基于模糊神经网络的生物质气化炉的智能控制2700字
基于模糊神经网络的生物质气化炉的智能控制2700字 随着社会工业化速度的不断加速，能源的竞争愈来愈激烈。生物质能源作为 一种可再生的清洁能源被广泛认可，生物气化技术就是利用生物质能的一种有效 手段，对经济的发展和环境的保护都起到积极作用。但是，生物气化技术是一种 热化学处理技术，其工作过程十分复杂，包含着大量的不确定因素，这就需要运 用生物质气化炉的智能控制系统来达到预期的控制效果。新形势下，积极运用模 糊神经网络对生物质气化炉进行智能控制，是实现可靠控制效果的重要举措。摘 要：
生物质气化过程是一项复杂化学反应过程，具有非线性、不稳定性、负荷干 扰等特性，只有实行智能控制才能受到良好的控制效果。模糊神经网络作为智能 研究比较活跃的领域，有效融合了神经网络和模糊理论的优点，能够有效的解决 生物质气化过程中的非线性、模糊性等问题，既保证控制的精确度，又能进行快 速地升降温。本文通过对模糊神经网络的内涵特征进行全面分析，阐述了基于模 糊神经网络的生物质气化炉的智能控制，并通过仿真实验进行反复验证。
一、模糊神经网络的内涵功能 简而言之模糊神经网络就是具有模糊权值和输入信号的神经网络。模糊神经 网络是自动化控制领域内一门新兴技术，其本质上是将常规的神经网络输入模糊 信号，因而模糊神经网络具备了模糊系统和神经网络的优势，集逻辑推理、语言 计算等能力于一身，具有学习、联想、模糊信息处理等功能。模糊神经网络是智 能控制和自动化不断发展的产物，在充分利用神经网络的并行处理能力的基础上， 大大提高了模糊系统的推理能力。
模糊神经网络是科技发展的产物，有效吸收了神经网络系统和模糊系统的优 点，在智能控制和自动化发展等方面有着重要的作用，能够有效地处理非线性、 模糊性等诸多问题，在处理智能信息方面能够发挥巨大潜力。模糊神经网络形式 多种多样，主要包括逻辑模糊神经网络、算术模糊神经网络、混合模糊神经网络 等多种类型，被广泛的运用于模糊回归、模糊控制器、模糊谱系分析、通用逼近器等方面的研究中，随着智能控制和自动化领域的不断发展，模糊神经网络广泛 应用于智能控制领域。
二、基于模糊神经网络的生物质气化炉的智能控制系统 2.1 温度智能控制系统 生物质热值、给料理以及一次风量等因素变化能够影响到生物质气化炉的炉 温，但是最重要的影响因素是在气化炉工作过程中物料物理和化学反应的放热和 吸热。由于生物质气化工作过程中的生物质热值的变化范围较小，在实际运行中 很难测量与控制，有时可以忽略不计，同时，该工作过程中存在非线性和大滞后 等问题，采用传统的模型达不到预期测量效果，因此需要利用模糊神经网络设计 气化炉炉温控制系统，不断的提高温度的控制效果。模糊神经网络首先根据当前 温度以及设定温度设，主控制器对最优的生物质物料添加量进行预测，然后由副 控制根据该添加量，全面跟踪控制送料速度，从而能够进行精确上料和控制炉温。
模糊神经网络系统十分庞大复，其中包含了大量错综复杂的神经元，蕴含对非线 性的可微分函数训练权值的基本理念。模糊神经网络具有正向传递和反向传播两 个不同的功能，在信息的正向传递中，采用逐步运算的方式对输入的数据信息进 行处理，信息依次进入输入层、隐含层最终到达输出层。假如在输出层获得的输 出信息没达到预期效果时，就会在计算输出层的偏差变化值后通过网络将偏差信 号按原路反向传回，与此同时各层神经元的权值也会随之进行改变，直到符合预 期的控制效果。
2.2 含氧量智能控制系统 在生物质气化工作过程中，可燃气体的含氧量是衡量其生产质量的重要依据， 能够严重影响气化产物的安全使用，因此，通过模糊神经网络实现生物质气化炉 含氧量的智能控制十分重要。其含氧量智能控制系统的目的是为了合理控制可燃 气体的含氧量，从而稳定气化炉的温度。但是，一次风进风量是影响可燃气体的 含氧量的重要因素，所以可以把控制一次风量作为主要调节手段，有效地解决含 氧量控制和炉温控制之间的矛盾，在控制炉温的前提条件下，最大程度地降低可 燃气体含氧量，进而有效控制气化产物含氧量的。生物质气化炉含氧量的智能控制系统是严格运用模糊神经网络控制原理，主控制器采用温度模糊免疫 PID控制， 根据炉内含氧量和温度的偏差进行推算，查找出鼓风机转速的最优状态，副控制 则以此为根据，全面跟随与控制鼓风机的速度，确保鼓风机转速。生物质气化炉 工作过程中的不同阶段和部件具有不同的控制要求，模糊神经网络就要充分发挥 被控对象的优良性能，根据不同的控制要求，合理运用模糊神经网络控制原理对 PID参数模型中的数据信息进行在线修改，从而达到预期的控制效果。
三、基于模糊神经网络的生物质气化炉智能控制系统的仿真实验 为了验证运用模糊神经网络进行生物质气化炉的智能控制的真实效果，对生 物质气化炉的温度智能控制系统进行仿真实验，并进行详细地分析。为了保证生 物质气化炉能够在条件大体一致的状态下进行运行状况，仿真实验可以采用组合 预测算法。首先要到某厂气化炉现场采集2000组干燥层温度数据，并且从中选取 连续1500组作为仿真实验样本数据，然后对剩余500组实验样本数据进行研究， 通过两组数据的分析建立预测模型。然后采用模糊神经网络对生物质气化炉的温 度控制系统进行三次模拟化实验，三种不同情况下的仿真试验结果为：在无外界 任何干扰的情况下，模糊神经网络控制无论在超调量还是其他方面，都比单纯的 模糊控制效果好;在生物质给料量扰动的情况下，模糊神经网络控制要比单纯的 模糊控制所受的影响要小很多;在发生一次风量搅动的情况下，模糊神经网络控 制仍受到极小的影响。从三种不同情况下的仿真试验中可以看出基于模糊神经网 络的生物质气化炉的炉温智能控制系统效果较好，具有极强的抗干扰性，能够有 效地预测气化炉温度实时值，把平均误差控制在很小范围内，并且智能控制系统 能实时跟踪实际温度的变化，根据实际温度的变化做出相应的变化，从而能够有 效地控制气化炉温度和可燃气体含氧量。
四、结束语 总之，基于模糊神经网络的生物质气化炉的智能控制系统具有较好的控制效 果，有效的解决了生物质气化过程中的一系列问题，能够十分精确地控制生物质 气化炉的炉温及可燃气体的含氧量，对于保证社会经济的稳定发展以及生态环境 的改善发挥了重要作用。：
[1]王春华.基于模糊神经网络的生物质气化炉的智能控制[J].动力工程， 2009(09)：828-830. [2]王中贤.热管生物质气化炉的模拟与试验[J].江苏大学学报：自然科学版， 2008，29(6)：512-515.