神經(jīng)網(wǎng)絡在煤灰熔融性預測中的應用.pdf

1、我國是世界上主要經(jīng)濟大國中最依賴于煤炭的國家，并且在相當長的時期內(nèi)，煤炭在我國一次能源中的主導地位將難以改變。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)進入激冷室。當溫度過高時會因掛渣厚度不足造成水冷壁或耐火襯里壽命急劇下降，而當溫度低又會使煤灰熔融漿粘度過大發(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，提前預測煤灰熔融性來指導氣化爐操作溫度的控制顯得尤為重要。
　　本文首先對影響煤灰熔融性的因素進行分析，總結(jié)出主要的八種組成比例的氧化物對煤灰熔融性的影響。由于煤灰熔融性與其氧化物組成間呈現(xiàn)復雜的多因素、非線性關(guān)系，難以用確定性的函數(shù)模型來描述，而神經(jīng)網(wǎng)絡解決復雜非線性問題有很大的優(yōu)勢，具有自組織，自學習、分布存儲、非線性、較好容錯等特點，因

3、此，本文采用BP、廣義回歸（GRNN）以及改進的GA-BP三種神經(jīng)網(wǎng)絡對煤灰熔融性進行預測。通過選擇最優(yōu)光滑因子構(gòu)建GRNN網(wǎng)絡，確定隱層數(shù)目、選取學習率、選取初始權(quán)值、通過對預測誤差的分析，選擇隱含層節(jié)點的、選取訓練函數(shù)，構(gòu)建BP網(wǎng)絡，通過遺傳算法優(yōu)化BP網(wǎng)絡的初始權(quán)值創(chuàng)建GA-BP網(wǎng)絡。對三種網(wǎng)絡的擬合效果以及誤差進行分析，并對預測結(jié)果進行比較。得出：神經(jīng)網(wǎng)絡用于煤灰熔融性預測具有一定的可行性與優(yōu)越性，較傳統(tǒng)BP網(wǎng)絡和GRNN更適合