ANN模型对自热式固定床气化的动态过程预测

作者：黄元晨; 沈元兴; 沈英^*

来源：福州大学学报(自然科学版), 2019, 47(05): 652-657.

• 人工神经网络
• 固定床
• 气化
• 合成气
• 过程预测

在考虑气化炉顶部温度、中部温度、底部温度、空气流速、蒸气流速、反应时间以及生物炭添加量等多参数的情况下,建立自热式固定床气化过程合成气动态神经网络模型,以实现对气化过程中的气体浓度(H2, CH4, CO, CO2)动态过程预测.采用不同策略实现对网络参数选择与模型结构优化,同时通过嵌入适当数量的随机噪声来避免模型陷入局部最优.模型对气化过程中H2浓度变化曲线的预测决定系数(R2)达到0.8646.

• 单位
  自动化学院; 福州大学