2024年 第08期
483
194
基于低分辨率红外发射光谱采集技术,耦合深度学习计算方法,提出了一种烟气温度和CO2浓度在线检测方法。利用气体光谱辐射模型计算训练数据,基于多层感知器(MLP)神经网络反演火焰烟气温度和CO2浓度的分布,结果表明,MLP神经网络模型对温度、CO2和H2O体积分数的反演误差均低于1%,预测精度均大于94.5%,具有良好的泛化能力和预测能力。建立了一套基于深度学习与发射光谱耦合的烟气温度和CO2浓度在线检测装置,并对乙烯扩散火焰和C2H4/NH3部分预混火焰展开了研究。乙烯扩散火焰烟气温度和CO2体积分数的测量结果与模拟火焰结果相一致,验证了基于深度学习与发射光谱耦合的在线检测法的可行性。改变部分预混火焰的掺氨比例,分析火焰中轴上方不同高度处气体的温度和CO2浓度变化,结果表明,同一高度处的烟气温度会随着掺入氨气的增加而增大,而CO2体积分数会呈先增大后急剧减少的趋势。所提出的方法可以较灵敏的检测温度和CO2浓度的变化,用于多种火焰的燃烧诊断研究,在燃煤电厂碳排放在线检测上也有一定的应用前景。
-
主管
中国煤炭科工集团有限公司
-
主办
煤炭科学研究总院有限公司
煤炭工业洁净煤工
程技术研究中心 -
主编
解强
-
刊期
月刊
-
ISSN
1006-6772
-
CN
11-3676/TD
在线投稿
专家审稿
编辑办公
当期目录
过刊浏览
专题/专栏
