[1]李 力,陆金桂.基于PSO-BP神经网络的飞灰含碳量测量方法[J].机械与电子,2019,(04):68-71.
　.Prediction Method of Carbon Content in Fiy Ash Based on PSO-BP Neural Network[J].Machinery & Electronics,2019,(04):68-71.
点击复制

基于PSO-BP神经网络的飞灰含碳量测量方法()
分享到：

机械与电子[ISSN:1001-2257/CN:52-1052/TH]

卷:
期数:
2019年04期
页码:
68-71
栏目:
自动控制与检测
出版日期:
2019-04-24

文章信息/Info

Title:
Prediction Method of Carbon Content in Fiy Ash Based on PSO-BP Neural Network
文章编号:
１００１- ２２５７（２０１９）０４- ００６８- ０４
作者:
李 力; 陆金桂
 南京工业大学机械与动力工程学院，江苏 南京 ２１１８１６
Author(s):
ＬＩＬｉ; ＬＵＪｉｎｇｇｕｉ
ＳｃｈｏｏｌｏｆＭｅｃｈａｎｉｃａｌａｎｄＤｙｎａｍｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＴｅｃｈＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１１８１６，Ｃｈｉｎａ
关键词:
粒子群算法; 神经网络; 飞灰含碳量; 预测模型
Keywords:
ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ; ｎｅｕｒａｌｎｅｔｗｏｒｋ; ｃａｒｂｏｎｃｏｎｔｅｎｔｉｎｆｌｙａｓｈ; ｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌ
分类号:
ＴＰ１８３
文献标志码:
A
摘要:
针对飞灰含碳量测量困难的问题，提出了基于粒子群算法优化 ＢＰ神经网络的飞灰含碳量测量方法。以飞灰含碳量影响因素为模型的输入，飞灰含碳量为模型的输出，建立飞灰含碳量预测模型，并将预测结果和传统 ＢＰ神经网络预测结果相比较。实验结果表明，该测量方法具有较高的预测精度。
Abstract:
Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｏｆｐｒｅｄｉｃｔｉｏｎｏｆｃａｒｂｏｎｃｏｎｔｅｎｔｉｎｆｌｙａｓｈ，ｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｏｆ ｃａｒｂｏｎｃｏｎｔｅｎｔｉｎｆｌｙａｓｈｂａｓｅｄｏｎＰＳＯ ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｗａｓｐｒｏｐｏｓｅｄ．Ｔａｋｉｎｇｔｈｅｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓ ｏｆｃａｒｂｏｎｃｏｎｔｅｎｔｉｎｆｌｙａｓｈａｓｔｈｅｉｎｐｕｔｏｆｔｈｅｍｏｄｅｌａｎｄｔｈｅｃａｒｂｏｎｃｏｎｔｅｎｔｉｎｆｌｙａｓｈａｓｔｈｅｏｕｔｐｕｔｏｆｔｈｅ ｍｏｄｅｌ，ｔｈｅｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｏｆｃａｒｂｏｎｃｏｎｔｅｎｔｉｎｆｌｙａｓｈｗａｓｅｓｔａｂｌｉｓｈｅｄ，ａｎｄｔｈｅｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓｗｅｒｅ ｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｔｒａｄｉｔｉｏｎａｌＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｅｔｈｏｄｈａｓｈｉｇｈｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙ．

参考文献/References:

［１］ 韩璞，乔弘，王东风，等．火电厂热工参数软测量技术的发展 和 现 状 ［Ｊ］．仪 器 仪 表 学 报，２００７，２８（６）：１１３９-

１１４６．
［２］ 卞和营，王军敏．支持向量回归在飞灰含碳量软测量中的应用［Ｊ］．计算机测量与控制，２０１４，２２（２）：３４５- ３４８．
［３］ 钱 家 俊．基 于 狼 群 神 经 网 络 的 飞 灰 含 碳 量 测 量 方 法［Ｊ］．科技展望，２０１６，２６（２１）：１４５．
［４］ 朱竞东．基于神经网络的火电厂飞灰含碳量测量［Ｄ］．保定：华北电力大学，２０１２．
［５］ 王月兰，马增益，尤海辉，等．基于自适应神经模糊推理系统的煤粉锅炉飞灰含碳量建模［Ｊ］．热力发电，２０１８，４７（１）：２６- ３２．
［６］ 贺瑶，方彦军．基于 ＰＳＯ ＳＶＲ 的飞灰含碳量软测量研究［Ｊ］．自动化与仪表，２０１３，２８（４）：１- ４，３６．
［７］ 季云．ＢＰ算法及其应用实例［Ｊ］．中国新技术新产品，
２０１０（９）：２９．
［８］ 毕大强．粒子群优化算法及其在电力电子控制中的应用［Ｍ］．北京：科学出版社，２０１６．
［９］ 高尚，杨静宇，吴小俊．求解指派问题的交叉粒子群优化算法［Ｊ］．计算机工程与应用，２００４（８）：５４- ５５．
［１０］ ＺｈａｎｇＪＲ，ＺｈａｎｇＪ，ＬｏｋＴ Ｍ，ｅｔａｌ．Ａｈｙｂｒｉｄｐａｒｔｉｃｌｅｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ ｂａｃｋ ｐｒｏｐａｇａｔｉｏｎａｌｇｏｒｉｔｈｍ ｆｏｒｆｅｅｄｆｏｒｗａｒｄｎｅｕｒａｌｎｅｔｗｏｒｋｔｒａｉｎｉｎｇ［Ｊ］．Ａｐｐｌｉｅｄ Ｍａｔｈｅｍａｔｉｃｓ ＆ Ｃｏｍｐｕｔａｔｉｏｎ，２００７，１８５（２）：１０２６- １０３７．
［１１］ 谷文媛．基于人工神经网络煤ＣＯ＿２催化气化的建模与预测研究［Ｄ］．西安：西北大学，２０１４． ·

