排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
为实现颗粒循环流率的合理控制,在自行搭建的双循环流化床系统上对鼓泡床流化风速、快速床总风速和配风比、鼓泡床静床层高度、颗粒平均粒径等控制参数对颗粒循环流率的影响进行了研究,基于附加动量算法、Levenberg-Maraquardt算法和遗传算法3种不同的权值优化算法,建立了BP神经网络优化模型,并比较了模型预测值与实际值间的误差。研究结果表明:颗粒循环流率受鼓泡床流化风速变化影响较小;颗粒循环流率随快速床一次风比、总风速和鼓泡床静床层高度的增加而增加,随颗粒平均粒径增大而减小;基于遗传算法优化的BP神经网络在对测试样本测试时平均误差为0.436 5%,标准方差为0.064 1,预测值与实验值比较吻合,为较优的BP神经网络模型。 相似文献
2.
双循环流化床中气化室内压力波动特性对物料稳定循环具有重要影响。在双循环流化床冷态实验系统上,测取不同工况下气化室风室、布风板上方的压力信号,采用Daubechies小波分析的方法对气化室风速、提升管风速、颗粒粒径对气化室压力波动特性的影响进行分析,发现:随着气化室风速的增加,小波分析中各尺度能量均呈增加趋势,其中ED3、ED4两尺度能量占比最大,且随着气化室风速增加,RD3、RD4两尺度能量所占比呈先迅速增加,后基本不再变化;随着提升管风速的增加,提升管内物料相对停留量相对减小,更多的物料集中于气化室内,使得气化室内小波能量也存在一定程度增加,但ED3、ED4仍占比较大;随着颗粒粒径的增加,气化室物料流化相对困难,其在相对工况下的能量相对减小,且各层能量中占比最大部分逐渐由RD3层向RD4层转移。采用小波分析方法对气化室压力特性的分析,为双循环流化床的床内流动特性研究提供新思路。 相似文献
3.
4.
本文尝试通过分析形成性评价和终结性评价的特点,结合形成性评价在大学英语教学中的实践,探讨如何通过改革评估体系,提高学生的英语学习兴趣及综合应用能力,更有效地促进大学英语教学改革. 相似文献
5.
6.
为减轻双循环流化床结块与堵塞故障对生物质气化反应的负面影响,提出基于多尺度特征能量-核极限学习机(kernel extreme learning machine, KELM)的故障诊断模型。首先对故障状态下压力信号采用小波分解获得多尺度信号,然后提取各尺度特征能量作为特征向量,最后将其输入经遗传算法优化的核极限学习智能诊断模型,实现双循环流化床气流堵塞故障的智能诊断。通过对公开的轴承故障数据集和双循环流化床冷态实验系统数据的分类识别分析,并与基于变分模态分解和样本熵特征提取的KELM诊断模型进行比较,结果表明:本模型具有较高的故障诊断精度(82.5%),能够有效提取故障特征,用于双循环流化床气流堵塞的高效分类识别。 相似文献
7.
两床间颗粒循环流率是保证双循环流化床正常运行的关键。在自行设计的双循环流化床(DCFB)实验系统上进行循环流率(G s,mix)与各控制参数(气化室风速、提升管风速、初始床层物料量、混合物料中石英砂粒径以及稻壳质量分数)变化关系的研究,并对循环物料中稻壳质量分数(X r)变化进行分析。此外,根据实验测量数据,建立核极限学习机(KELM)模型并进行G s,mix和循环物料中X r的预测,同时与极限学习机(ELM)模型进行比较,发现KELM模型具有更小的预测平均绝对值误差和均方根误差且预测所需时间较短,表明该模型可实现各控制参数下DCFB系统中G s,mix和X r的良好预测,为DCFB系统及类似气化系统的数据模型研究提供一种新方法。 相似文献
8.
流化介质的流动特性是影响双循环流化床稳定运行的关键。在自行搭建的双循环流化床系统上,分别进行提升管风速、气化室风速、初始床层物料量对颗粒循环流率、两床压降的影响的实验研究,发现:随着气化室风速增加,循环流率和气化室压降增加变化不明显,提升管压降呈现一定增加趋势;随提升管风速的增加,颗粒循环流率和气化室压降增加,但提升管压降减小;随初始床层物料增加,颗粒循环流率、提升管压降和气化室压降均呈现增加趋势。通过对流化介质流动特性影响因素的研究,可初步掌握系统内的物料浓度分布,为双循环流化床的运行控制提供一定的指导参考。 相似文献
9.
10.
本文尝试通过分析形成性评价和终结性评价的特点,结合形成性评价在大学英语教学中的实践,探讨如何通过改革评估体系,提高学生的英语学习兴趣及综合应用能力,更有效地促进大学英语教学改革。 相似文献