首页 | 本学科首页   官方微博 | 高级检索  
     

密相气力输送参数的人工神经网络预测
引用本文:赵艳艳,杨巍,陈峰,龚欣,于遵宏. 密相气力输送参数的人工神经网络预测[J]. 华东理工大学学报(自然科学版), 2002, 28(1): 5-7
作者姓名:赵艳艳  杨巍  陈峰  龚欣  于遵宏
作者单位:华东理工大学洁净煤技术研究所,上海,200237;华东理工大学洁净煤技术研究所,上海,200237;华东理工大学洁净煤技术研究所,上海,200237;华东理工大学洁净煤技术研究所,上海,200237;华东理工大学洁净煤技术研究所,上海,200237
基金项目:国家重点基础研究发展规划资助项目 ( G19990 2 2 10 3),高等学校骨干教师资助项目
摘    要:在水平管道中,用压缩空气和氢气对煤粉和小米进行密相气力输送实验,利用改进的BP神经网络对不同气量下的固体质量流率进行预测。结果表明,BP网络能对不同实验条件下的固体质量流率进行较好的预测。并画出不同气量下,固体质量流量的等值图。根据此图,可对密相气力输送参数进行初步优化,控制固体的输送量,减少密相气输送中的盲目操作。

关 键 词:密相气力输送  神经网络  预测
文章编号:1006-3080(2002)01-0005-03
修稿时间:2001-02-28

Artificial Neural Network Forecasting of Dense Phase Pneumatic Conveying Parameters
ZHAO Yan yan,YANG Wei,CHEN Feng,CONG Xin,YU Zun hong. Artificial Neural Network Forecasting of Dense Phase Pneumatic Conveying Parameters[J]. Journal of East China University of Science and Technology, 2002, 28(1): 5-7
Authors:ZHAO Yan yan  YANG Wei  CHEN Feng  CONG Xin  YU Zun hong
Affiliation:ZHAO Yan yan,YANG Wei,CHEN Feng,CONG Xin,YU Zun hong *
Abstract:Dense phase pneumatic conveying experiment of fine coal and millet are carried out using compress air and hydrogen at horizontal pipeline. Solid mass rate at different gas flow is forecasted by using improved BP neural network in dense phase pneumatic conveying. The result shows improved BP neural network can successfully forecast solid mass rate under different experimental conditions and solid mass rate contour diagram at different gas flow is plotted. According to the diagram, parameters of dense phase pneumatic conveying can be optimized, solids mass rate can be controlled, and blind operation of dense phase pneumatic conveying can be decreased.
Keywords:dense phase pneumatic conveying  BP neural network  forecast
本文献已被 CNKI 维普 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号