简介:燃煤锅炉是复杂的多变量系统,其飞灰的含碳量形成机理复杂,不能用简单的数学公式估算。现场实炉测试这些数据具有工作量大,测试工况有限等缺点;燃煤锅炉运行参数及燃料特性等因素影响着飞灰的含碳量,其相互耦合,导致分析数据过程困难。神经网络建模将燃煤锅炉视为黑箱,应用该方法可以良好的描述其输入输出之间的黑箱特性,因此,人工神经网络应用广泛。利用燃煤锅炉试验数据,采用3层BP(backpropagation)神经网络构建了锅炉飞灰的含碳量排放特性模型。通过锅炉的实测数据验证,该BP神经网络对飞灰含碳量相对预测误差在0.19%~0.50%,预测效果良好。测试结果表明,建立的神经网络预测模型可以准确逼近验证样本数据,也能够较好的逼近非验证样本数据,具有良好的泛化能力。
简介:对柴油机选择性催化还原(SCR)系统的研究,主要集中在催化器出口测量系统的整体氮氧化物(NOx)转化效率。为了进一步提高系统的效率,在柴油机试验台架上,调整不同的排气工况及尿素喷射参数,研究了SCR催化器出口截面的NOx转化效率分布特性。结论表明:催化器出口截面的NOx转化效率分布呈现中心高而边缘低的规律,随着排气流量的增加,NOx转化效率降低,在排气流量较大时,由于弯管对排气流场的作用,NOx转化效率的高效区偏向一侧;提高氨氮比可以提高NOx转化效率,当排气温度为250和350℃、氨氮比为1.0时就可以达到比较高的效率,进一步提高氨氮比NOx转化效率的增幅不明显;当排气温度为450℃时,提高氨氮比对NOx转化效率的增加比较有利。