文件名称：论文研究-改进NSGA-Ⅱ算法在锅炉燃烧多目标优化中的应用.pdf
文件大小：1.13MB
文件格式：PDF
更新时间：2022-08-11 13:20:29
多目标优化, 锅炉燃烧, NSGA-Ⅱ, BP神经网络, Pareto解集
提出改进非劣分类遗传算法NSGA-Ⅱ在燃煤锅炉多目标燃烧优化中的应用, 优化的目标是锅炉热损失及NOx排放最小化。首先, 采用BP神经网络模型分别建立了300MW燃煤锅炉的NOx排放特性模型和锅炉热损失模型, 同时利用锅炉热态实验数据对模型进行了训练和验证, 结果表明, BP神经网络模型可以很好地预测锅炉的排放特性和锅炉的热损失特性。在建立的锅炉排放特性和热损失BP神经网络模型基础上, 采用非劣分类遗传算法对锅炉进行多目标优化, 针对NSGA-Ⅱ在燃煤锅炉燃烧多目标优化问题应用中Pareto解集分布不理想、易早熟收敛的问题, 在拥挤算子及交叉算子上进行了相应改进。优化结果表明, 改进NSGA-Ⅱ方法与BP神经网络模型结合可以对锅炉燃烧实现有效的多目标寻优、得到理想的Pareto解, 是对锅炉燃烧进行多目标优化的有效工具, 同改进前的NSGA-Ⅱ优化结果比较, 其Pareto优化结果集分布更好、解的质量更优。