论文部分内容阅读
氮氧化物（NOx）是焦炉加热燃烧过程中产生的主要污染物之一。因此，掌握焦化行业NOx排放特性从而有效控制其排放具有重要意义。正是基于此现实因素，本文展开对焦炉燃烧室NOx排放控制的研究。 焦炉是一个复杂的多变量系统，其NOx排放特性复杂，很难用简单的数学公式来计算NOx的排放量，而焦炉生产现场，燃烧室NOx排放测试的工作量大，测量工况有限，各参数对焦炉加热燃烧系统的稳定性影响很大，造成了数据分析困难。神经网络建模的优势在于其输入与输出之间的黑箱特性，若将焦炉燃烧室看作一个黑箱，一定的输入就会对应一定的输出，因此应用人工神经网络对焦炉燃烧室NOx排放特性建立预测模型。 本文在分析焦炉NOx生成机理的基础上，阐述了焦炉加热燃烧过程中，影响焦炉燃烧室NOx排放的各个影响因素，并确定加热燃烧火焰温度和烟气含氧量是影响焦炉燃烧室NOx排放的两个主要因素。根据现场实验测得的大量数据，将测得的火焰温度值和烟气含氧量作为模型的输入，NOx排放量作为模型的输出，并采用3层BP神经网络构建了焦炉燃烧室NOx排放特性预测模型。并在Matlab仿真软件中，编写程序，对建立的BP神经网络模型进行仿真研究。通过对NOx的排放进行控制，我们也同步优化了焦炉的加热工艺，大大减少了焦炉加热系统所需要的燃料气。 通过BP神经网络建立焦炉燃烧室NOx排放特性的预测模型后，就可根据模型的输入直接预测NOx排放值。本文给出了项目应用方案，应用效果已经得到论证。