课题基金 / 基金详情

Prozessvorhersage zur Regelung von Müllverbrennungsanlagen mit neuronalen Netzen

Prozessvorhersage zur Regelung von Müllverbrennungsanlagen mit neuronalen Netzen
用神经网络控制垃圾焚烧厂的过程预测
批准号:
161199192
负责人:
Professor Dr.-Ing. Matthias Reuter
金额:
$0.0万
依托单位:
依托单位国家:
德国
项目类别:
Research Grants
财政年份:
2010
资助国家:
德国
项目状态:
已结题
起止时间:
2009-12-31 至 2012-12-31

项目摘要

项目成果

相似基金

相关文献

中文摘要
翻译
在此基础上,提出了一种新的数学化、数学化的方法。他说:“这是一个非常重要的问题,因为这是一个很重要的问题。”这是一种最好的训练方式,也是最好的方式。因此,培训Verfügbaren groçen Mengelter Geregelter Betriebsdaten的原因是相关的情况是隐藏的,并在我们的项目中进行自我保护。这是一件很重要的事情,因为这是一件很重要的事情。这是一种最好的动态分析方法,也就是最好的动态方法,也就是说,这是一个很难解决的问题,因为它是一种语言表达。Ein drittes Modul soll die Robustheit des Moells gegen Sensoraufälle and das Aufkomman Neuer-Bisher niht berück sichtigter Betriebszustände-gewährleisten.Das Gesamtsystem soll Schlieülich auf drei unterschiedlichen Rostbauarten(Walzen-,Rück-und Vorschubrost)sowohl im Technikumsma?stab alather an Gro?Anlagen eingesetzt and auf seine Vorhersagegüte Gettden(Walzen-,Rück-und Vorschubrost)sowohl im Technikumsmaüstab alather an Gro?
英文摘要
Ziel des Vorhabens ist die Entwicklung eines hybriden, modularen Neuronalen Netzwerks zur Modellierung des Verbrennungsprozesses für verschiedene Rostfeuerungsanlagen, um auch ohne ein vollständiges mathematisch-physikalisches Modell das Prozessverhalten vorherzusagen und somit eine modellprädiktive Regelung zu verwirklichen. Das zu entwickelnde System soll dabei aus mehreren Arten Neuronaler Netze mit unterschiedlichen Aufgaben bestehen, wobei z. B. eine der Komponenten dazu dienen soll, selbständig die Signifikanz einzelner Betriebszustände bzgl. des Trainings der Netze zu beurteilen, wodurch die Optimierung der Lernphase ermöglicht wird. So können aus der für das Training verfügbaren großen Menge geregelter Betriebsdaten besonders relevante Situationen extrahiert werden, wodurch auch selten auftretende Prozesszustände in weitem Maße beherrschbar werden. Ein weiteres Modul soll die Aufgabe haben, Änderungen der Betriebsgrößen bzgl. ihres zeitlichen Verhaltens zu analysieren, um ein optimales dynamisches Zeitfenster für die Vorhersage und die Regelung zu bestimmen, was die bislang sehr problematische Handhabung unterschiedlich schnell wirkender Stellgrößenänderungen wesentlich verbessert. Ein drittes Modul soll die Robustheit des Modells gegen Sensorausfälle und das Aufkommen neuer – bisher nicht berücksichtigter Betriebszustände – gewährleisten. Das Gesamtsystem soll schließlich auf drei unterschiedlichen Rostbauarten (Walzen-, Rück- und Vorschubrost) sowohl im Technikumsmaßstab als auch an Großanlagen eingesetzt und auf seine Vorhersagegüte getestet werden.
期刊论文(0)
专著(0)
科研奖励(0)
会议论文
国内基金
海外基金
锌调蛋白Zur识别两类靶标DNA的结构基础
  • 批准号:
    31700052
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    22.0万元
  • 批准年份:
    2017
  • 负责人:
    明振华
  • 依托单位: