凝结水微压回收系统的研究与应用

１ 前言 近年来,各烟厂均进行了大规模的制丝设备改造,随着制丝设备的增加,蒸汽消耗随之增加,蒸汽凝结水也大量增加,以往简单的凝结水回收设备已不能满足要求。另外,由于用汽设备增加,生产用汽和生活用汽冲突较大,用汽高峰汽压明显下降,影响生产;若多开一台锅炉,除增加能耗外,还增加人力成本。因此开发一套完整的、自动化水平较高的凝结水回收设备,既可以解决生产生活用汽的矛盾,节约能源,又可以满足环保的要求。２ 存在的问题 目前国内凝结水回收有两种形式,一种是开式回收;另一种是闭式回收。开式回收是将凝结水流入一容…     

基于遗传算法优化的BP神经网络气化用煤灰流动温度预测模型

采用遗传算法优化的BP神经网络建立煤灰流动温度预测模型，模型以灰成分及酸碱质量比、硅铝质量比等组合参数作为输入变量，以煤灰流动温度作为输出量，对126组来自中国北部地区的煤灰样数据进行训练与测试，并建立常规BP神经网络模型，研究了各输入变量对网络模型预测精度的影响并对比与常规BP神经网络模型的预测能力。结果表明：不同输入层变量的GA-BP神经网络模型对训练集和测试集样本数据都具有较好的学习和泛化能力，所有预测结果相对平均预测误差均不超过4%。酸碱质量比和硅铝质量比参数作为神经网络输入层的添加，虽略微提高模型对训练样本的拟合程度，但也导致验证时过拟合现象的发生，模型对新样本的拟合优度下降。采用SiO₂,Al₂O₃,Fe₂O₃,CaO,MgO和Na₂O+K₂O的质量分数6个参数作为输入变量的GA-BP模型最为适合，其对测试集数据的预测相对平均误差为3.45%,低于常规BP神经网络模型3.79%的误差。