简介:燃煤锅炉是复杂的多变量系统,其飞灰的含碳量形成机理复杂,不能用简单的数学公式估算。现场实炉测试这些数据具有工作量大,测试工况有限等缺点;燃煤锅炉运行参数及燃料特性等因素影响着飞灰的含碳量,其相互耦合,导致分析数据过程困难。神经网络建模将燃煤锅炉视为黑箱,应用该方法可以良好的描述其输入输出之间的黑箱特性,因此,人工神经网络应用广泛。利用燃煤锅炉试验数据,采用3层BP(backpropagation)神经网络构建了锅炉飞灰的含碳量排放特性模型。通过锅炉的实测数据验证,该BP神经网络对飞灰含碳量相对预测误差在0.19%~0.50%,预测效果良好。测试结果表明,建立的神经网络预测模型可以准确逼近验证样本数据,也能够较好的逼近非验证样本数据,具有良好的泛化能力。
简介:在考虑氢气溶解的条件下,运用SRK状态方程计算了液氧/氢在超临界环境下达到气-液平衡时氢氧组分在各相中的摩尔分数以及液氧的蒸发热随液氧表面温度的变化情况;根据气-液平衡时各组分在各相中的摩尔分数,以甲烷为参比态气体,运用扩展对比状态理论(ECST)计算了气相及液相氢氧混合物的pVT属性、黏性及导热系数。结果表明,在高压环境下,有一部分氢气溶解于液氧中,且随着温度和压强的增加其溶解度增大;若考虑氢气溶解,则氢氧混合物的临界温度低于氧的临界温度且随环境压强的增加而减小,这时液氧的蒸发热小于其蒸发潜热,也小于不考虑氢气溶解所得蒸发热。当氢氧混合物达到气液平衡状态时,液相混合物的黏性及导热系数随温度升高逐渐减小,气相混合物的黏性及导热系数随温度升高逐渐增加,最终气相及液相混合物的传输属性在其临界点附近几乎相同。
简介:采用分子动力学方法对纳米尺度下氩液滴在氩蒸气中蒸发过程进行了模拟,其中液相分子采用球形截断的Lennard-Jones势能函数描述。模拟过程首先在三维模拟空间产生准稳态平衡的液滴和周围气相环境,随后控制液滴的外界物理条件形成蒸发现象,同步记录气液两相分子坐标和动量变化,从微观信息中统计计算出相应的宏观物理信息。研究了蒸发初始液滴半径的不同研究其对液滴蒸发过程的影响,结果表明纳米尺度下液滴蒸发现象与微米以上尺度液滴蒸发现象存在差异;引入等效辐射能的概念在分子动力学方法中实现了对辐射能传递过程的模拟,证实了辐射传递能量会对纳米尺度液滴蒸发过程产生很大的影响。