|
|
|
基于多层神经网络的炉内温度场的模拟
|
| |
摘要：在单角煤粉燃烧炉中，测量了波纹钝体燃烧器和直流喷口后的多个截面上若干点的温度，发现波纹钝体燃烧器后不同截面上温度分布存在巨大差异以及较强的非单调变化特性．基于多层人工神经网络，建立了炉内温度场的非线性模型，实现了对炉内温度场的模拟．最后讨论了神经网络结构和训练精度对模型性能的影响。
关键词：钝体燃烧器 多层神经网络 非线性 温度场重建
炉内温度场的获得，是研究炉内燃烧、传热的关键问题。在实际工程中，对于大尺寸的炉膛，由实测只能得到若干个离散点的温度，难以知道任意空间位置的温度。若通过数值模拟，可以得到连续的温度场，但由于燃烧机理和流动过程极其复杂，特别是对于一些强旋流，温度非单调变化的区域，基于经典牛顿力学的计算方法，计算工作量很大。本文试图通过实验，得到炉内离散的温度点，并据此构造训练样本，经过训练建立多层人工神经网络模型，实现对炉内连续温度场的模拟。
1 燃烧实验
1.1 实验对象
实验用单角煤粉炉如图1所示。燃烧室截面350mm x 500mm，长3600mm，各截面距喷口的距离见表1。
|
|
|
|
|
|
|
|
|
| 广告载入中... |
| 广告载入中... |
| 广告载入中... |
|
|
|
|
|
教育论文中心