神經(jīng)網(wǎng)絡在灰渣黏溫特性預測中的應用研究.pdf

1、灰渣黏溫特性直接決定著氣流床氣化爐排渣能否順利，在灰渣黏溫特性預測方面，由于黏度與灰渣組成呈復雜的非線性映射關系，目前尚無成熟的預測模型。選擇40種不同灰成分的煤樣，利用高溫旋轉(zhuǎn)黏度計測定灰渣黏溫特性，同時考查了連續(xù)降溫法與階梯降溫法的異同和不同降溫速率對連續(xù)降溫法測定結(jié)果的影響;對測得的灰渣黏溫特性作圖，整理得到灰渣黏溫特性的特征值:包括1400℃、1600℃下的黏度值（記作η1400和η1600），5Pa·s、25Pa·s對應的溫度

2、值（記作T5和T25），對于非玻璃體渣，還包括臨界溫度(Tcv)和臨界黏度(ηcv);在這些數(shù)據(jù)的基礎上，采用灰色關聯(lián)分析法，計算灰渣組成與灰渣黏溫特性特征值的關聯(lián)度，考查灰渣組成對灰渣黏溫特性的影響;依托Matlab軟件建立灰渣的渣型分類和灰渣黏度預測的神經(jīng)網(wǎng)絡模型，并對模型進行了檢驗。研究表明:
　　(1)降溫速率為2℃/min的連續(xù)降溫法與階梯降溫法的測定結(jié)果接近，且隨著降溫速率的增加，黏溫特性曲線呈向左移動趨勢，這可能是由

3、于灰渣中晶體的析出需要一定的時間，當降溫速率過快時，灰渣實際溫度和黏度變化呈現(xiàn)滯后而引起。
　　(2)對于玻璃體渣:酸堿比和硅鋁比對η1400和η1600影響最大，SiO2和Al2O3對T5和T25影響最大，說明控制酸堿比、硅鋁比、SiO2和Al2O3含量十分重要;對于非玻璃體渣，各組分及特征參數(shù)對η1400、η1600和ηcv的影響沒有一定的規(guī)律性，而SiO2和Al2O3對T5、T25和Tcv的影響最大。
　　(3)包含P