汽轮机调速系统的研究毕业设计(编辑修改稿)

汽轮机调速系统的研究毕业设计(编辑修改稿)内容摘要：

现的振荡现象，提出了振荡神经网络。 1995 年 Mitra 把人工神经网络与模糊逻辑理论、生物细胞学说以及概率论 相结合提出了模糊神经网络，使得神经网络的研究取得了突破性进展。 Jenkins 等人研究光学神经网络，建立了光学二维并行互连与电子学混合的光学神经网络，它能避免网络陷入局部最小值，并最后可达到或接近最理想的解； SoleRV 等提出流体神经网络，用来研究昆虫社会，机器人集体免疫系统，启发人们用混沌理论分析社会大系统。 1996 年， ShuaiJW’等模拟人脑的自发展行为，在讨论混沌神经网络的基础上提出了自发展神经网络。 199 1998 年董聪等创立和完善了广义遗传算法，解决了多层前向网络的最简拓朴构造问题和全局最优逼近 问题。 随 着理论工作的发展，神经网络的应用研究也取得了突破性进展，涉及面非常广泛，就应用的技术领域而言有计算机视觉，语言的识别、理解与合成，优化计算，智能控制及复杂系统分析，模式识别，神经计算机研制，知识推理专家系统与人工智能。 涉及的学科有神经生理学、认识科学、数理科学、心理学、信息科学、计算机科学、微电子学、光学、动力学、生物电子学等。 美国、日本等国在神经网络计算机软硬件实现的开发方面也取得了显著的成绩，并逐步形成产品。 在美国，神经计算机产业已获得军方的强有力支持，国防部高级研究计划局认为 ” 神经网络是解决 机器智能的唯一希望 ” ，仅一项 8 年神经计算机计划就投资 4亿美元。 在欧洲共同体的 ESPRIT 计划中，就有一项特别项目： ” 神经网络在欧洲工业中的应用 ” ，单是生产神经网络专用芯片这一项就投资 2200 万美元。 据美国资东北林业大学毕业论文 4 料声称，日本在神经网络研究上的投资大约是美国的 4 倍。 我国也不甘落后，自从 1990 年批准了南开大学的光学神经计算机等 3项课题以来，国家自然科学基金与国防预研基金也都为神经网络的研究提供资助。 另外，许多国际著名公司也纷纷卷入对神经网络的研究，如 Intel、 IBM、 Siemens、 HNC。 神经计算机产品开始 走向商用阶段，被国防、企业和科研部门选用。 在举世瞩目的海湾战争中，美国空军采用了神经网络来进行决策与控制。 在这种刺激和需求下，人工神经网络定会取得新的突破，迎来又一个高潮。 自 1958 年第一个神经网络诞生以来，其理论与应用成果不胜枚举。 人工神经网络是一个快速发展着的一门新兴学科，新的模型、新的理论、新的应用成果正在层出不穷地涌现出来 [2]。 BP（ Back Propagation）网络是 1986 年由 Rumelhart 和 McCelland 为首的科学家小组提出，是一种按误差逆传播算 法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。 BP 网络能学习和存贮大量的输入 输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。 它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。 BP神经网络模型拓扑结构包括输入层（ input）、隐层 (hide layer)和输出层 (output layer)。 BP (Back Propagation)神经网络是一种神经网络学习算法，全称基于误差反向传播算法的人工神经网络。 拓扑结构的单隐层前馈网络，一般称为 三层前馈网或三层感知器，即：输入层、中间层（也称隐层）和输出层。 它的特点是：各层神经元仅与相邻层神经元之间相互全连接，同层内神经元之间无连接，各层神经元之间无反馈连接，够成具有层次结构的前馈型神经网络系统。 单计算层前馈神经网络只能求解线性可分问题，能够求解非线性问题的网络必须是具有隐层的多层神经网络。 