水泥生产过程中,分解炉出口温度是非常重要的工艺参数,为了应对出口温度变量的多样性,文章提出一种核主成分分析(kernel principal component analysis,KPCA)与双向长短期记忆(bidirectional long short-term memory,BiLSTM)神经网络相...水泥生产过程中,分解炉出口温度是非常重要的工艺参数,为了应对出口温度变量的多样性,文章提出一种核主成分分析(kernel principal component analysis,KPCA)与双向长短期记忆(bidirectional long short-term memory,BiLSTM)神经网络相结合的温度预测组合模型用来预测分解炉的出口温度。通过KPCA筛选出影响因素的主成分从而达到数据降维目的,将降维后的主成分作为BiLSTM神经网络的输入,分解炉出口温度作为BiLSTM神经网络的输出。经BiLSTM神经网络训练,得到分解炉出口温度预测模型。通过对比验证表明,使用KPCA-BiLSTM相结合的温度预测模型具有较好的预测精度。展开更多
文摘水泥生产过程中,分解炉出口温度是非常重要的工艺参数,为了应对出口温度变量的多样性,文章提出一种核主成分分析(kernel principal component analysis,KPCA)与双向长短期记忆(bidirectional long short-term memory,BiLSTM)神经网络相结合的温度预测组合模型用来预测分解炉的出口温度。通过KPCA筛选出影响因素的主成分从而达到数据降维目的,将降维后的主成分作为BiLSTM神经网络的输入,分解炉出口温度作为BiLSTM神经网络的输出。经BiLSTM神经网络训练,得到分解炉出口温度预测模型。通过对比验证表明,使用KPCA-BiLSTM相结合的温度预测模型具有较好的预测精度。
文摘针对一实际尺寸的DD分解炉进行了煤燃烧与碳酸钙分解耦合过程的三维数值模拟研究,其中,对连续相采用Euler坐标系下的k-ε双方程湍流模型,采用离散相模型(discrete phase model)进行颗粒相的运动轨迹计算,采用组分运输模型(species transport model)结合涡耗散概念模型(EDC)模拟煤粉燃烧及生料分解过程,采用P-1辐射模型计算气体和颗粒之间的辐射换热。计算所得煤粉燃烬率为86%,碳酸钙分解率为92.9%,与工程实际数据吻合较好,表明模拟结果的可信性。研究结果表明:来自底部向上运动的高速烟气流与两股横向三次风相遇后,汇合成一股高速向上运动的主气流,携带着煤粉流在分解炉中心处向上运动,并偏向位于分解炉侧面的出口方向;煤粉的燃烧主要发生在分解炉下半柱体部分中心处,并形成了高温区;碳酸钙则围绕着高温区迅速分解,其分解过程主要发生在分解炉下半柱体部分。
