基于BPNN的固相质量流量软测量方法

双弯管法是以单弯管流量计为基础发展起来的一种固相质量流量测量方法,测量结果与其影响因素之间存在复杂的非线性关系,直接影响测量精度。在双弯管法测量原理的基础上,利用人工神经网络优良的非线性映射能力,建立了一个4层BP神经网络的软测量模型,以实验数据为样本对该模型进行训练,然后测试其测量精度。测试结果与实验数据一致性较好,最大误差在10%以内,该模型为固相质量流量的测量提供了一种有效的方法。

双弯管法煤粉质量流量检测

双弯管法是一种基于弯管单相流测量原理的气固两相流固相质量流量测量方法,其测量结果与输入参数间非线性关系非常复杂,直接影响其测量精度。在双弯管法固相质量流量测量原理基础上,利用人工神经网络优良的非线性映射能力,建立了一种带有附加动量项的BP神经网络软测量模型,并在气固两相流测量实验平台上进行了实验研究。以实验数据为样本对双弯管法软测量模型进行训练,仿真结果与实验数据一致性较好,测量误差小于6%,为煤粉质量流量实时在线测量提供了一种行之有效的方法。

基于RBF网络的固相质量流量检测

气固两相流流动的复杂性和多样性直接影响了固相质量流量的测量精度,严重限制了其在工业生产中的应用。在双弯管法检测固相质量流量原理的基础上,利用人工神经网络优良的非线性映射能力,以两弯管处的压力差为输入,建立了一种基于径向基(RBF)网络的软测量模型,实现了对固相质量流量的在线测量。实验结果表明:该模型测量误差在3%以内,能够有效解决固相质量流量在线检测的问题,并且具有测量快速、精度高的优点。

基于径向基函数网络的煤粉质量流量测量

为了提高工业生产中煤粉质量流量检测的测量精度,在双弯管法测量固相质量流量原理的基础上,利用人工神经网络优良的非线性映射能力,将固相质量流量难以确定的影响因素反映到网络的连接权值中,建立基于径向基函数网络的软测量模型;在气力输送煤粉实验平台上进行实验,获取实验数据,以实验数据为样本对模型进行训练与仿真。结果表明,模型测量误差不超过3%,是煤粉固相质量流量测量的一种简单、有效的方法。

应用程函近似原理改进矿尘分布计算方法

为了提高煤矿粉尘分布测量效率,缩短在线测量时间,以光散射理论为基础,利用程函近似方法对散射波较好的近似性能,将光全散射法中Mie理论计算颗粒消光系数复杂等问题采用改进的程函近似方程进行优化。对常用的单峰R-R窄带、宽带颗粒粒径分布进行实验模拟,结果表明,重建模型基本符合预定分布,对设定模拟参数加入5%随机噪声时,粒径重建分布得到满意结果,消光系数矩阵计算速度提高48倍以上。