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:1前言与汽油机相比,柴油机作为汽车的动力源以其对CO2排放抑制效果明显、耐久性好、适用范围广而在商用车上大行其道。以此为背景,在世界各国的共同努力下,在几十年的时间里柴油汽车在不断降低排放的同时其燃油经济性也明显得到了提高(如图1所示):图1过去四十多年间柴油机油耗不仅降低的历史足迹随着环保意识的增强,各国的排放法规日趋严格,汽车工业如何满足提高了的法规要求以及在满足法规要求的同时如何保持乃至降低柴油机的油耗成为一个非常严肃的问题;另外还有汽车燃油税的酝酿征收。因此,今后的用户将会比现在更加关心车辆的燃油经济性。在此,笔者参考国内外有关资料,对如何降低柴油机油耗的问题做一简要介绍。