Zmniejszenie strat niezupełnego spalania w kotłach wodno-rusztowych za pomocą sztucznej sieci neuronowej

• Autorzy: Marciniak J.

Identyfikatory

DOI

10.15199/9.2015.7.1

Warianty tytułu

EN

The decrease of losses of incomplete combustion in stoker fired boilers by using artificial neural network

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono sposób prognozowania niezupełnego spalania za pomocą wielowarstwowego perceptronu z algorytmem największego spadku z momentum. Na wstępie opisano problem niezupełnego spalania, następnie przedstawiono sposób oraz warunki przeprowadzenia pomiarów paramentów pracy kotłów wodno-rusztowych, wykorzystanych do trenowania sztucznej sieci neuronowej. W dalszej części artykułu przedstawiono model sztucznego neuronu oraz schemat budowy wielowarstwowego perceptronu, użytego do rozwiązania omawianego problemu. Opisano działanie algorytmu największego spadku z momentum, wykorzystanego przy trenowaniu sztucznej sieci neuronowej oraz przedstawiono warunki poprawnego wytrenowania sieci. Na zakończenie zaprezentowano wynik jej działania z wykorzystaniem paramentów pracy innego kotła rusztowego.

EN

The article presents a method of prognosing incomplete combustion by using a multilayer perceptron with gradient descent momentum and an adaptive learning rate algorithm. At first the problem of incomplete combustion was described. Then the author presented the way and the conditions for the measurement of parameters of the stoker fired boiler which was used to train artificial neural network. In the following part of this paper a model of artificial neuron, and a diagram of a multi-layer perceptron used to solve this problem were described. Gradient descent algorithm with momentum used when training the artificial neural network was described The conditions for the correct training of the network were also discussed. The final part of the papetpresented the result of actions of the perceptron with parameters which come from another heat source.

Słowa kluczowe

PL

spalanie; sterowanie; diagnostyka; sztuczna inteligencja; sztuczne sieci neuronowe

EN

combustion; control; diagnostic; artificial intelligence; artificial neural network

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Ciepłownictwo, Ogrzewnictwo, Wentylacja
• Rocznik: 2015
• Tom: T. 46, nr 7
• Strony: 247--251
• Opis fizyczny: Bibliogr. 13 poz., rys., tab., wykr.

Twórcy

autor

Marciniak J.

• Miejska Energetyka Cieplna Sp. z o.o. w Koszalinie

Bibliografia

• [1] Kowalewicz A:. Podstawy procesów spalania. Wydawnictwo Naukowo-Techniczne. Warszawa (2000)
• [2] Marciniak J.: Zastosowanie telemetrycznego systemu sterowania procesem eksploatacji systemu ciepłowniczego. Instal nr 4 (2013) s. 9-12
• [3] Yi Zhang, Yanjun Ding, Zhansong Wu, Liang Kong and Tao Chou: Modeling and coordinative optimization of NOx emission and efficiency of utility boilers with neural network. Korean J. Chem. Eng., 24(6) (2007) s. 1118-1123
• [4] Om Prakash,T. Ravi Kiran, Ajay Kumar: Kaviti Artificial Neural Network based Prediction Model for reduction of failure frequency in Thermal Power Plants. Archives of Applied Science Research. (2010) s. 98-107
• [5] Bukovsky I., Kolovratnik M.: A Neural Network Model for Predicting NOx at the Melnik 1 Coal-powder Power Plant. Acta Polytechnica Vol. 52 No. 3/2012 s. 17-22
• [6] Xuguang Wang and Jie Su: Boiler Combustion Process Modeling and Sensitivity Analysis. ICCIP 2012, Part 1, CCIS 288 (2012) s. 478-489
• [7] Bin LIU, Hongye SU, Weihua HUANG, Jian CHU:Temperature prediction control bared on least squares support vector machines. Journal of Control Theory and Applications 4 (2004) s. 365-370
• [8] Smolarz A.: Diagnostyka procesów spalania paliw gazowych, pyłu węglowego oraz mieszaniny pyłu węglowego i biomasy z wykorzystaniem metod optycznych - monografia. Lublin (2013)
• [9] Duch W., Korbicz J., Rutkowski L., Tadeusiewicz R.: Biocybernetyka i inżynieria biomedyczna - T 6: Sieci neuronowe. Akademicka oficyna wydawnicza EXIT (2000)
• [10] Preeti Manke and Sharad Tembhurne. Application of back propagation neural network to drum level control in thermal power plants. International Journal of Computer Science Issues (2012) s. 520-256
• [11] Wit R:. Metody programowania nieliniowego. Wydawnictwo Naukowo-Techniczne. Warszawa (1986)
• [12] Soteris A.: Kalogirou. Artcial intelligence for the modeling and control of combustion processes: a review. Progress in Energy and Combustion Science 29 (2003) s. 515-566
• [13] Hošovský A.: Genetic optimization of neural network structure for modeling of biomass-fired boiler emissions. Journal of applied science in the thermodynamics and fluid mechanics Vol. 9, No. 2 (2011) s. 1-6