双循环流化床颗粒流率实验研究及模型预测

自行设计搭建了双循环流化床冷态装置,通过单一变量法实验,研究气化室风速、提升管风速、物料粒径及物料量对锥形布风板双流化床颗粒循环流率的影响,得出改良后的锥形布风板颗粒流率要高于水平布风板,并且颗粒循环流率随着气化室风速、提升管风速、物料量的增加有所增大,随着物料粒径的增大而减小。利用Matlab建立了3种改进BP神经网络模型分别预测双流化床颗粒循环流率,得出含有1个隐含层,26个神经元节点数的LM-BP神经网络对锥形布风板双循环流化床颗粒循环流率具有较好的预测效果。     

基于GA-BP神经网络的带提升管内循环流化床循环流率预测

自行搭建了带提升管的内循环流化床试验台,研究了提升管风速、气化室风速、颗粒平均粒径、床层高度对循环流率的影响。基于遗传算法优化BP神经网络原理,建立了GA-BP人工神经网络模型,用来预测带提升管的内循环流化床的颗粒循环流率。通过对GA-BP神经网络模型颗粒循环流率的预测值与试验值的比较发现:当隐含层数目为22时,最大相对误差为±6.6917%,误差的均方差为2.899%。该模型预测数据与试验值比较吻合,能够较好的预测颗粒循环流率。     

中心提升管内循环流化床颗粒循环流率试验与BP神经网络预测研究

自行设计并搭建中心提升管内循环流化床冷态试验台,就提升管风速、鼓泡床风速、鼓泡床静床高、床料平均粒径几方面因素对颗粒循环流率的影响进行系统的试验研究。试验结果表明:对于给定的床料,颗粒循环流率随两床风速的增大而增大;固定两床风速,颗粒循环流率随鼓泡床静床高的增大而增大,随物料平均粒径的增大而减小。利用Matlab神经网络工具箱,建立3层BP神经网络颗粒循环流率预测模型。预测结果表明:在隐含层神经元数量为6时,误诊率最小,预测相对误差在±9%以内,网络性能最优,能较好地预测颗粒循环流率。     

双流化床物料循环系统的冷态试验研究

合理控制物料循环流率是双流化床反应器系统装置设计开发和运行的关键。在自主搭建的双流化床物流循环冷态试验平台上,针对燃烧炉风速U_c、热解炉风速U_b、静床层高度H_b及颗粒粒径d_p等运行参数对物料循环流率G_s的影响规律进行了试验研究,结果表明:燃烧炉风速、热解炉风速和静床层高度的增大都会使得物料循环流率增大,但热解炉风速增加幅度不大;同时,分析了运行参数对Loop-seal返料性能的影响,结果表明,在试验运行参数范围内,物料循环流率受运行参数影响程度顺序为:H_bU_cd_pU_b。研究结果可为双流化床反应器的设计及运行提供参考。     

基于动力学模型的双循环流化床颗粒循环流率实验研究与预测

基于不同快速床压降的计算方法建立动力学模型实现对颗粒循环流率的预测计算,并进行冷态系统的实验验证。研究发现:颗粒循环流率随鼓泡床流化床风速的增大无明显变化;随快速床风速(二次风风速)的增大,出现增大趋势,但增长速率逐渐放缓;颗粒循环流率随经床层高度的增加而增大,随平均粒径的减小而增大,且平均粒径的影响程度较大。在实验各工况下模型计算值与实验值误差的最大误差为18.59%,在工业允许范围内验证该动力学模型的准确性。     

锥形布风板双循环流化床颗粒循环流率研究及预测

在锥形布风板双循环流化床冷态装置上,研究了提升管风速、气化室风速、物料质量和颗粒粒径对提升管颗粒循环流率的影响,并与水平布风板的结果进行了对比．利用3种改进的BP神经网络算法建立模型来预测循环流率．结果表明：提升管颗粒循环流率随着提升管风速和气化室风速的增大而增大,当风速达到一定值后,增大趋势逐渐平缓;循环流率随着物料质量的增大基本呈线性增大,随着颗粒粒径的增大而明显减小;锥形布风板比水平布风板更具优势,同样条件下可以增大循环流率;BFGS拟牛顿算法的预测效果最佳,其颗粒循环流率预测值与实验值的最大相对误差为7．7035％,平均相对误差为3．5943％．     

带提升管内循环流化床的流动特性研究

运行参数和结构尺寸是内循环流化床物料循环流率的重要因素。设计并搭建了内循环流化冷态试验台,通过实验分析了气化室风速、提升管风速、返料孔高度及大小对物料循环流率的影响。实验表明:物料循环流率随气化室风速、提升管风速的增大而增大,但增加幅度变化不同;随返料孔位置的增高而下降,且下降速度加快;随着返料孔面积的增大,先增大然后减小。     

中心提升管内循环流化床颗粒循环流率实验研究

自行设计并搭建中心提升管内循环流化床冷态试验台,试验研究提升管风速、鼓泡床风速、鼓泡床静床高、床料平均粒径对颗粒循环流率的影响。试验结果表明:对于给定的床料,颗粒循环流率随两床风速的增加而增加,并且当提升管风速或鼓泡床风速分别增加到一定程度时,颗粒循环流率增加趋缓;固定两床风速,颗粒循环流率随鼓泡床静床高的增大而增加,随物料平均粒径的增大而减小。通过实验数据回归,得到颗粒循环流率计算关联式,计算值相对误差在±18%以内,可以很好地预测颗粒循环流率。     

双循环流化床颗粒循环流率的冷态实验研究与预测

在自行搭建的双循环流化床冷态实验系统上研究了鼓泡床静床层高度、颗粒平均粒径、鼓泡床流化风速、快速床总流化风速及一次风量比例等控制参数对颗粒循环流率的影响,提出了基于上述控制参数的颗粒循环流率计算关联式。结果表明:随着鼓泡床流化风速的增加,颗粒循环流率变化不明显;随着快速床中一次风量比例和总流化风速的增加,颗粒循环流率均增大,当一次风量比例和总流化风速达到一定值后,颗粒循环流率的增幅逐渐变缓;颗粒循环流率随着静床层高度的增加而增大,随颗粒平均粒径的增大而减小,且颗粒平均粒径的影响程度较大;所提出的关联式能够较好地预测颗粒循环流率。     

内循环流化床循环流率的试验研究与模型预测

合理的循环流率是内循环流化床稳定运行的关键之一。在自行搭建的试验台上,对各控制参数对循环流率的影响进行研究,发现:颗粒循环流率随气化室风速和提升管风速的增大而增大,但增长速率逐渐变小;随料层高度的增大而增大;随着物料粒径的增大,循环流率减小,并且减小趋势增大。此外提出了3种循环流率模型,并对模型计算值与试验值进行比较,得到了较优模型。