相似文献/References:

[1]贾勇,马戎,李岁劳.MEMS陀螺零偏温度补偿[J].机械与电子,2019,(03):18.
　JIA Yong,MA Rong,LI Suilao. Bias Temperature Compensation Method of MEMS Gyroscope [J].Machinery & Electronics,2019,(04):18.
[2]赵蕾,傅攀,胡龙飞,等.FOA-WPT降噪和PSO-SVM在滚动轴承故障诊断中的应用[J].机械与电子,2018,(12):3.
　ZHAO Lei,FU Pan,HU Longfei,et al.Applications of FOA-WPT and PSO-SVM in Faults Diagnosis of Rolling Bearing[J].Machinery & Electronics,2018,(04):3.
[3]胡斐,李维嘉,汪潇.基于视觉引导的Delta型并联机器人运动优化[J].机械与电子,2018,(06):71.
　HU Fei,LI Weijia,WANG Xiao.Motion Optimization of Delta Parallel Robot Based on Visual Guidance[J].Machinery & Electronics,2018,(04):71.
[4]王正.有导师学习神经网络的大米识别[J].机械与电子,2018,(05):67.
　WANG Zheng,Classification and Recognition of Rice Based on Supervised Learning Neural Network[J].Machinery & Electronics,2018,(04):67.
[5]吕铁钢,张 亚,李世中.结合改进粒子群算法的RANSAC精确匹配方法[J].机械与电子,2017,(07):18.
　LYU Tiegang,ZHANG Ya,LI Shizhong.On RANSAC Accurate Matching Method Based on Improved Particle Swarm Optimization Algorithm[J].Machinery & Electronics,2017,(04):18.
[6]赵坤灿.基于粒子群算法的新能源集热系统物联网控制模型研究[J].机械与电子,2016,(12):54.
　ZHAO Kuncan.Research on the Model of IoT Control Based on PSO for New Energy Collector System[J].Machinery & Electronics,2016,(04):54.
[7]方 明,王 春,李松有.基于 ＤＡ- ＳＶＲ的２Ｍ 继电保护通道在线监测和故障诊断[J].机械与电子,2020,(02):63.
　,On-line Monitoring and Fault Diagnosis of 2M Relay Protection Channel Based on DA-SVR[J].Machinery & Electronics,2020,(04):63.
[8]陈 强１,崔熙贵１,陈 峻２,等.基于粒子群算法的零部件多级装配定位策略优化[J].机械与电子,2020,(05):22.
　,,et al.Locating Strategy Optimization of Multi-Stage Parts AssemblyBased on Particle Swarm Optimization[J].Machinery & Electronics,2020,(04):22.
[9]张晓军.基于神经网络模糊控制的单目无人机视觉避障方法研究[J].机械与电子,2020,(06):41.
　ZHANG Xiaojun.Research on Visual Obstacle Avoidance Method of Monocular UAV Based on Neural Network Fuzzy Control[J].Machinery & Electronics,2020,(04):41.
[10]陈 壮,王宪伦,陈 闪.基于优化ADRC的单臂机器人轨迹跟踪研究[J].机械与电子,2020,(10):77.
　CHEN Zhuang,WANG Xianlun,CHEN Shan.Study on Trajectory Tracking of Single-arm Robot Based on Optimized ADRC[J].Machinery & Electronics,2020,(04):77.

备注/Memo

备注/Memo:
收稿日期：２０１８- １１- ２９
作者简介：李 力 （１９９３－），男，江苏淮安人，硕士研究生，研究方向为锅炉燃烧过程建模与优化；陆金桂 （１９６６－），男，江苏靖江人，教授，博士研究生导师，研究方向为智能优化及智能 ＣＡＤ。
更新日期/Last Update: 2019-10-29