采用遗传算法优化的煤粉着火特性BP神经网络预测模型  

An Optimized BP Network Model Using Genetic Algorithm for Predicting the Ignition-Stability Index of Pulverized Coal

作　　者：杨建国[1] 翁善勇[2] 赵虹[1] 岑可法[1] 

机构地区：[1]浙江大学 [2]能源洁净利用与环境工程教育部重点实验室,杭州310027

出　　处：《动力工程》2006年第1期81-83,115,共4页Power Engineering

摘　　要：利用热分析(TG-DTG)数据建立了煤粉着火稳定性指数CI,它是煤粉着火温度与燃烧强度的综合反映。采用遗传算法(GA)对BP神经网络结构进行了优化,获得了影响煤粉着火稳定性指数CI的主要煤质指标(Mad、Aad、Qnet,ad、Oad、焦渣特征CRC)和最优BP神经网络的隐层数、神经元数、激活函数,建立了煤粉着火稳定性指数的优化BP神经网络预测模型。对20个校验样本进行了预测,得到了较高的预测精度。An ignition stability index for pulverized coal （CI） has been contrived with IG-DTG analysis data. It comprehensively reflects the pulverized coal＇s ignition temperature and its combustion intensity. After optimizing, the BP network＇s structure with the help of genetic algorithm, the main coal indices （Mad, Aad, Qnet,ad, Oad, coke slag characteristics） and the optimized BP neural network＇ s concealed layers, neural cell number, as well as its activation function are obtained and the optimized BP neural network prediction model for predicting ignition indices of pulverized coal formed. Checks with 20 samples showed relatively high prediction precision.

关 键 词：动力机械工程 预测模型 遗传算法 BP神经网络 煤粉 着火稳定性 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TK16[自动化与计算机技术—控制科学与工程]