|
|||||
|
|
| 基于广义回归神经网络与遗传算法的煤灰熔点优化 | |
| 引用本文： | 石喜光,郑立刚,周昊,陈习珍,邱坤赞,岑可法. 基于广义回归神经网络与遗传算法的煤灰熔点优化[J]. 浙江大学学报(工学版), 2005, 39(8): 1189-1192 |
| 作者姓名： | 石喜光 郑立刚 周昊 陈习珍 邱坤赞 岑可法 |
| 作者单位： | 石喜光（浙江大学 热能工程研究所 能源清洁利用国家重点实验室，浙江 杭州 310027；广东沙角A电厂，广东 东莞 523908） 郑立刚（焦作工学院 资源与材料工程学系，河南 焦作 454000） 周 昊（浙江大学 热能工程研究所 能源清洁利用国家重点实验室，浙江 杭州 310027） 陈习珍（大冶特殊钢股份有限公司 动力公司，湖北 黄石 435001） 邱坤赞（浙江大学 热能工程研究所 能源清洁利用国家重点实验室，浙江 杭州 310027） 岑可法（浙江大学 热能工程研究所 能源清洁利用国家重点实验室，浙江 杭州 310027 |
| 摘 要： | 考虑固态和液态排渣锅炉对煤灰熔点的不同要求，采用广义回归神经网络建立了煤灰软化温 度模型。神经网络的输入变量为7个，即煤灰中SiO2、Al2O3、Fe2O3、CaO、MgO、TiO2、Na2O & K2O的质 量分数。以煤灰软化温度作为目标函数，采用遗传算法寻优计算获得当煤灰软化温度最高和最低时煤灰中 氧化物的组成。广义回归神经网络仅需30个训练样本，最大和平均相对误差分别为21.8%和1.55%。优化结 果表明，掺烧高钙煤或者向燃煤中添加石灰石等富含Ca的原料可以降低煤灰熔点；而增加Al2O3的质量分 数可以提高煤灰熔点。 |
| 关 键 词： | 灰熔点 灰组分 广义回归神经网络 遗传算法 |
| 文章编号： | 1008-973X（2005）08-1189-04 |
| 收稿时间： | 2004-02-18 |
| 修稿时间： | 2004-02-18 |
Combining general regression neural network and genetic algorithm to optimize ash fusion temperature |
|
| SHI Xi-guang,ZHENG Li-gang,ZHOU Hao,CHEN Xi-zhen,QIU Kun-zan,CEN Ke-fa. Combining general regression neural network and genetic algorithm to optimize ash fusion temperature[J]. Journal of Zhejiang University(Engineering Science), 2005, 39(8): 1189-1192 | |
| Authors: | SHI Xi-guang ZHENG Li-gang ZHOU Hao CHEN Xi-zhen QIU Kun-zan CEN Ke-fa |
| Abstract: | |
| Keywords: | ash fusion temperature ash composition general regression neural network (GRNN) genetic algorithm (GA) |
| 本文献已被 维普 等数据库收录！ | |
| 点击此处可从《浙江大学学报(工学版)》浏览原始摘要信息 | |
| 点击此处可从《浙江大学学报(工学版)》下载全文 | |