基于lm算法的双流化床循环流率预测模型研究 study on prediction model for solid circulation rate in a dual circulating fluidized bed based on lm algorithm.pdfVIP

下载本文档

2
0
约2.11万字
约 6页
2017-07-26 发布于上海
举报
版权申诉

基于lm算法的双流化床循环流率预测模型研究 study on prediction model for solid circulation rate in a dual circulating fluidized bed based on lm algorithm.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于lm算法的双流化床循环流率预测模型研究 study on prediction model for solid circulation rate in a dual circulating fluidized bed based on lm algorithm

第 32卷第 1期动力工程学报 Vol_32No．1 2012年 1月 JournaIofChineseSocietyofPowerEngineering Jan．2012 文章编号：1674—7607(2012)0卜0015—06 中图分类号：TK229 文献标识码：A 学科分类号：470．30 基于 LM 算法的双流化床循环流率预测模型研究陈鸿伟，祁海波，梁占伟，杨新 (华北电力大学能源动力与机械工程学院，保定 071003) 摘要：为准确预测双循环流化床生物质气化的颗粒循环流率G ，设计并搭建了双循环流化床冷态试验台，研究了提升管流化风速、二次风量、二次风送风方式、二次风21高度及二次风口数量对颗粒循环流率的影响，并建立了基于Levenberg—Marquardt优化算法的BP神经网络预测模型，通过对比找出了最优模型，对颗粒循环流率进行了预测．结果表明：G。随着提升管流化风速和二次风量的增大而增加，二次风量超过一定值后，增加的趋势变缓；二次风径向引入比切向引入时的G。大； G 对二次风口高度的变化十分敏感；应用该 BP神经网络模型得出的G。预测值与试验值的平均偏差为 0．07kg／(m ·S)，平均相对误差仅为 0．49 ，模型准确地预测了提升管送风特性对颗粒循环流率的影响．关键词：双循环流化床；颗粒循环流率；提升管；LM 算法；送风特性 StudyonPredictionModelforSolidCirculationRate inaDual CirculatingFluidizedBedBasedonLM Algorithm CHEN Hong—wei， QIHalbo， LIANGZhanwei， YANG Xin (SchoolofEnergy，PowerandMechanicalEngineering，NorthChinaElectricPowerUniversity， Baoding071003，China) Abstract：ToaccuratelypredictthecirculationrateGsofparticlesfrom biomassgasificationinadualeircu— latingfluidizedbed(DCFB)，acold—statetestrighasbeen setup SOasto studyhow followingfactors influencetheGs，such asthefluidizedairvelocity in risertube，thesecondary airflow rateand supply modeaswellastheheightandnumberofsecondaryairtuyeres，etc．BPneuralnetworkpredictionmodels areestablishedbasedonLevenherg—M arquardt (LM )algorithm ，from whichaI1optimalnetworkmodelis derivedfor prediction oftheG ．Resultsshow thatG riseswith increasing fluidized air velocity and secondaryairflow rate，however，ittendstobestablewhenthesecondaryairflow rategetstoacertain value．TheG。obtainedatthesupplymodeofsecondaryairinradialdirectionishigherthanthatintangen— tialdirection．TheG isvery sensi