神經(jīng)網(wǎng)絡(luò)在煤灰熔融性預(yù)測(cè)中的應(yīng)用.pdf

1、我國(guó)是世界上主要經(jīng)濟(jì)大國(guó)中最依賴于煤炭的國(guó)家，并且在相當(dāng)長(zhǎng)的時(shí)期內(nèi)，煤炭在我國(guó)一次能源中的主導(dǎo)地位將難以改變。因此，煤炭的合理利用顯得尤為重要。煤氣化技術(shù)是解決煤炭利用率低的重要方式，目前大規(guī)模的煤氣化工藝均采用液態(tài)排渣的方式。由于氣化溫度高(1200-1500℃)，氣化時(shí)產(chǎn)生的大部分煤灰變?yōu)橐簯B(tài)渣在重力及氣流拖曳下以熔融狀態(tài)進(jìn)入激冷室。當(dāng)溫度過(guò)高時(shí)會(huì)因掛渣厚度不足造成水冷壁或耐火襯里壽命急劇下降，而當(dāng)溫度低又會(huì)使煤灰熔融漿粘度過(guò)大發(fā)生

2、結(jié)渣、堵塞。氣化操作溫度受限于煤灰熔融溫度及粘溫特性，由于氣化煤源及同層煤質(zhì)經(jīng)常發(fā)生變化，提前預(yù)測(cè)煤灰熔融性來(lái)指導(dǎo)氣化爐操作溫度的控制顯得尤為重要。
　　本文首先對(duì)影響煤灰熔融性的因素進(jìn)行分析，總結(jié)出主要的八種組成比例的氧化物對(duì)煤灰熔融性的影響。由于煤灰熔融性與其氧化物組成間呈現(xiàn)復(fù)雜的多因素、非線性關(guān)系，難以用確定性的函數(shù)模型來(lái)描述，而神經(jīng)網(wǎng)絡(luò)解決復(fù)雜非線性問(wèn)題有很大的優(yōu)勢(shì)，具有自組織，自學(xué)習(xí)、分布存儲(chǔ)、非線性、較好容錯(cuò)等特點(diǎn)，因

3、此，本文采用BP、廣義回歸（GRNN）以及改進(jìn)的GA-BP三種神經(jīng)網(wǎng)絡(luò)對(duì)煤灰熔融性進(jìn)行預(yù)測(cè)。通過(guò)選擇最優(yōu)光滑因子構(gòu)建GRNN網(wǎng)絡(luò)，確定隱層數(shù)目、選取學(xué)習(xí)率、選取初始權(quán)值、通過(guò)對(duì)預(yù)測(cè)誤差的分析，選擇隱含層節(jié)點(diǎn)的、選取訓(xùn)練函數(shù)，構(gòu)建BP網(wǎng)絡(luò)，通過(guò)遺傳算法優(yōu)化BP網(wǎng)絡(luò)的初始權(quán)值創(chuàng)建GA-BP網(wǎng)絡(luò)。對(duì)三種網(wǎng)絡(luò)的擬合效果以及誤差進(jìn)行分析，并對(duì)預(yù)測(cè)結(jié)果進(jìn)行比較。得出：神經(jīng)網(wǎng)絡(luò)用于煤灰熔融性預(yù)測(cè)具有一定的可行性與優(yōu)越性，較傳統(tǒng)BP網(wǎng)絡(luò)和GRNN更適合