烟气脱硝喷氨量SA-RBF神经网络最优控制
作者:
周洪煜
[1] ;
赵乾
[1] ;
张振华
[2] ;
汪正海
[1]
关键词:
选择性催化还原
烟气脱硝
径向基神经网络
动态结构
摘要：
对于选择性催化还原（SCR）烟气脱硝装置喷氨量的精确控制，传统PID控制器的参数是基于设计负荷预先整定，在变工况下系统呈现出强非线性和滞后性，难以确保最佳控制量。通过引入动态结构的RBF神经网络，利用敏感度法来增加和删除神经元，解决RBF神经网络结构过大或过小的问题，保证预测网络结构的精度。该网络综合学习SCR脱硝装置主要相关参数，以NOx排放量与设定值之间误差最小作为训练信号，实现喷氨量的最优控制。实验结果表明，在变工况下，此方案与传统PID相比，能满足SCR出口NOx排放量，有效减少了氨气逃逸量，具有良好的变工况适应能力。
上一篇：核矩阵分析法用于支持向量机性能优化
下一篇：基于改进LS-SVM的制粉出力软测量建模