延迟焦化装置碳钢加热炉管道损坏预测——基于神经网络的局部温度实时检测方法

在延迟焦化装置中,碳钢加热炉存在燃烧不稳定性,易造成加热炉管内局部超温而损坏的问题,因此必须实时检测加热炉内各个部位的温度。针对这一问题,拟开展基于卷积长短时记忆神经网络的炉温在线预报方法研究,通过对高温炉温变化规律的分析,实现对高温炉温变化的预测,并将平均误差控制在31.5 Kalvin以下。

基于神经网络的热带层流基本热流密度的计算

利用现场的数据 ,采用 BP神经元网络预报热连轧层流水冷区集管组内的基本热流密度 ,将预报的结果用于上、下集管组的热流密度的数学模型计算 ,进而优化层冷集管组的水冷温降计算数学模型的精度。将结果与采用多元回归方法所得到的结果作比较 ,表明采用 BP神经元网络计算基本热流密度的精度要高于多元回归方法的计算精度 ,卷取温度的计算值与实测值的标准差比解析回归方法减少了近 2 0 % ,说明该方法具有良好的在线应用前景。

基于神经网络的气化炉高温测量方法研究

气流床气化炉在气化工业中得到了广泛应用,炉内温度对于生产操作尤为重要。文章基于神经网络,运用自制的灰污热流计对炉壁温度进行了预测,取得了准确的结果。