| 粉体密相气力输送中的管道压降预测 |
| |
| 引用本文： | 刘小军,龚欣,屈强,于遵宏,谭可荣.粉体密相气力输送中的管道压降预测[J].计算机与应用化学,2003(Z1). |
| |
| 作者姓名： | 刘小军 龚欣 屈强 于遵宏 谭可荣 |
| |
| 作者单位： | 华东理工大学洁净煤技术研究所，华东理工大学洁净煤技术研究所，华东理工大学洁净煤技术研究所，华东理工大学洁净煤技术研究所，科技部高新司 上海，200237，上海，200237，上海，200237，上海，200237，北京，100862 |
| |
| 基金项目： | 国家“十五”科技攻关项目(2001BA301B01) |
| |
| 摘 要： | 利用人工神经网络技术,建立了BP网络模型,通过网络的学习训练,比较准确地预测了粉体密相气力输送过程中的管道压降,预测准确率在93.3％以上,表明该方法可以作为密相气力输送研究中的一种有效的辅助手段。
|
| 关 键 词： | 神经网络 密相气力输送 压降 |
The prediction of pipe pressure drop in powder dense-phase pneumatic conveying |
| |
| LIU Xiao-Jun,GONG Xin,QU Qiang,YU Zun-Hong,TAN Ke-Rong.The prediction of pipe pressure drop in powder dense-phase pneumatic conveying[J].Computers and Applied Chemistry,2003(Z1). |
| |
| Authors: | LIU Xiao-Jun GONG Xin QU Qiang YU Zun-Hong TAN Ke-Rong |
| |
| Abstract: | The technology of artificial neural network is used in this paper.The back-propagation (BP) network model is also established. And the pipe pressure drop in dense-phase pneumatic conveying is predicted well by applying this network model. The result of prediction reaches more than 93.3% , which indicates that BP network can be applied as an efficient auxiliary method in study of dense-phase pneumatic conveying. |
| |
| Keywords: | artificial neural network dense-phase pneumatic conveying pressure drop |
| 本文献已被 CNKI 等数据库收录！ |
