双循环流化床颗粒循环流率实验研究

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。