基于遗传算法优化神经网络的SCR催化剂
本文使用神经网络算法结合遗传算法编制计算软件来实现SCR催化剂的失效预测功能,并在此基础上制定催化剂清洗再生流程.以49份运行环境不同的SCR催化剂为研究对象,使用灰色关联度分析法对原始数据进行预处理,最终确定以燃料钾含量等七个变量作为网络输入,以催化剂的相对活性作为网络输出. 在MATLAB环境下编程,构建BP神经网络.之后,针对BP神经网络结构上的缺陷,进行基于遗传算法优化的神经网络建模研究.结果表明,遗传算法优化后的BP网络(GABP)预测精度和数据拟合能力均有所提高.最后,本文总结出一种较为完善的催化剂清洗再生流程.本软件可有效指导工业应用中煤种、SCR催化剂以及催化剂中毒后的清洗再生技术路线的选型.
火电厂 脱硝控制系统 软件设计 选择性催化还原催化剂 失效预测功能 清洗再生流程 神经网络算法 遗传算法
孙一睿 李钰鑫 陈磊 赵钦新
热流科学与工程教育部重点实验室(西安交通大学),西安,710049
国内会议
武汉
中文
1-12
2015-11-17（万方平台首次上网日期，不代表论文的发表时间）