李浩然,李 力,陆金桂

(南京工业大学 机械与动力工程学院,江苏 南京 211800)

磨煤机系统[1]作为锅炉重要的辅助设备,其出粉量直接影响着锅炉的整体性能,但是由于磨煤机出粉量受诸多耦合因素的影响,在实际生产中很难直接测量,通常采取一些间接方法进行测量。在间接测量中,目前采用的差压法[2]、功率法[3]等都是依靠单一变量判断磨煤机出粉量,这种方法存在一定的缺陷。近几年来,随着测量技术的不断发展和完善,基于多变量的软测量[4]方法被逐渐应用。韩洪兆[5]以证据理论对钢球磨煤机料位进行了软测量的研究,采用支持向量机建立证据合成(D-S)融合法则软测量模型，对磨煤机进行优化。赵凯[6]基于神经网络模型对磨煤机的一次风量进行了软测量。付国仙等[7]采用反向建模法基于神经网络建立磨煤机料位软测量模型,对料位进行了研究和优化。但是只优化单一变量对改进出粉量的效果有限,本文通过研究进出口压差、进口一次风量、进口一次风压、进口一次风温、出口风粉压力、出口风粉温度及电流等多个参数与出粉量的关系,综合优化多个参数,最大限度提高出粉量,提高锅炉整体性能。

误差反向传播算法(BP)神经网络作为软测量方法中数据驱动建模方法中的一种,具有建模过程简单方便、可操作性强等特点,是目前软测量建模研究的热点[8-9]。为了提高测量精度,通常采用融合策略优化模型。黄珍等[10]以混沌粒子群融合果蝇算法改进BP神经网络对磨矿粒度进行软测量。……