论文中文题目：城市固废焚烧过程烟气含氧量智能预测与优化控制方法研究
论文英文题目：STUDIES ON INTELLIGENT PREDICTION AND OPTIMAL CONTROL METHODS OF OXYGEN CONTENT IN FLUE GAS FOR MUNICIPAL SOLID WASTE INCINERATION PROCESS
作 者：孙剑
指导教师：乔俊飞 教授
培养单位：信息学部
学 科：控制科学与工程
论文主要贡献及创新点
1.MSWI过程烟气含氧量动态特性定量描述及智能预测。针对特定焚烧工况，结合焚烧过程的烟气含氧量动态特性和现场专家知识，初步筛选影响烟气含氧量的主要操作变量，再通过皮尔森相关系数筛选出重要特征。设计自适应模糊神经网络建立面向烟气含氧量控制的焚烧过程模型，利用LM学习模型参数，实现烟气含氧量动态特性的准确描述。设计基于神经元影响值和显著性指标的LSTM网络自组织机制，隐含层神经元结构可以根据训练数据的变化而增长或修剪，在达到模型结构精简的同时提高模型泛化性。通过时间反向传播算法更新权重和偏差，确保估计误差收敛，实现烟气含氧量动态变化的准确描述。
2.MSWI过程烟气含氧量自适应预测控制方法与事件触发预测控制策略研究。借助现场运行数据和基于自组织LSTM神经网络的预测模型，设计数据驱动模型预测控制方案。借助梯度下降算法滚动优化控制目标函数，在线求解控制律，提高求解效率，实现对烟气含氧量的精准控制。分析城市固废焚烧过程运行操作特点，建立事件触发控制机制和误差触发自适应更新策略。结合控制精度及稳定性设计事件触发条件，减轻在线优化求解的计算负担，提高资源利用效率。研究基于预测效果反馈的模型更新机制，依据累积误差触发模型动态在线更新，确保预测模型在调控过程中的精准性。
3.MSWI过程烟气含氧量优化设定与智能控制策略研究。采用滑动窗口技术，构建基于在线自适应模糊神经网络的运行性能指标模型，实现对燃烧效率和NOx排放浓度的在线估计。设计基于空间划分和混合距离的多目标粒子群优化算法，求解出烟气含氧量的优化解集。通过乌托邦决策方法自动得到烟气含氧量的优化设定值，实现城市固废焚烧过程烟气含氧量设定点的动态优化。研究城市固废焚烧过程烟气含氧量智能优化控制方案，准确描述多目标优化控制问题。设计基于双长短期记忆神经网络的模型预测控制方法，跟踪烟气含氧量优化设定点，在提高燃烧效率的同时有效降低NOx排放浓度。