在人工神经网络发展历史中，很长一段时间里没有找到隐层的连接权值调整问题的有效算法。 直到误差反向传播算法（ BP 算法）的提出，成功地解决了求解非线性连续函数的多层前馈神经网络权重调整问题。 东北林业大学毕业论文 5 2 汽轮机基本原理 汽轮机是能将蒸汽热能转化为机械功的外燃回转式机械，来自锅炉的蒸汽进入汽轮机后，依次经过一系列环形配置的喷嘴和动叶，将蒸汽的热能转化为汽轮机转子旋转的机械能。 蒸汽在汽轮机中，以不同方式进行能量转换，便构成了不同工作原理的汽轮机。 汽轮机主要用途是在热力发电厂中做带动发电机的原动机。 为了保证汽轮机正常工作，需配置必要的附属设备，如管道、阀门、凝汽器等，汽轮机及其附属设备的组合称为汽轮机设备。 来自蒸汽发生器的高温高压蒸汽经主汽阀、调节阀进入汽轮机。 由于汽轮机排汽口的压力 大大低于进汽压力，蒸汽在这个压差作用下向排汽口流动，其压力和温度逐渐降低，部分热能转换为汽轮机转子旋转的机械能。 做完功的蒸汽称为乏汽，从排汽口排入凝汽器，在较低的温度下凝结成水，此凝结水由凝结水泵抽出送经蒸汽发生器构成封闭的热力循环。 为了吸收乏汽在凝汽器放出的凝结热，并保护较低的凝结温度，必须用循环水泵不断地向凝汽器供应冷却水。 由于汽轮机的尾部和凝汽器不能绝对密封，其内部压力又低于外界大气压，因而会有空气漏入，最终进入凝汽器的壳侧。 若任空气在凝汽器内积累，凝汽器内压力必然会升高，导致乏汽压力升高，减少蒸汽对 汽轮机做的有用功，同时积累的空气还会带来乏汽凝结放热的恶化，这两者都会导致热循环效率的下降，因而必须将凝汽器壳侧的空气抽出。 凝汽设备由凝汽器、凝结水泵、循环水泵和抽气器组成，它的作用是建立并保持凝汽器的真空，以使汽轮机保持较低的排汽压力，同时回收凝结水循环使用，以减少热损失，提高汽轮机设备运行的经济性 [4]。 图 汽轮机的本体结构一般可分为静止部分和转动部分。 静止部分包括汽缸、进汽部分、喷嘴、隔板、汽封、滑销系统、加热系统和轴承等部件。 转动部分包括主轴、叶轮、叶片东北林业大学毕业论文 6 和联轴器等。 汽轮机目前所主要以 2种功能应用于社会中 ,一种是以电力设备的形式存在 ,其电力设备主要包括 以发电设备和供电设备两大类，发电设备主要是电站锅炉、蒸汽轮机、燃气轮机、水轮机、发电机、变压器等等，供电设备主要是各种电压等级的输电线路、互感器、接触器等等。 另一种以动力设备的形式存在汽轮机是 动力设备，除了用于火力发电厂和集中供热电站外，还用于驱动其他设备，例如大型的舰船、钢铁厂的大型风机和水泵，制药化工企业的螺杆压缩机等等。 一般需要汽轮机的公司基本上以火电站和热电站为主，其次在制药、 化肥、冶炼、石油化工企业应用较为广泛。 常规的小型汽轮机目前的控制方式主要以传统的 PID 控制方式为主，人工操作方式为辅，比较适用于小型的汽轮机为主的机械设备，但其收敛时间较长，控制方式较为复杂，需要人工事先设定好各种参数，然后再通过环境适应，改动相应的参数设置，以达到控制目的，遇到各种扰动因素需要人工调整，非常不便 [5]。 汽轮机调节系统就是感受转速的变化，控制调节阀门的开度，改变汽轮机的进汽量，使发出的功率与外界负荷重新平衡，并使转速保持在规定的范围内。 描述汽轮机平衡工况下的工作特性，即汽轮机在同步器的不 同位置时，稳定工况下与转速的关系，通常称为调节系统的静态特性。 对调节系统的静态特性应该有一定 的要求。 超速保护是保证汽轮机安全可靠运行的重要保护手段，超速保护的主要 监控参数 是机组的转速。 本系统中的超速保护装置采用电超速保护装置。 电 超速保护 装置由转速传感器、PLC 的数字量输出模块、电磁阀等部件组成。 转速传感器 测出汽轮机的转速，送到 PLC里与超速保护设定值进行比较，当达到 或超过 超速保护值时，数字量输出模块立即输出高电平给电磁阀，电磁阀采用 冗余处理 ，电磁阀动作，使主汽阀操纵座下腔的压力油通过电磁阀油门泄至 邮箱。 