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:现在多晶硅晶锭生长工艺的主要特点是:长晶方向为由下往上,这就使得分凝系数大于1的极少部分金属原子及氧原子集中分布在晶锭底部,大部分分凝系数小于1的金属原子及大部分非金属原子分布在铸锭的顶部,这使得少子寿命呈现低部和顶部低、中间高的分布趋势;同时,由于坩埚及SiN粉末中金属杂质的扩散,多晶硅晶锭四周晶棒靠坩埚面少子寿命偏低。目前国内外关于电池片的少子寿命与电池质量关系的研究报道很多,但是尚没有把多晶硅晶锭生长、晶锭不同位置对应硅片少子寿命,以及晶锭不同位置对应电池片质量相关联起来的研究报告。本文通过精细的试验安排、测试分析及总结,把多晶硅晶锭生长、晶锭不同位置对应硅片少子寿命及其对应电池片质量相互关联起来,同时找到了电池端电池片质量差异较大的最根本原因,并且通过试验从根本上给出了提高电池端电池片质量稳定性的方向,提高多晶收率的同时提高了电池片平均效益0.2%。