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：提出一种反演多孔介质热物性参数的一般数值模式.采用有限体积法对竖直环隙间多孔介质模型进行离散化,通过simple算法获得竖直环隙间多孔介质传热系统的温度场和流体的速度场.通过构建误差信息最小化函数,建立反演模型.利用共轭梯度法对单宗量和多宗量的多孔介质热物性参数进行了反演,并讨论了待反演参数的初始猜测值、温度测点数、温度测量误差等对反演结果的影响.

简介：构建表面积为1.50m×1.50m的小型实验用盐梯度太阳池,并与平板太阳能集热器配合使用,分别对普通太阳池和集热增强型太阳池进行了储热、放热实验。实验研究与理论分析表明：单独盐梯度太阳池的放热量为3.5×103kJ,热效率为13.6%;集热增强型太阳池放热量可以达到4.8×103kJ,且热效率增至28.1%。另外后者下对流层温度最高可提升10℃以上,从而证明太阳能集热器可以有效提高太阳池热效率,增加下对流层储热量。此外,考虑了放热过程换热器对太阳池下对流层的扰动,对比实验前后的溶液浓度,可以看出实验后太阳池盐度曲线合理,非对流层呈良好梯度分布,太阳池稳定性并未遭到破坏。