【技术实现步骤摘要】
本专利技术涉及锅炉设备(boiler plant)的控制装置。另外，本专利技术涉及利用神经网 络(neural net)，推断作为火力设备的构成要素之一的燃煤锅炉的气体成分的浓度、特别 是CO浓度、N0X浓度的方法和装置。
技术介绍
在设备控制的领域中，一直以来以PID控制为基本的控制逻辑是主流。另外，也提 出有很多通过以神经网络为代表的带教示的学习功能，可以灵活应对设备的特性的技术。为了利用带教示的学习功能来构成控制装置，由于有必要预先准备成为教示数据 的成功事例，因此也提出了无教示的学习方法。作为无教示学习的例子，有强化学习法，但该强化学习法是学习控制的构架，通过 控制对象等与环境的反复实验性的相互作用，生成向环境的操作信号，使从环境得到的测 量信号达到期望值。该学习方法，具有即使事先无法准备成功事例，但只要预先定义期望状态，就能够 自动适应环境学习期望行动的优点。在强化学习中，具有学习功能，以利用从环境得到的测量信号计算的纯量的评价 值(在强化学习中，被称为报酬)为线索，生成向环境的操作信号，使从现状态到将来为止 得到的评价值的期待值达到最大。作为实际安装...
【技术保护点】
一种燃煤锅炉的气体浓度推断方法，其利用神经网络推断从燃煤锅炉排出的气体成分的浓度，其特征在于，利用按每个煤种准备的多个神经网络以及煤种比例判定用的神经网络进行推断。
【技术特征摘要】
...
【专利技术属性】
技术研发人员：山田昭彦，关合孝朗，林喜治，江口彻，深井雅之，清水悟，楠见尚弘，
申请(专利权)人：株式会社日立制作所，
类型：发明
国别省市：JP[日本]
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。