大型工业袋式除尘器结构复杂,滤袋数量众多,如何在其运行过程中及时找到破损滤袋的准确位置,是近年来国内外专家和工程技术人员研究的热点及难点问题。课题组研究了一种运用反演模型实现袋式除尘器破袋在线定位方法,试图提高破袋定位的精度和速度。但由于除尘器反演系统的复杂性,受系统输入、反演模型以及反演参数等诸多因素影响,运用现有反演方法得出的破袋定位结果会出现不适定性。本文提出一种基于贝叶斯定理的袋式除尘器破损滤袋智能反演定位方法,将反问题的先验信息、理论模型、观测数据转化为反演解的后验概率分布,在实现破损滤袋快速定位的同时,通过对反演结果进行不确定性量化分析解决不适定性问题。本文的主要研究工作如下:1.对破袋反演定位的机理和不适定原因进行了分析,给出了基于贝叶斯定理的破袋反演定位方法,包括袋式除尘器破损滤袋工作流场数值模拟的正演及替代模型构建,贝叶斯反演模型构建,通过马尔科夫链蒙特卡罗法的抽样反演求解,进行了反演定位模型的验证分析并用于192系列袋式除尘器。2.基于BP和小波神经网络建立破袋系统正演模型的替代模型,并对两种替代模型进行误差对比分析,提高反演精度和效率;分析确定了破袋敏感信号,采用多传感器融合技术,减少了模型输入的不确定性。3.研发了袋式除尘器破袋反演定位模块,嵌入袋式除尘器综合实验平台,为实验人员提供破袋位置预测和破口面积预测,同时,给出每条滤袋的破损概率、破损面积的抽样方差、置信区间以及后验概率分布直方图,从而实现定量地描述不确定性大小,最后对破袋反演定位模块进行了实例应用验证分析。