崔 銳，劉國(guó)棟，李曉江（京能山西漳山發(fā)電有限責(zé)任公司，山西 長(zhǎng)治 046021）

·發(fā)電技術(shù)及其他·

基于L-M算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的飛灰含碳量測(cè)量

崔 銳，劉國(guó)棟，李曉江
（京能山西漳山發(fā)電有限責(zé)任公司，山西 長(zhǎng)治 046021）

針對(duì)目前用于測(cè)量飛灰含碳量的煙道微波飛灰測(cè)碳儀沒有充分考慮煙氣密度影響的問題，設(shè)計(jì)了一種微波幅度和相位組合測(cè)試系統(tǒng)用于補(bǔ)償煙氣密度變化。通過(guò)對(duì)飛灰含碳量影響因素的機(jī)理分析以及灰色關(guān)聯(lián)法對(duì)其相關(guān)性的計(jì)算，以微波功率衰減、微波相移量、燃燒器擺角、一次風(fēng)總風(fēng)壓、二次風(fēng)擋板開度作為模型輸入?yún)?shù)，構(gòu)造了基于L-M算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合技術(shù)的飛灰含碳量測(cè)量系統(tǒng)。仿真實(shí)驗(yàn)結(jié)果表明該系統(tǒng)對(duì)飛灰含碳量的測(cè)量較煙道式飛灰測(cè)碳儀的測(cè)量結(jié)果更加真實(shí)和準(zhǔn)確。

飛灰含碳量；數(shù)據(jù)融合；BP網(wǎng)絡(luò)

0 引言

鍋爐飛灰含碳量是表征鍋爐燃燒效率的一個(gè)重要研究指標(biāo)，快速而準(zhǔn)確檢測(cè)有助于提高機(jī)組的運(yùn)行效率，提高運(yùn)行人員的摻燒水平。根據(jù)當(dāng)前的飛灰含碳量檢測(cè)技術(shù)，構(gòu)造了基于L-M（levenberg-marquardt） 算 法 優(yōu) 化 BP（back propagation） 神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合技術(shù)[1-2]的飛灰含碳量測(cè)量系統(tǒng)，用于對(duì)煙氣密度的變化進(jìn)行有效補(bǔ)償。首先，BP神經(jīng)網(wǎng)絡(luò)對(duì)信息數(shù)據(jù)進(jìn)行融合；其次，應(yīng)用L-M算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，提高網(wǎng)絡(luò)的訓(xùn)練精度。

1 數(shù)據(jù)融合方法

1.1 kalman濾波及其擴(kuò)展方法

在動(dòng)態(tài)環(huán)境中多傳感器低層數(shù)據(jù)的融合多應(yīng)用kalman濾波法[3]，該方法的核心是對(duì)動(dòng)態(tài)冗余數(shù)據(jù)進(jìn)行實(shí)時(shí)的融合。kalman濾波法基于測(cè)量模型的統(tǒng)計(jì)特性以遞推的方式來(lái)確定融合數(shù)據(jù)的估計(jì)。對(duì)于數(shù)值不穩(wěn)定或系統(tǒng)模型為線性的假設(shè)不成立的系統(tǒng)，通常使用擴(kuò)展之后的kalman濾波器。若令X表示系統(tǒng)的狀態(tài)矢量、Φ為狀態(tài)轉(zhuǎn)移矩陣；Z為系統(tǒng)的觀測(cè)矢量、H為觀測(cè)矩陣；w、v分別為系統(tǒng)噪聲及觀測(cè)噪聲，k代表時(shí)刻。

則kalman濾波的動(dòng)態(tài)數(shù)學(xué)模型一般為

1.2 加權(quán)平均法

加權(quán)平均方法是最直觀的信號(hào)級(jí)融合，該方法的關(guān)鍵在于權(quán)系數(shù)的確定，而權(quán)系數(shù)又與各傳感器的測(cè)量方差成反比，對(duì)一組多傳感器源信息提供的冗余數(shù)據(jù)進(jìn)行加權(quán)平均，其計(jì)算輸出作為融合值。即

