基于超限学习机与涡流搜索算法的锅炉燃烧优化策略

摘要：

设计一种基于超限学习机(Extreme Learning Machine,ELM)算法的涡流搜索控制策略,调用锅炉燃烧控制物联网探头系统中的12个高清红外单通道探头数据,实现对每秒597.1968 MB大宗数据的深度卷积超限学习挖掘,对锅炉中的涡流状态给出[0,1]区间上的评价值.通过将该系统投并到锅炉控制系统中,将该系统反馈值控制到0.200以下作为控制目标之一,使锅炉总功率较投并前提升1.73％,平均煤耗节约1.66％.

关键词：超限学习机;锅炉涡流;燃烧控制;节煤;算法革新

所属期刊栏目：40

在线出版日期：2021-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：60-64