焦炉控制参数与一氧化碳排放关系建模与分析
来源期刊:控制工程2017年第3期
论文作者:周梦影 李晓斌 张福行 贺国昂
文章页码:570 - 574
关键词:焦炉参数;一氧化碳排放浓度;粒子群优化算法;径向基函数神经网络;建模与分析;
摘 要:目前降低焦炉烟囱CO排放的方法多注重于改进加热炉结构、管理维护等方面,消耗大量人力物力。由于焦炉燃烧是具有强耦合、多输入、非线性系统等特点的复杂工业过程,因此研究主要在煤气组成成分含量基本不变的情况下,通过PSO(粒子群优化算法)优化RBF(径向基函数)神经网络对烟道压力、烟道温度、氧气烟囱排放浓度等焦炉燃烧控制参数与CO烟囱排放浓度的关系进行建模与分析,找出影响CO排放最大的控制参数,进而通过控制该参数达到降低CO排放的目的。实验结果证明氧气烟囱排放浓度对CO排放影响最大。
周梦影1,李晓斌1,张福行2,贺国昂1
1. 上海应用技术学院电气与电子工程学院2. 宝钢钢铁股份有限公司炼铁厂
摘 要:目前降低焦炉烟囱CO排放的方法多注重于改进加热炉结构、管理维护等方面,消耗大量人力物力。由于焦炉燃烧是具有强耦合、多输入、非线性系统等特点的复杂工业过程,因此研究主要在煤气组成成分含量基本不变的情况下,通过PSO(粒子群优化算法)优化RBF(径向基函数)神经网络对烟道压力、烟道温度、氧气烟囱排放浓度等焦炉燃烧控制参数与CO烟囱排放浓度的关系进行建模与分析,找出影响CO排放最大的控制参数,进而通过控制该参数达到降低CO排放的目的。实验结果证明氧气烟囱排放浓度对CO排放影响最大。
关键词:焦炉参数;一氧化碳排放浓度;粒子群优化算法;径向基函数神经网络;建模与分析;