文献类型：期刊文章

作　　者：石喜光[1] 郑立刚[2] 周昊[1] 陈习珍[3] 邱坤赞[1] 岑可法[1]

机构地区：[1]浙江大学热能工程研究所能源清洁利用国家重点实验室 [2]焦作工学院资源与材料工程学系,河南焦作454000 [3]大冶特殊钢股份有限公司动力公司,湖北黄石435001

出　　处：《浙江大学学报（工学版）》

基　　金：国家自然科学基金资助项目(50206018).

年　　份：2005

卷　　号：39

期　　号：8

起止页码：1189-1192

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：2005389375214)、IC、INSPEC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：考虑固态和液态排渣锅炉对煤灰熔点的不同要求,采用广义回归神经网络建立了煤灰软化温度模型.神经网络的输入变量为7个,即煤灰中SiO2、Al2O3、Fe2O3、CaO、MgO、TiO2、Na2O&K2O的质量分数.以煤灰软化温度作为目标函数,采用遗传算法寻优计算获得当煤灰软化温度最高和最低时煤灰中氧化物的组成.广义回归神经网络仅需30个训练样本,最大和平均相对误差分别为21.8%和1.55%.优化结果表明,掺烧高钙煤或者向燃煤中添加石灰石等富含Ca的原料可以降低煤灰熔点;而增加Al2O3的质量分数可以提高煤灰熔点.

关 键 词：灰熔点 灰组分  广义回归神经网络 遗传算法

分 类 号：TK222]