文献类型：期刊文章

作　　者：周洪煜[1] 赵乾[1] 张振华[2] 汪正海[1]

机构地区：[1]重庆大学动力工程学院,重庆400030 [2]华电电力科学研究院,浙江杭州510663

出　　处：《控制工程》

基　　金：重庆市科委重大科技攻关项目(CSTC 2009AB1008)

年　　份：2012

卷　　号：19

期　　号：6

起止页码：947-951

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、ZGKJHX、核心刊

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。

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  

分 类 号：TP183]