在 输出 端子变成高电平后，等待操作员将故障排除，确认重启后，输出端 子复位 ，使电磁阀失电，滑阀在弹簧力的作用下复位，调节系统又回复到滑阀 未动作 前的状态。 汽轮发电机组运行时，当受到扰动而离开原稳定工况后能很快地过渡到新的稳定工况，或者在扰动消除后能恢复到原来的稳定工况，这样的调节系统就是稳定的。 不稳定的调节系统是不能采用的，所以稳定性是调节系统的必要条件。 调节系统静态特性描述的是各稳定状态下功率与转速的对应规律，它与两状态之间的过渡过程无关，从而不能完全反映一个调节系统的性能。 所以，不仅要知道工况稳定下来以后各参 数之间的关系，更重要地是要分析从一个工况到另一个工况的过渡过程中各参数的变化规律，这就是调节系统动态特性，是调节系统受到扰动后，被调量随时间的变化规律。 研究调节系统动态特性的目的是：判别调节系统是否稳定，评价调节系统品质以及分析影响动态特性的主要因素，以便提出改善调节系统动态品质的措施。 总之，从定性的角度分析各种因素对动态特性的影响，可知道：在调节对象方面，转子转动惯量越小 (汽轮机转子飞升时间常数也越小 )以及蒸汽容积时间常数越大，均会使动态超速增加；从调节元件方面考虑，转速不等率、油动机时间常数以及系统迟缓率越大，均会使油动机的滞后时间和关闭时间增长，从而使动态超速增加。 此外，转子飞升时间常数小，局部不等率小以及迟缓率大等因素，均会导致系统振荡和转速产生波动，因此，从这些主要因素考虑，是改善动态特性的途径。 东北林业大学毕业论文 7 本章介绍了 目前各种类型的控制系统 ，且这些 都能满足大容量汽轮机的安全运行要求，而分散型控制系统 (DCS)的采用越来越普遍。 但是，现有的控制系统的功能发挥却不够理想，不仅原设计功能未全部实现，而且在现有的控制系统上还有更多、更高级的潜在功能有待挖掘和发挥。 造成这种情况的原因是多方面的 ，运行人员应充分理解设计意图和功能，但更重要的是有关工程技术人员应对汽轮机组控制系统进行更细致的深入分析、研究和改进，以使系统更完善，满足更高的安全经济运行水平的要求。 东北林业大学毕业论文 8 3 BP 神经网络算法 BP（ Back Propagation）网络是 1986 年由 Rumelhart 和 McCelland 为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。 BP 网络能学习和存贮大量的输入 输出模式映射关系，而无需事 前揭示描述这种映射关系的数学方程。 它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。 BP神经网络模型拓扑结构包括输入层（ input）、隐层 (hide layer)和输出层 (output layer)。 图 BP神经网络结构示意图 下 图给出了第 j个基本 BP 神经元（节点），它只模仿了生物神经元所具有的三个最基本也是最重要的功能：加权、求和与转移。 其中 x x2„ xi„ xn分别代表来自神经元 2„i„n的输入； wj wj2„ wji„ wjn则分别表示神 经元 2„i„n 与第 j 个神经元的连接强度，即权值； bj为阈值； f( )为传递函数； yj为第 j个神经元的输出。 第 j个神经元的净输入值 为： （ 31） 图 BP神经元 东北林业大学毕业论文 9 若视 ， ，即令 及 包括 及 ，则 （ 32） （ 33） 于是节点 j的净输入 可表示为： (34) 净输入 通过传递函数（ Transfer Function） f ( )后，便得到第 j 个神经元的输出 : (35) 式中 f( )是单调上升函数，而且必须是有界函数，因为细胞传递的信号不可能无限增加，必有一最大值 [6 7]。 BP 算法由数据流的前向计算（正向传播）和误差信号的反向传播两个过程构成。 正向传播时，传播方向为输入层→隐层→输出层，每层。