Earticle

현재 위치 Home

Simulation and Research of Boiler Combustion Process Based On the Improved RBF Neural Network

첫 페이지 보기
  • 발행기관
    보안공학연구지원센터(IJUNESST) 바로가기
  • 간행물
    International Journal of u- and e- Service, Science and Technology 바로가기
  • 통권
    Vol.6 No.5 (2013.10)바로가기
  • 페이지
    pp.79-88
  • 저자
    Rong Panxiang, Sun Jianpeng, Liu Zhaoyu, Yu Lin, Dong Wenbo
  • 언어
    영어(ENG)
  • URL
    https://www.earticle.net/Article/A205468

※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.

원문정보

초록

영어
Due to the use of time, machine wear degree, coal and other reasons, the original set parameters of the boiler have been unable to meet the control requirements, therefore using a large amount of data to build a real model of the power station based on the neural network, therefore, to establish a boiler combustion optimization neural network model by using of the power plant operating data. According to the shortcomings on RBF neural networks traditional training methods with slow convergence speed, easy to fall into the local minimum. Firstly, this paper Set the model to single input and single output system as the research object, optimize neural network by the particle swarm optimization algorithm. Finally, this modeling method is expanded to the multiple input multiple output system field. Use MATLAB to establish the simulation model and the simulation research, the simulation results show that improved method for combustion boiler system efficiency has been significantly improved, combustion efficiency of the entire system reached 94%, the accuracy of the system model was significantly better than ordinary neural network, system training error controls in less than 5% .We can see that the improved method is feasible and effective.

목차

Abstract
 1. Introduction
 2. RBF Neural Network Model
 3. Particle Swarm Optimization based on RBF Neural Network Improving
  3.1. Particle Swarm Optimization
  3.2. Improved Clustering Algorithm
  3.3. The Parameters Adjustment in Neural Network
 4. Modeling of the Main Steam Pressure Test based on RBF Neural Network
 5. Optimization Modeling of Boiler Combusting based on Improved RBF Neural Network
 6. Simulation Results
 7. Conclusion
 Acknowledgements
 References

키워드

RBF neural network radial basis function particle swarm optimization main steam pressure

저자

  • Rong Panxiang [ Automation college, Harbin University of Science and Technology, Harbin ,150080, China ]
  • Sun Jianpeng [ Automation college, Harbin University of Science and Technology, Harbin ,150080, China ]
  • Liu Zhaoyu [ Automation college, Harbin University of Science and Technology, Harbin ,150080, China ]
  • Yu Lin [ Automation college, Harbin University of Science and Technology, Harbin ,150080, China ]
  • Dong Wenbo [ Automation college, Harbin University of Science and Technology, Harbin ,150080, China ]

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    보안공학연구지원센터(IJUNESST) [Science & Engineering Research Support Center, Republic of Korea(IJUNESST)]
  • 설립연도
    2006
  • 분야
    공학>컴퓨터학
  • 소개
    1. 보안공학에 대한 각종 조사 및 연구 2. 보안공학에 대한 응용기술 연구 및 발표 3. 보안공학에 관한 각종 학술 발표회 및 전시회 개최 4. 보안공학 기술의 상호 협조 및 정보교환 5. 보안공학에 관한 표준화 사업 및 규격의 제정 6. 보안공학에 관한 산학연 협동의 증진 7. 국제적 학술 교류 및 기술 협력 8. 보안공학에 관한 논문지 발간 9. 기타 본 회 목적 달성에 필요한 사업

간행물

  • 간행물명
    International Journal of u- and e- Service, Science and Technology
  • 간기
    격월간
  • pISSN
    2005-4246
  • 수록기간
    2008~2016
  • 십진분류
    KDC 505 DDC 605

이 권호 내 다른 논문 / International Journal of u- and e- Service, Science and Technology Vol.6 No.5

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.