基于粒子群优化的PID神经元解耦算法在流化床锅炉燃烧过程控制中的应用
燃烧控制是流化床锅炉控制系统的重要环节,料床温度和主蒸汽压力两个参数是保证流化床锅炉安全、节能运行的关键.同时,其燃烧过程具有复杂性、高度非线性、滞后、强耦合等特点.本文针对强耦合系统的解耦问题,设计了基于粒子群算法和基于BP神经网络的PID神经元解耦算法.利用粒子群算法优化神经元网络的初始权值,利用BP神经网络算法的自学习能力和大规模并行处理能力,在线整定PID控制器的比例、积分、微分参数,进而使循环流化床燃烧系统能够依靠PID算法完成控制,实现了对两个强耦合量,即床温和主蒸汽压力的解耦控制.仿真实验表明,该控制策略在流化床燃烧控制中具有良好的解耦能力和控制品质.
流化床锅炉 燃烧控制 闭环自动控制 解耦算法 粒子群算法
刘恒 薛红香 贾丙丽
山东省特种设备检验研究院泰安分院,泰安271000
国内会议
广东东莞
中文
29-33
2014-11-22（万方平台首次上网日期，不代表论文的发表时间）