智能吹灰系统教学文案.pptVIP

受热面污染监测原理4 仿真模拟方法； 受热面污染因子统计数值； 模糊决策算法； BP神经网络算法； 通过计算工具 模型保障：通过先进的计算工具实现 FLUENT：流场的模拟 MATLAB：BP神经网络模型的实现 炉膛中心截面温度场 燃烧器喷口的颗粒轨迹 受热面BP网络积灰模型 BP参数选取：参考传热系数（实际、理想）所需量 输入参数的确定：11个参数组成输入向量 工质侧：进口温度、出口温度、流量。 烟气侧：计算燃料量、一次风量、二次风量、量、灰份含量、烟气出口温度，烟气进口温度。 ＋机组负荷 隐层：18个隐节点。 输出参数：污染因子。 训练样本的获取：基于试验数据 详细吹灰记录：吹灰开始时间和结束时间； 污染因子的上限试验； 污染因子的下限试验； 线性插值样本拟合：通过试验上下限，积灰速度统计值等参数，线性插值确定两次吹灰间隔时间内的污染增长趋势、吹灰动作过程内的污染降低趋势。 不同稳定负荷下的积灰统计。 五、监测模型验证试验 锅炉是一个复杂的非线形系统，各受热面换热状况之间关联密切、相互藕合，各锅炉运行状况差异较大，即使是相同型号的锅炉，表现的积灰特性差异也较大。对于模型辨识，需要大量的现场实践工作。 试验类型 1、各受热面积灰模型辨识：屏式过热器，二级过热器，高温再热器，一级过热器，省煤器，空气过热器； 2、积灰特性试验：各受热面的积灰增长特性； 3、洁净因子上下限