一种基于数值模拟与神经网络的燃烧器喷口风量预测方法

    公开(公告)号:CN111931436A

    公开(公告)日:2020-11-13

    申请号:CN202010796708.8

    申请日:2020-08-10

    Abstract: 一种基于数值模拟与神经网络的燃烧器喷口风量预测方法,涉及燃烧器技术领域,针对传统的炉膛内部风量测量方法测量精度和效率低的问题,包括步骤一:利用数值模拟软件建立锅炉热二次风道的物理模型,进行仿真运算,生成各工况下的燃烧器喷口风量仿真数据;步骤二:对生成的各工况下的燃烧器喷口风量仿真数据进行数据清洗;步骤三:根据处理后的数据训练神经网络,并利用训练好的神经网络对燃烧器喷口风量进行预测。根据人为设定的典型工况,作为算法输入,训练神经网络,通过该模型可以预测大量其他工况下的燃烧器喷口风量。利用算法代替人工网格绘图、数值模拟仿真等大量工作。极大程度上缩短了预测时间、提高了仿真效率、并且提高了测量精度。

    基于数值模拟的神经网络预测炉膛氧气浓度系统及方法

    公开(公告)号:CN112163380B

    公开(公告)日:2024-06-18

    申请号:CN202011014871.0

    申请日:2020-09-24

    Abstract: 本发明是基于数值模拟的神经网络预测炉膛氧气浓度系统及方法,尤其涉及神经网络学习机预测炉膛氧气浓度,属于神经网络应用领域,目的是解决传统氧气浓度测量方法测量精度不足和效率低的问题。该系统包括数值模拟仿真模块,数据处理模块,算法预测模块和实现模块。通过所述的数值模拟仿真模块,利用数值模拟软件建立炉膛内部的物理模型,进行仿真运算;利用所述的数据处理模块,将数值模拟结果进行处理,然后算法预测模块建立三种神经网络模块并进行算法预测,最后通过实现模块选择出最佳算法从而实现炉膛内氧量分布的预测,本发明处理信息量大、计算速度快、通过简便快捷的方式处理复杂的炉膛氧量问题,能精准的预测未来走势,提升计算效率。

Patent Agency Ranking