摘要: 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。
中图分类号:
方海泉, 薛惠锋, 李宁, 费晰. 基于贝叶斯神经网络遗传算法的锅炉燃烧优化[J]. 系统仿真学报, 2015, 27(8): 1790-1795.
Fang Haiquan, Xue Huifeng, Li Ning, Fei Xi. Boiler Combustion Optimization Based on Bayesian Neural Network and Genetic Algorithm[J]. Journal of System Simulation, 2015, 27(8): 1790-1795.