在链条炉燃烧控制中,非线性、时变性和多变量现象是普遍存在的。它们的存在使得链条炉燃烧控制变得更加复杂和困难,同时也是导致燃烧不稳定的根源。因此,链条炉优化燃烧的控制研究具有十分重要的理论意义和实际应用价值。以锅炉最高效率为目标,通过锅炉出力与目标功率之差、相邻效率之差和相邻给风量之差的变化来改变给风量和给煤量逐步找到最佳的风煤比,使得链条炉内的煤能充分的燃烧。采用BP神经网络、自适应和自寻优控制对链条炉进行粗调、细调和优调。当目标功率和实时功率之间差值较大时,将通过粗调(等比例增风增煤或等比例降风降煤),来加快实时功率向目标功率方向的逼近;当非常接近目标功率时,将保持给煤量不变,通过细调(增风或减风)来寻找最佳风煤比,进而找到最优的效率;当目标功率和实时功率在我们设定范围内时,进行优调。此时的最优效率和上一时刻的最优效率进行比较,将会选择效率高的时刻执行最佳风煤比,以保证燃料完全的燃烧和最小的热损失,并对自学习表不断更新,实现对链条炉的实时优化,达到链条炉燃烧最优效率的目的。通过仿真实验结果表明,采用BP神经网络、自适应和自寻优控制的方法较好地解决了非线性、时变性和多变量问题;现场实验取得了显著的节煤节电效果,验证了所提控制方案的有效性和实用性。图34幅;表9个;参45篇。