PSO-BP神经网络在船舶二级脱硝系统中的应用

作者：夏同飞; 许媛媛; 李建; 喻哲

来源：船舶工程, 2019, 41(08): 93-133.

DOI：10.13788/j.cnki.cbgc.2019.08.18

• NOX排放
• 选择性催还还原
• PSO-BP神经网络

采用选择性催化还原脱硝(SCR-DeNOX)技术实现船舶柴油机氮氧化物(NOX)减排。根据SCR反应机理,在MATLAB中搭建一级SCR脱硝系统和二级SCR脱硝系统模型;对仿真结果进行对比,结果显示加入二级脱硝系统能使脱硝率得到提高。鉴于BP神经网络的预测精度较低,将粒子群优化(PSO)算法加入到BP权值训练过程中,利用PSO-BP神经网络预测SCR-DeNOX系统出口处NOX的浓度。结果表明:PSO-BP神经网络不仅能预测SCR-DeNOX系统出口处NOX的浓度,而且能提高预测结果的精度,为有效控制喷氨量、降低氨气逃逸量提供帮助。

• 单位
  上海海事大学; 上海航天控制技术研究所