基于贝叶斯神经网络遗传算法的锅炉燃烧优化
神经网络与遗传算法相结合在锅炉燃烧优化问题上的应用非常广泛,但是传统的反向传播(BP,Back Propagation)神经网络泛化能力较弱,而贝叶斯正则化方法能有效提高神经网络的泛化能力.应用贝叶斯正则化BP神经网络与遗传算法相结合的方法,对锅炉燃烧多目标优化问题进行研究.通过利用锅炉热态实验数据进行仿真,结果表明:贝叶斯神经网络模型可以很好地预测锅炉的热效率和NOx浓度,结合遗传算法可以对锅炉燃烧实现有效的多目标寻优,为电站的经济环保运行提供理论指导.
锅炉、燃烧优化、贝叶斯正则化、神经网络、遗传算法、多目标优化
27
TP183;TP301.6(自动化基础理论)
2015-10-29(万方平台首次上网日期,不代表论文的发表时间)
1790-1795