其中n為傳感器個(gè)數(shù)，若第i個(gè)傳感器的輸出為Xi，則是加權(quán)系數(shù)為wi的加權(quán)平均融合結(jié)果。

2 飛灰含碳量測(cè)量模型設(shè)計(jì)

2.1 組合補(bǔ)償法

微波的吸收率和相位與被測(cè)介質(zhì)的密度/濃度和運(yùn)動(dòng)速度有很大關(guān)系，采用2個(gè)不同類型的測(cè)碳儀組合，消除被測(cè)介質(zhì)密度影響，同時(shí)測(cè)量衰減A和相移φ。由微波測(cè)量原理可知，微波能量衰減A和相移φ都是含碳量C和密度g的函數(shù)[4]，即

由式（3）和式（4）構(gòu)成的方程組不難解出一個(gè)與密度不相關(guān)的關(guān)系式

由式（5）可以得出，飛灰含碳量C的值與兩個(gè)因素有關(guān)，即衰減A和相移φ。

2.2 L-M優(yōu)化算法

L-M[5]算法相當(dāng)于是對(duì)牛頓迭代法和梯度下降法的結(jié)合，選用目標(biāo)函數(shù)的二階微分。該算法的主要求解過(guò)程為

設(shè)：

J（x）是f（x）的雅克比矩陣。則 f（x）的海塞矩陣為

L-M算法對(duì)閾值的調(diào)整公式為

即

式中：I——單位矩陣；

μ——飛灰濃度；

e——偏差。

應(yīng)用L-M算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，能夠很有效地降低網(wǎng)絡(luò)權(quán)值的數(shù)目，減少迭代次數(shù)，使網(wǎng)絡(luò)迅速收斂而且提高網(wǎng)絡(luò)的訓(xùn)練精度。

2.3 模型設(shè)計(jì)

通過(guò)對(duì)飛灰含碳量影響因素的機(jī)理分析以及灰色關(guān)聯(lián)法對(duì)其進(jìn)行相關(guān)性的計(jì)算，得到了燃燒器擺角、一次風(fēng)總風(fēng)壓、二次風(fēng)擋板開度值這3個(gè)相關(guān)量，與微波功率和相位一起構(gòu)成了對(duì)飛灰含碳量的多維數(shù)據(jù)信息描述?；谏窠?jīng)網(wǎng)絡(luò)數(shù)據(jù)融合的飛灰含碳量測(cè)量系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合的飛灰含碳量測(cè)量系統(tǒng)結(jié)構(gòu)圖

3 仿真研究

選取70組樣本數(shù)據(jù)，用其中40組數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其余30組數(shù)據(jù)用以測(cè)驗(yàn)網(wǎng)絡(luò)性能，采用3層BP網(wǎng)絡(luò)，網(wǎng)絡(luò)結(jié)構(gòu)為5×15×1。設(shè)計(jì)方法依據(jù)公式

式中：c——ceil的簡(jiǎn)寫，表示matlab中朝正無(wú)窮方向取整函數(shù)；

J——輸出層神經(jīng)元的個(gè)數(shù)；

L——輸入層神經(jīng)元個(gè)數(shù)；

K——標(biāo)準(zhǔn)樣本數(shù)。

輸入層和隱含層的傳遞函數(shù)采用sigmoid函數(shù)

輸出層選用purelin函數(shù)，網(wǎng)絡(luò)性能函數(shù)采用mse函數(shù)

用期望值與實(shí)際輸出值之間誤差平方和的平均值來(lái)衡量網(wǎng)絡(luò)性能。設(shè)定最大輪回次數(shù)為2 000，學(xué)習(xí)速率為0.05，期望誤差為10-7，網(wǎng)絡(luò)訓(xùn)練誤差曲線如圖2所示。網(wǎng)絡(luò)經(jīng)過(guò)557次訓(xùn)練，誤差已經(jīng)達(dá)到要求?？梢奓-M算法網(wǎng)絡(luò)收斂速度較快。用訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行仿真，測(cè)試樣本數(shù)據(jù)的比較如圖3所示，采用本文方法測(cè)量結(jié)果的最大相對(duì)誤差不超過(guò)3%，遠(yuǎn)小于煙道式微波測(cè)碳儀測(cè)量結(jié)果的最大相對(duì)誤差（其值約為11.9%）。圖4為測(cè)量結(jié)果的線性回歸，表明網(wǎng)絡(luò)性能良好，能夠較準(zhǔn)確地對(duì)飛灰含碳量進(jìn)行預(yù)報(bào)。

