微波相移法在线测量烟道飞灰含碳量

从电磁波传播的基本理论出发,分析了微波在含有石墨碳的灰分中的传播,推导了电磁波在含碳的灰分介质中的幅度衰减和相位变化关系,提出一种新的利用微波测量烟道灰分中碳含量的方法,按该方法设计制作了相应的实验装置并获得了与理论分析一致的实验结果。     

锅炉烟道飞灰含碳量在线检测系统的研究

在线检测锅炉飞灰含碳量可以监控锅炉燃烧的经济性,通过对微波谐振法测量机理的研究,设计了无动力等速取样器,开发了检测系统,实现了锅炉烟道未燃烬碳的微波谐振法在线检测,具有较高的测量精度,可广泛应用于各电站锅炉飞灰含碳量的监控中。     

火力发电厂飞灰含碳量的检测

本文采用低能γ射线反散射方法研究了火力发电厂飞灰含碳量检测的可行性，建立了含碳量与反散射强度的数学关系式，设计了一套测量装置，实验测量的标准误差小于±0．5％，并分析了产生误差的原因。     

基于PSO-SVR的飞灰含碳量软测量研究

针对飞灰含碳量测量的研究现状和不足,采用基于粒子群优化的支持向量回归法对飞灰含碳量软测量展开建模研究,该方法利用粒子群算法的寻优功能,实现支持向量机模型的参数优化,使模型具有良好的预测能力.以大唐潮州电厂1000 MW超临界机组为研究对象,将现场采集数据分为训练数据和测试数据,分别用来辨识飞灰含碳量软测量模型和检验模型的泛化能力.仿真结果表明,飞灰含碳量软测量模型仿真输出与实际输出基本吻合,验证了模型的有效性和泛化能力.     

锅炉飞灰含碳量偏高的原因及解决方案

飞灰含碳量是影响锅炉效率的重要因素之一。本文针对锅炉飞灰含碳量偏高的实际情况,分别从入炉煤的着火、燃烧以及燃烬实际过程等多方面进行分析,查找影响飞灰含碳量高主要的因素有:煤粉细度、一次风速、配风方式、磨煤机运行方式、负荷以及煤种变化等,并针对以上影响因素,提出合理应对方案。     

支持向量回归在飞灰含碳量软测量中的应用

针对目前锅炉飞灰含碳量难以准确测量的问题,应用支持向量回归和粒子群算法相结合建立了飞灰含碳量软测量模型;建模中以某电厂提供的1 000 MW超超临界机组的测试数据为研究对象,对数据进行了预处理,对各种变量进行了关联度分析,采用粒子群算法优化了模型的惩罚参数C和核函数参数g,建立了飞灰含碳量软测量模型;同时利用测试数据和另选的随机数据验证了模型的准确性和泛化能力;仿真结果表明,飞灰含碳量软测量模型的预测精度较高,相对误差被控制在±1%以内,而且泛化能力较强,为锅炉飞灰含碳量的测量提供了一种有效的途径。     

飞灰含碳量的预测与测量不确定度的评定

由于传统人工灼烧失碳法对飞灰含碳量的测定存在严重滞后锅炉燃烧实际工况的问题,结合人工灼烧失碳法的测量原理和测定过程,将加灰量和灼烧失碳量作为数据点,采用最小二乘法拟合,建立飞灰含碳量的预测模型。此外,为了确保飞灰含碳量测定结果的准确可靠,逐项分析测量过程中的不确定度来源,根据测量不确定度的基本方法和程序,建立飞灰含碳量测量不确定度评定的数学模型,重点探讨最小二乘法拟合、质量称量、重复性测量引入的标准不确定度,合成不确定度和扩展不确定度。结果表明,飞灰含碳量的测定值和预测值两者的相关性强(相关系数为0.632)。当加灰量为1.5g时,灼烧失碳量的预示值为0.0687g,飞灰含碳量的预测值为4.58%,计算得出合成不确定度为0.0032g,扩展不确定度为0.0064g,验证了该方法的可行性和有效性。     

一种实用的火电厂飞灰含碳量软测量建模方法

提出了同时利用自适应加权融合和最小二乘支持向量机建模的实用新方法。首先,给出了基于小波的自适应加权融合和最小二乘支持向量机算法;其次,将BP神经网络、最小二乘支持向量机和基于小波的自适应加权融合的最小二乘支持向量机算法进行建模精度比较;最后,采用真实火电厂飞灰含碳量数据进行模型验证与预测,仿真结果表明基于小波的自适应加权融合的最小二乘支持向量机算法具有较好的建模精度和实用性。     

基于信息融合的火电厂飞灰含碳量的软测量建模实验室

提出了利用信息融合与软测量技术对火电厂飞灰含碳量测量进行建模的新算法．首先给出了自适应加 权融合和最小二乘支持向量机（LSSVM）算法,其次对三个非线性测试函数分别运用BP 神经网络、LSSVM 和基于 自适应加权融合的LSSVM 算法进行建模并比较了精度,最后给出了基于自适应加权融合的LSSVM 在火电厂飞灰 含碳量建模中应用的结果．     

降低锅炉飞灰可燃物的途径

介绍在发电厂锅炉运行过程中降低燃烧低挥发分高热值燃料飞灰含碳量的途径     

基于ADQPSO-SVR的锅炉飞灰含碳量预测研究

针对锅炉飞灰含碳量的预测问题,提出了自适应扰动量子粒子群优化的支持向量回归机方法(ADQPSO-SVR),即在量子粒子群优化算法(QPSO)的基础上加入自适应扰动,克服了支持向量回归机(SVR)经验选择学习参数的弊端。用此改进算法对SVR的学习参数进行寻优,经过实例研究表明,ADQPSO算法的寻优能力较强,利用ADQPSO算法得到的SVR模型有较高的预测精度,同时与GA-BP算法和GA-RBF算法相比,ADQPSO-SVR能够提高锅炉飞灰含碳量预测的准确性及稳定性。     

神经网络在蒸养粉煤灰砖抗压强度预测中的应用

首先简要阐述蒸养粉煤灰砖的生产流程,然后通过建立BP神经网络模型来预测粉煤灰砖的抗压强度值,仿真结果表明此模型用于强度预测是可行的。     

模糊聚类理论的算法实现及其在粉煤灰分类中应用研究

详细介绍了模糊聚类理论的分析步骤和计算机算法,并给出了典型的工程应用例子,同时也提出了模糊聚类的改进方法。     

用混合遗传算法求解相平衡和化学平衡(英文)

为保证复杂化学相平衡问题准确求解,本文提出了一种基于Gibbs自由能最小原理的遗传与梯度混合算法(GAG)。为加快混合算法的计算速度和确保有效收敛,在计算过程中引入了变化参数,即算法中的遗传变异算子不再为常数而是根据平均适应度的大小进行动态调整。在进化的过程中,记录所有个体的近代适应度,适应度高的个体进入下一代。一旦发现满足设定条件的最优个体,本算法将沿着该个体的负梯度方向搜索快速逼近最优解。多个复杂气—固和气—液体系计算实例表明,该算法可以不断拓展求解空间,能以完全概率、高速并行搜索到全局最优解,并有效避免假收敛。该算法的最佳计算初始值区域为[-3,30],该混合算法即使初值点非常不好的情况下也可以确保收敛到最优值。为保证结果的准确性,所选计算实例的运行次数均不低于30次。