生物质与煤共燃结渣特性的研究

生物质与煤各自特性的差异以及生物质与煤共燃的过程中发生的复杂反应,现有的煤灰的结渣指标无法准确地预测生物质与煤共燃的结渣倾向.根据模糊数学中的模糊判断理论,利用熔融温度t2、碱酸比B/A、硅铝比S/A、硅比G等多项煤灰结渣指标建立模糊综合评判模型,对生物质与煤共燃的结渣情况做出预测.     

灰色系统在电站锅炉燃煤结渣特性中的应用

为了准确评判锅炉燃煤的结渣特性,运用灰色系统理论针对煤灰结渣影响因素的模糊性、多样性等特点的非确定性问题,建立聚类决策方法,结合使用模糊TOPSIS法对电站锅炉燃煤的结渣特性进行综合评价.计算结果表明,判别结果与实际结果基本吻合.     

电站用煤结渣预报的自适应模糊神经网络方法

综合了多种特性结渣指数 ,应用一种基于递推最小二乘估计和梯度下降法结合的混合算法的模糊神经网络模型来预报煤质结渣特性 .将该方法的预报结果与实际结渣情况比较 ,结果证明 ,该方法预报精度高 ,速度快 ,而且具有良好的自适应能力     

低阶煤气化结渣特性的研究进展简

从影响低阶煤气化结渣的因素（煤质特性、操作条件）、结渣物的形成机理和预防措施方面,对低阶煤气化过程中的结渣特性进行了综述．指出煤质特性是低阶煤气化结渣的关键因素．当操作温度高于煤灰的烧结温度时,煤灰低熔点共融物的粘附作用引起半熔融态灰颗粒团聚,在流化床的“死区”易形成结渣物．阻熔剂和配煤都能改变低阶煤的气化结渣特性,但配煤的方法更为经济高效．     

煤灰沉积及新型判定指数

基于煤燃烧过程中矿物质蒸发、凝聚和沉积的机理，在理论和实验上对三种不同结渣和沾污特性的煤进行了研究；综合煤的化学组成和锅炉燃烧运行工况对煤灰沉积特性的影响，提出了一种新的结渣和沾污判定指数。     

模糊数学思想在预测电站锅炉结渣中的应用

锅炉结渣是一个极其复杂的物理、化学过程,受许多因素的综合影响。它与煤的灰分含量及其物理、化学性质,以及燃烧器型式、炉膛结构和设计参数、炉内温度水平、空气动力工况、气氛条件、受热面的布置等诸多因素都有关。专家学者对结渣问题进行了广泛、深入的研究并取得了一定的成果。本文仅对阐述采用模糊数学思想预测结渣特性加以研究。     

模糊灰色聚类法在蔗渣燃烧结渣倾向性中的判别应用

为判别蔗渣在燃烧过程的结渣倾向性,文中对蔗渣制灰进行了X-射线荧光分析(XRF),然后基于XRF的元素分析结果,分别采用单一指标判别法与模糊灰色聚类法对蔗渣结渣的倾向性进行判别,并对判别结果与实验结果进行了比较分析。结果表明,单一指标判别法并不能很好地反应蔗渣结渣的倾向,而模糊灰色聚类法则能较好地判别蔗渣结渣的倾向,判别结果与实验结果(严重结渣)吻合,证实模糊灰色聚类法对生物质蔗渣结渣倾向判别的有效性。研究结果可为生物质燃烧结渣倾向判别方法提供参考。     

燃煤电站锅炉炉膛结渣特性计算分析

为对炉膛结渣情况进行有效预测,通过基于燃煤特性的单一指标与多指标综合预测模型和模糊神经网络分别对一台300 MW级亚临界、一台600 MW级亚临界以及两台1 000 MW级超超临界锅炉机组炉膛结渣情况进行了计算分析;针对300 MW级亚临界锅炉机组建立了膜式水冷壁实际热流密度的计算模型,并利用基于污染系数的神经网络对该电站锅炉炉膛结渣情况进行了预测。3种预测模型的结果表明:单一指标和多指标综合预测模型一定程度上可对炉膛结渣情况进行预测,但其分辨率较低,且模型中各指标对于不同煤种和炉型的分辨率存在差异;模糊神经网络相对于上述模型和传统神经网络分辨率较高,所构建的4种模糊神经网络分辨率可分别达到92%、92%、92%以及100%,且统计结果的分辨率也可达到100%,对不同炉型和煤种的适用性更强。另外,基于污染系数的神经网络可根据电站运行数据对炉膛局部结渣情况进行实时预测,误差在3%以内,均方误差为0.013 4,预测结果可为吹灰提供指导。     

