10.3969/j.issn.1000-1158.2021.01.18
基于RBF神经网络的生物质电站高温气体CO2浓度测量方法
电站气体浓度测量对实现燃烧优化、提高燃烧效率和火焰品质、减少污染物排放具有重要意义.以C02气体为例进行研究,基于近红外波段可调谐激光吸收层析成像技术,提出了基于径向基(radial basis function,RBF)神经网络的高温气体CO2浓度测量方法.通过实验获取不同浓度下的CO2吸收可调谐激光光谱信号,计算CO2吸收谱线和原始信号的差值,提取出描述该差异性的统计特征参数作为RBF神经网络的输入,CO2浓度作为RBF神经网络的输出,建立了基于RBF神经网络的高温气体CO2浓度测量仿真模型,通过仿真实例验证了该方法的有效性和正确性.与GRNN神经网络对比分析表明:RBF神经网络法可以有效提高CO2浓度测量精度,为生物质发电高温气体计量提供理论依据.
计量学、CO2浓度、可调谐二极管激光吸收光谱、径向基神经网络、高温气体、燃烧优化、生物质电站
42
TB99(计量学)
2021-03-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
111-116