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:空气与液滴之间良好的接触是增湿室增湿换热的关键技术,因此有必要对喷嘴进行雾化特性试验研究。该研究选用工程上常用的压力式螺旋型喷嘴TF6进行雾化特性试验,TF6喷嘴雾化特性的研究包括喷嘴背压对雾化液滴尺寸的影响,分析距离TF6喷嘴下方不同位置各种液滴直径、比表面积、分布跨度值的变化。研究发现,雾化液滴的直径随喷雾压力的增大而减小,但喷雾压力有其临界范围。通过对距离喷嘴下方不同位置雾化特性的分析得到二次雾化的发生位置,该位置更有利于空气与液滴的热质交换。在二次雾化区内,利用最小二乘法拟合出喷嘴雾化液滴的经验关联式,整理成韦伯数和雷诺数的函数关系,可用来预测喷嘴出口粒子的直径。