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:建立了考虑线性热漏的不可逆双谐振通道能量选择性电子(energyselectiveelection,ESE)制冷机模型,导出了制冷机制冷率和制冷系数的表达式,应用有限时间热力学理论研究了系统制冷率与制冷系数最优性能,通过数值计算,详细分析了热漏、能量宽度、能量间距等设计参数对ESE制冷机最优性能的影响。研究发现,系统的制冷率和制冷系数都会随热漏的增加而减小;给定能量间距时,制冷率和制冷系数都会随能量宽度的增加而先增大后减小,存在最优的能量宽度使制冷率或制冷系数达到最大值;给定能量宽度时,制冷率和制冷系数会随能量间距的增加而先增加后减小,存在最优的能量间距使制冷率或制冷系数达到最大值。合理地选取能量宽度、能量间距等参数,可以使不可逆的双谐振ESE制冷机设计于最大制冷率或最大制冷系数的状态。