用灰色聚类方法评价煤的结渣性能

采用灰色系统理论中的灰色聚类方法对磁窑堡煤、石咀山煤及其混合煤的结渣性能进行了评判，并将该方法所得评判结果与常用结渣指标判别的结果及实际结渣情况进行了比较。结果表明：灰色聚类方法评价煤的结渣性能时，其分辨力比用常规方法判别时高，判别结果更符合客观实际。     

煤粉炉局部结渣的故障诊断模型

水冷壁结渣是电站燃煤锅炉中的经常性故障,及时估计锅炉的结渣情况对提高锅炉运行的经济性、防止锅炉发生严重事故具有重要的意义。该文分析了可用于诊断该故障的主要特征参数,运用神经网络的方法建立了局部结渣故障诊断模型。计算结果表明,诊断迅速、结果准确。该方法简单,无需昂贵的诊断设备,有广泛的应用前景。     

基于模糊神经网络的混沌优化算法在动力配煤中的应用

针对燃煤结焦过程的模糊性和非线性特点,采用模糊神经网络评估混煤的结焦特性,并用结焦倾向性指标作为动力配煤的约束条件．然后基于混沌优化算法在解空间的遍历性优势,以混煤煤价最低为目标,结合罚函数处理的约束条件方法,对电站动力配煤优化问题进行寻优．结果表明,模糊神经网络结合变尺度混沌算法对电站动力配煤问题具有相当好的实用性和适应性,它能在较短的时间内获得相对最优解,有利于对实时配煤进行在线监测．     

基于程控系统的输煤故障诊断

为提高国内火电厂输煤系统的自动控制和管理水平,建造了输煤程控系统。它可以对输煤系统中的各种设备进行实时监测和控制。采用现场设备状态的实时捕捉、可编程控制梯形逻辑判断和上位机监控软件分析等方法,对输煤系统的各种故障能及时准确地进行监视、诊断和报警。该方法已成功应用于萧山电厂输煤程控系统,取得了很好的经济效益。     

煤灰熔融性测定的神经网络方法研究

研究测量煤灰熔融性的方法.通过神经网络进行图像分析,实现煤灰熔融性的自动测定.首先建立神经网络模型,然后采用数字图像处理和模式识别技术对采集的图像进行分析,最后获取煤灰的熔融性.该方法具有很高的精度,实时性好,完全可以替代原来由人眼完成的任务,实现了煤灰熔融性试验控制的自动化.     

煤与矸石在线组分Fuzzy统计识别方法

以生产实际作应用背景,依据多相模糊统计识别方法,建立了灰分论域下的“低灰分煤”、“高灰分煤”、“矸石”三相模糊隶属函数,并提出了一种实用的模型调整算法．应用表明,该方法分选率达到９０ ％ ,能够满足生产要求．     

煤层冲击倾向性试验研究及模糊综合评判

选用四项已有冲击倾向性指标和一项修正的冲击能指标Ｗ＇ＣＦ对煤层的冲击倾向进行了试验研究，并采用模糊数学方法对煤层的冲击倾向性进行了三级模糊综合评判，得到了与工程实际相一致的结果。     

典型煤种结渣的数值模拟研究

建立了与气固两相流动燃烧模型相耦合的飞灰沉积模型.对一台四角切圆锅炉燃用2种典型煤种（神木煤和淄博煤）时的结渣特性进行了数值模拟,对比了不同的颗粒黏度计算模型,预测了炉膛内不同位置的飞灰沉积量和厚度.模拟结果显示,前墙20～25 m高度附近结渣最严重,燃用神木煤时结渣比淄博煤更多.通过分析认为,采取合理工况,掺烧结渣倾向低的煤种可以有效减轻结渣.     

煤矿救援蛇形机器人环境建模方法研究

煤矿救援机器人的研究对煤矿救灾工作的顺利开展有着重要的现实意义,简要分析了煤矿救援机器人在环境建模方面的研究现状,针对煤矿事故发生后,救援蛇形机器人如何在恶劣的井下进行环境识别和建模,提出了一种变结构模糊神经网络的多传感器数据融合算法。重点讨论了该算法的原理,结合煤矿井下的特殊环境和蛇形机器人自身结构特点,采用超声波传感器、红外测距传感器、激光雷达传感器组来获得障碍物的距离、位置信息及环境类型信息,然后,利用模糊神经网络对这些信息进行融合,采用改进的BP算法对网络进行学习,通过对结论网络权值的调整,择优选取模糊规则,从而自动的调节模糊神经网络的结构。以机器人在靠近障碍物时的八类典型环境标志为依据,通过模糊神经网络识别出障碍物的形状,完成环境的建模。利用实验获得的一组数据进行了仿真,结果表明该算法实现了在不同环境中模糊隶属函数的自动生成和模糊规则的择优提取,适用于复杂的非线性系统,对于煤矿救援蛇形机器人的环境识别和建模是一种行之有效的方法。