[发明专利]一种基于BP神经网络的飞灰含碳量在线测量方法

说明书

本发明公开了一种基于BP神经网络的飞灰含碳量在线测量方法，基于静电传感器，构建以输入为信号能量、飞灰样本浓度，输出为飞灰含碳量的3层BP神经网络模型，采用训练样本，进行BP神经网络在线参数训练；采用遗传算法Genetic Algorithm对BP神经网络进行优化，以得到BP神经网络参数的全局最优解；将Genetic Algorithm优化BP神经网络算法移植至DSP中，进行在线参数训练，并基于静电传感器实时采集未知含碳量的飞灰样本的静电信号序列、浓度，归一化处理后作为预测输入，进行飞灰含碳量的在线预测。以解决目前飞灰含碳量软测量方法中的建模仿真、离线预测的问题，实现了对流经管道的飞灰含碳量的实时、在线的准确测量。

技术领域

本发明属于传感器检测及数字信号处理技术领域，具体涉及一种基于BP神经网络的飞灰含碳量测量方法。

背景技术

在实际的火力发电中，燃煤锅炉尾部烟气中飞灰含量可达90％以上，是反应火电厂锅炉燃烧效率的一个重要指标。燃煤煤种不同、锅炉燃烧系统结构特性不同、燃烧工况不同都会导致煤粉不充分燃烧，锅炉尾部烟气中飞灰的含碳量过高，这常常导致燃烧器出力不足、燃烧效率降低、机组运行易出故障等问题，严重时会出现锅炉灭火，从而导致机组停运，造成巨大经济损失。并且，飞灰含碳量过高会造成锅炉尾部烟气中CO、CO₂含量过高，环境污染严重。因此实时在线测量锅炉尾部烟气中飞灰的含碳量对火电厂的经济效益、机组安全运行、节能减排等具有重要意义。

目前，国内外有关飞灰含碳量测量方法主要分为两种：物理测量方法和软测量方法。物理测量方法主要有：燃烧失重法、静电法、微波法等，现有的基于物理测量法的测量飞灰含碳量的产品较多，其测量精度高、实时性高，但大多具有需标定、维护不易、测量精度受众多因素干扰等缺点。软测量方法具有泛化性能好、预测精度高等优点，具有良好的应用前景，但目前大多只停留在理论阶段，仅进行建模仿真，离线预测，无实际应用产品。因此，将飞灰含碳量的软测量方法应用到实际的工业装置中，具有重要意义。

发明内容

本发明的目的是提供一种基于BP神经网络的飞灰含碳量测量方法，并将该方法移植至DSP中，进行飞灰含碳量的在线测量。以解决目前飞灰含碳量软测量方法中离线预测的问题，实现了对流经管道的飞灰含碳量的实时、在线的准确测量。

为实现上述目的本发明采用以下技术方案：一种基于BP(Back Propagation)神经网络的飞灰含碳量在线测量方法，

步骤1：基于静电传感器，构建以输入为信号能量、飞灰样本浓度，输出为飞灰含碳量的3层BP神经网络模型，采用训练样本，进行BP神经网络在线参数训练；

步骤2：采用遗传算法Genetic Algorithm对BP神经网络进行优化，以得到BP神经网络参数的全局最优解；

步骤3：将Genetic Algorithm优化BP神经网络算法移植至DSP中，进行在线参数训练，并基于静电传感器实时采集未知含碳量的飞灰样本的静电信号序列、浓度，归一化处理后作为预测输入，进行飞灰含碳量的在线预测。