排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
4.
5.
为了减少烧结过程中NOx排放,研究了燃料工艺参数与烧结加湿燃烧对NOx排放的影响。结果表明,烧结烟气中NOx主要由燃料带入,燃料氮元素含量决定了烟气中NOx浓度高低,燃料配比从6%降至4%,NOx浓度平均值从424 mg/m3降至339 mg/m3; 燃料中碳元素能促进NOx还原反应,同时提供更多热量,促进铁酸钙生成,缩短烧结时间。相对常规烧结,加湿燃烧烧结可以增强料层还原性气氛,增强NO异相还原反应,降低NOx浓度; 并提高燃料完全燃烧程度,加快垂直烧结速度,提升烧结矿成品率与转鼓指数; 在蒸汽流量0.024 kg/min的工况下进行烧结加湿燃烧,NOx浓度平均值从357 mg/m3降至338 mg/m3,转鼓指数提高约1个百分点。 相似文献
6.
基于RBF-BP混合神经网络的烧结烟气NOx预测 总被引:1,自引:0,他引:1
摘要:对烧结烟气NOx生成量进行预测,能为烧结NOx源头和过程减排提供有效指导。利用BP神经网络模型和RBF神经网络模型对烧结烟气NOx进行了预测,在此基础上结合BP模型自适应学习能力强和RBF模型快速收敛的特性,采用优化模型结构、设立连接层的方法,构建RBF BP混合神经网络模型进行了NOx预测研究,并对3种模型的预测结果进行了对比分析。研究表明,3种神经网络模型中,RBF-BP混合模型的均方根误差为11.37mg/m3,平均绝对误差为7.14mg/m3,最大绝对误差为35.47mg/m3,最小绝对误差为0.0083mg/m3,各评价指标均为3种模型中最优,混合神经网络模型的预测数据稳定性更好,结果拟合程度更高且收敛速度最快。采用混合模型预测NOx能有效消除烟气NOx生成量反馈延迟。 相似文献
1