No．5 2011年5月 Chinese Journal of Scientific Instrument M‘dv．2011 基于聚类的超闭球 CMAC混煤燃烧污染物 析出软测量模型术 李 慧 ，段培永 ，王桂荣 ，魏建平 (1山东建筑大学可再生能源建筑利用技术省部共建教育部重点实验室 济南 250101； 2山东建筑大学信息与电气工程学院 济南 250101； 3山东建筑大学山东省建筑节能技术重点实验室 济南 250101) 摘 要：针对CMAC神经网络的网络节点随输入维数的增大呈几何级数增加的问题，基于模糊聚类提出一种改进的超闭球 CMAC神经网络算法，用于电站锅炉混煤燃烧污染物析出软测量模型的建立。以电站锅炉实际运行工况的煤质特性数据和炉 内燃烧条件为输入参数，通过软测量实现大型电站锅炉混煤燃烧硫、氮污染物生成浓度的精确预估和在线测量，用于指导电厂 运行人员进行锅炉燃烧调整，以控制污染物的超标排放。与超闭球CMAC算法比较，提出的改进算法可以大大降低高维神经 网络节点数并提高神经网络软测量精度，实验结果表明该方法的有效性和可行性。 关键词：燃烧；污染物析出；CMAC神经网络；软测量；学习；混煤 中图分类号：TP2 文献标识码：A 国家标准学科分类代码：520．20 Hyperball CMAC soft measuring model based on clustering for pollutant release from blended coal combusting Li Hui ，Duan Peiyong ，Wang Guirong ，Wei Jianping (J Key Laboratory of Renewable Energy Utilization Technologies in Buildings，Min~try of Education，Shandong Jianzhu Univenity， №n 250101，China；2 School of Information and Electrical Engineering，Shandong Jianzhu University， 腿n 250101，China； 3 Shandong Key Laboratory of Building Energy—saving Technique，Shandong Jianzhu University， n0n 250101，China) Abstract：To overcome the drawback that CMAC neura1 network node number increases with the increasing of input dimensions exponentially，an improved hyperball CMAC neural network algorithm based on clustering is proposed to establish the soft measuring model for pollutant release from blended coal eombusting in the boiler in power plant． The characteristic data of coal quality in practical boiler operating situation and the combusting condition in the fur- na