基于BP神经网络的旋风分离器分割粒径模化与预测

为精确建立分割粒径与旋风分离器结构参数和操作参数之间的复杂映射关系,发展了基于数据驱动的BP神经网络（BPNN）的分割粒径模型。使用全局量纲分析,提出环形空间雷诺数、表征旋风分离器本体尺寸影响的量纲为1数和排气芯管插入深度尺寸比作为网络输入参数,表征空气动力等效分割粒径大小的量纲为1尺寸作为网络输出参数,分别确定了训练算法和隐含层神经元个数对BPNN分割粒径模型预测精度的影响。结果表明：贝叶斯正则化算法优于L-M算法和拟牛顿算法,并在隐含层神经元个数为7时达到最优预测性能。与理论模型、半经验模型和多元回归模型进行比较,结果表明,贝叶斯正则化BPNN分割粒径模型展现出了较好的预测能力和泛化性能,模型预测的均方误差为0.136、决定系数为0.975。     

喷淋式烟气脱碳传质过程的半经验模拟与分析

为进一步精确建立基于喷淋式的烟气脱碳传质模型,探究不同吸收剂和气液进口参数对传质性能的影响,基于双膜理论,以实验数据为基础建立烟气脱碳气相总传质系数的半经验模型,并探究其与气液流动相关参数的定量关系.结果 表明:流场湍动和界面扰动对液相过程传质的影响不可忽略;所提出的半经验模型在变化趋势和数值上均能有效表征气液进口参数...