圖2 網(wǎng)絡(luò)訓(xùn)練誤差曲線

圖3 融合值與實(shí)際值的比較

圖4 灰含碳量測(cè)量結(jié)果的線性回歸

4 結(jié)論

應(yīng)用L-M算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)后的飛灰含碳量測(cè)量系統(tǒng)，迭代次數(shù)較少、收斂速度較快，測(cè)量的真實(shí)度和準(zhǔn)確度較高，可為運(yùn)行過(guò)程的控制提供有效反饋，增強(qiáng)系統(tǒng)運(yùn)行的準(zhǔn)確性和安全性。

[1]陳立軍，王瑩，鄒曉旭，等.鍋爐飛灰含碳量檢測(cè)技術(shù)的發(fā)展和現(xiàn)狀 [J].化工自動(dòng)化及儀表，2010，37(09)：1-4.

[2]化克.信息融合技術(shù)在鍋爐燃燒控制系統(tǒng)中的應(yīng)用研究 [D]．燕山大學(xué)，2009：63.

[3]駱貴兵，李崇祥．L-M算法的回?zé)嵯到y(tǒng)故障診斷人工神經(jīng)網(wǎng)絡(luò)模型 [J]．熱力發(fā)電，2004，33(10)：15-18.

[4]牛培峰，化克，張現(xiàn)平．多傳感器數(shù)據(jù)融合技術(shù)在鍋爐熱效率計(jì)算中應(yīng)用研究 [J]．燕山大學(xué)學(xué)報(bào)，2009（01）：90-94.

[5]劉鴻，周克毅．鍋爐飛灰測(cè)碳儀的技術(shù)現(xiàn)狀及發(fā)展趨勢(shì) [J]．鍋爐技術(shù)，2004，35(2)：65-68.

Measurement System for Unburned Carbon in Fly Ash Based on L-M Algorithm Optimized BP Network

CUI Rui,LIU Guodong,LI Xiaojiang
（Jingneng Shanxi Zhangshan Electric Power Generation Co.,Ltd.,Changzhi,Shanxi046021,China）

Microwave-based monitors of unburned carbon content in fly ash is widely used nowadays,but the effect of smoke density is not fully considered.A microwave amplitude and phase composition test system is designed to compensate for the change of smoke density.The fly ash carbon content measurement system which is based on L-Malgorithm to optimize the BP neural network data fusion technology is constructed,using the microwave power attenuation,microwave phase shift amount,burner tilt,primary air pressure, secondary air baffle opening angle as input.The simulation results show that the improved measurement system is more authentic and accurate.

unburned carbon content in fly ash;data fusion;BP network

TP183

A

1671-0320（2017）03-0049-03

2016-11-11，

2017-04-12

崔 銳（1987），男，山西襄汾人，2013年畢業(yè)于東北電力大學(xué)控制科學(xué)與工程專業(yè)，碩士，工程師，研究方向?yàn)榛痣姀S熱工智能控制、直驅(qū)式風(fēng)力發(fā)電機(jī)組建模及控制策略優(yōu)化；

劉國(guó)棟（1988），男，山西呂梁人，2013年畢業(yè)于山西大學(xué)自動(dòng)化專業(yè)，助理工程師，研究方向?yàn)榛痣姀S熱工智能控制；

李曉江(1986)，男，河北邯鄲人，2012年畢業(yè)于華北電力大學(xué)控制科學(xué)與控制工程專業(yè)，碩士，工程師，研究方向?yàn)閺?fù)雜機(jī)組控制與建模、直驅(qū)風(fēng)機(jī)控制策略優(yōu)化等。