【技术实现步骤摘要】
一种水泥脱硝的神经网络混合优化方法
本专利技术属于自动化工业
，涉及到一种水泥脱硝的神经网络混合优化方法。
技术介绍
NOx的排放是伴随在水泥生产中不可避免的过程，随着环保部门对NOx排放量限制的日益严格，低NOx燃烧技术和脱硝技术被普遍应用于水泥企业，但是现阶段大多数水泥企业很难实现喷氨量的精确控制，甚至无法实现自动控制，导致NOx的排放不能达到国家要求的环保标准，所以本专利技术提出了一种水泥脱硝的神经网络混合优化方法，控制合理的喷氨量，保证NOx排放达到国家标准，避免发生二次污染。
技术实现思路
本专利技术针对水泥企业很难实现喷氨量的精确控制，导致NOx排放达不到国家标准等问题，提出了一种水泥脱硝的神经网络混合优化方法。本专利技术首先采集水泥脱硝过程中影响NOx出口浓度的多个变量，利用主成分分析对数据做预处理，降低数据维度，其次使用遗传算法和LM算法对神经网络的中心、宽度和权值进行优化得到神经网络预测模型，最后预处理的数据输入到模型中，使模型预测的准确率提高。不同于传统的神经网络预测方法...
【技术保护点】
1.一种水泥脱硝的神经网络混合优化方法，其特征在于该方法包括以下步骤：/n步骤1、采集水泥脱硝过程影响NO
【技术特征摘要】
1.一种水泥脱硝的神经网络混合优化方法，其特征在于该方法包括以下步骤：
步骤1、采集水泥脱硝过程影响NOx浓度输出的相关变量，利用主成分分析对数据进行处理；具体步骤是：
1-1.定义水泥脱硝过程影响NOx浓度输出的第一主成分，形式如下：
t1＝Xp1＝[v1v2...vJ]p1且||p1||＝1
其中，t1是矩阵X的第一主成分，X∈RN×J是标准化后的影响NOx浓度输出的相关向量矩阵组合，包括机组负荷、喷氨量、SCR入口烟温、入口NOx浓度、入口烟气含氧量、出口烟气含氧量、脱硝效率，N和J分别是影响NOx浓度输出的样本个数和影响NOx浓度输出的相关变量个数，p1是矩阵X的协方差矩阵的第一标准化特征向量，[v1v2...vJ]分别是第一、第二、…、第J影响NOx浓度输出的相关变量；
1-2.根据步骤1-1，求得t1的方差，形式如下：
其中，和XT分别是第一标准化特征向量的转置和矩阵X的转置，Var(t1)是t1的方差；
1-3.结合步骤1-1和步骤1-2，根据拉格朗日算法得到：
Vp1＝λ1p1
Var(t1)＝λ1
其中，λ1是协方差矩阵V的第一特征值；
1-4.以此类推，并重复步骤1-1至1-3，得到
ta＝Xpa
其中，ta是第a主成分，pa和pa-1是矩阵V的第a和第a-1标准化特征向量，且paTpa-1＝0，paT是矩阵V的第a标准化特征向量的转置，λa是矩阵V第a特征值，Var(t1)≥Var(t2)≥...≥Var(ta)，Var(t2)和Var(ta)分别是t2和ta的方差；
1-5根据预设的主成分累积贡献率，形式如下：
其中，Ea是前a个主成分的累积贡献率，λj是矩阵V第j特征值，∑是求和符号；
1-6.根据步骤1-5得到主成分分析之后的数据集，形式如下：
其中，T是主成分的得分矩阵，PT是主成分的负载矩阵的转置；
步骤2、使用步骤1中得到的新数据，建立水泥脱硝反应器的模型，并对NOx浓度输出做预测；
2-1.将主成分分析之后的数据集分为训练集和测试集，建立水泥脱硝反应器的神经网络预测模型，形式如...
【专利技术属性】
技术研发人员：于征，张日东，袁亦斌，吴胜，王璟琳，
申请(专利权)人：杭州电子科技大学，浙江邦业科技股份有限公司，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。