Wyniki 1-3 spośród 3 dla zapytania: authorDesc:"Jacek MARCINIAK"

Zmniejszenie strat niezupełnego spalania w kotłach wodno-rusztowych za pomocą sztucznej sieci neuronowej DOI:10.15199/9.2015.7.1

Czytaj za darmo! »

W artykule przedstawiono sposób prognozowania niezupełnego spalania za pomocą wielowarstwowego perceptronu z algorytmem największego spadku z momentum. Na wstępie opisano problem niezupełnego spalania, następnie przedstawiono sposób oraz warunki przeprowadzenia pomiarów paramentów pracy kotłów wodno-rusztowych, wykorzystanych do trenowania sztucznej sieci neuronowej. W dalszej części artykułu przedstawiono model sztucznego neuronu oraz schemat budowy wielowarstwowego perceptronu, użytego do rozwiązania omawianego problemu. Opisano działanie algorytmu największego spadku z momentum, wykorzystanego przy trenowaniu sztucznej sieci neuronowej oraz przedstawiono warunki poprawnego wytrenowania sieci. Na zakończenie zaprezentowano wynik jej działania z wykorzystaniem paramentów pracy innego kotła rusztowego.1. Wprowadzenie Dążąc do ograniczenia strat w produkcji ciepła, firmy ciepłownicze szukają sposobów, aby jak najefektywniej zarządzać procesami spalania. Jednym z problemów jest zjawisko niezupełnego spalania. Jest ono związane z brakiem odpowiednich warunków w komorze paleniskowej kotła. Występuje wtedy częściowe utlenianie węgla do tlenku węgla zamiast do dwutlenku węgla.W przypadku spalania niezupełnego w produktach utleniania pojawiają się gazy palne: CO, H2, CH4. Przyczyny powstania tego zjawiska mogą być bardzo różne, np. za mała ilość doprowadzonego powietrza, niedostateczne wymieszanie paliwa z utleniaczem, przewlekle spalanie w wyniku zbyt niskiej temperatury w palenisku i inne [1]. Obecnie wykorzystywanymi metodami pozyskania informacji o tym niekorzystnym procesie są bezpośrednie pomiary zawartości CO w spalinach albo badania laboratoryjne żużla powstałego po spalaniu. W artykule przedstawiono zaproponowaną przez autora metodę prognozowania wystąpienia niezupełnego spalania w kotle wodno-rusztowym, na którym nie prowadzi się pomiarów zawartości tlenku węgla w spalinach. Przyjęto założenie, że analiza związków mię[...]

Application of Negative Selection and Genetic Algorithms for the Protection of the Heat Source Control Process DOI:10.15199/9.2018.2.2

Czytaj za darmo! »

1. Introduction The functioning of living organisms and their processes have inspired scientists around the world to develop new artificial intelligence methods and algorithms that are analogous to their biological counterparts. At this point, the following can be mentioned: artificial neural networks, evolutionary algorithms, fuzzy logic or artificial immune systems. With these tools, problems considered by researchers to be difficult (requiring decision-making), whose solution has polynomial complexity, can be quickly resolved. Overview research demonstrated that existing solutions related to control combustion in industrial boilers can be divided into two groups: ● building controllers directly controlling the heat source based on artificial intelligence methods [3], [6], [7], [16], [19], ● proposing systems that support classic control systems that are used to regulate the combustion process [2], [4], [14], [15], [22]. In this paper, the author presents the application of two of the artificial intelligence methods described above: the negative selection algorithm used to diagnose the state of combustion control in industrial conditions, and the genetic algorithm that corrected the detected irregularities. 2. Definition of the problem Due to the need to diversify fuel supplies, heating companies are obliged to keep coal stocks in the coal yard. For this reason, we can observe the phenomenon of dynamically changing fuel quality, which is fed to the source of heat generation. This is due to the use of fine coal with different fuel values. This problem is caused by the fact that the fuel is being charged to the boiler from various places of the coal yard, which makes it non-homogeneous and has different burning values differently burnt. The same fuel value can be expressed by the relation shown in Formula 1[8]: 50 CIEPŁOWNICTWO, OGRZEWNICTWO, WENTYLACJA 49/2 (2018) (1) where - caloric value of fuel, Wc - is [...]

Zastosowanie zaimplementowanej w FPAA kaskadowej sieci neuronowej do klasyfikacji jakości węgla w komorach spalania DOI:10.15199/48.2016.09.24

Czytaj za darmo! »

W pracy przedstawiono efektywny system klasyfikacji jakości paliwa w komorach spalania z wykorzystaniem sztucznej sieci neuronowej. Proponowany system wykorzystuje analizę pomierzonych parametrów procesu spalania w kotle. Parametry te wykorzystano do wytrenowania sieci ANN tj. do policzenia za pomocą programu MATLAB współczynników wagowych połączeń synaptycznych poszczególnych neuronów sieci. Otrzymane współczynniki zostały wykorzystane do skonfigurowania sieci ANN. Sieć ta została zaimplementowana w układzie FPAA i przetestowana na przykładach klasyfikacji paliwa dostarczanego do komory spalania. W pracy przedstawiono i omówiono wyniki badań. Abstract. A hardware artificial neural network for classification a quality of a coal fuel in combustion chambers is presented in the paper. Proposed method is based on an analysis of measured combustion process parameters in the chamber by the feedforward artificial neural network. Measured parameters have been used to train neural network weights with a help of MATLAB program. Calculated weights have been used to determine the quality of the coal fuel loaded into the chamber. The ANN has been tested by the MATLAB program and the FPAA implemented network. Obtained results are presented and discussed. (An Application of the FPAA Implemented Cascaded Neural Network to the Classification of Coal Fuel in Combustion Chambers). Słowa kluczowe: sztuczna sieć neuronowa, układ FPAA, klasyfikacja, proces spalania. Keywords: artificial neural network, FPAA device, classification, combustion process. Wprowadzenie Wytwarzanie ciepła w systemach grzewczych na skalę przemysłową jest zwykle obarczone dużymi stratami. Główną przyczyną strat jest zjawisko niezupełnego spalania w komorze paleniskowej paliwa stałego jakim jest węgiel, w trakcie którego oprócz utleniania węgla do dwutlenku węgla (CO2), powstają także niepożądane gazy: CO, H2 i CH4. Na to zjawisko wpływa kilka różnych czynników. Są to m.in. rodzaj i [...]

 Strona 1