申请/专利权人：大唐环境产业集团股份有限公司

申请日：2022-03-28

公开（公告）日：2024-06-18

公开（公告）号：CN114708924B

主分类号：G16C20/10

分类号：G16C20/10;G16C20/70;G06N3/0499

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2022.07.22#实质审查的生效;2022.07.05#公开

摘要：本发明提供了一种基于BP神经网络技术预测SCR系统中吹灰器吹灰间隔时间的模型构建方法及装置，方法包括：采集SCR系统结构参数、运行数据以及历史吹灰时间间隔构建初始数据库；对初始数据库进行归一化处理，并将初始数据库划分为训练集和测试集；选择BP神经网络的激励函数，并确定BP神经网络的输入层节点、输出层节点以及隐含层节点，构建吹灰时间间隔模型；采用训练集对吹灰时间间隔模型进行训练；通过测试集对吹灰时间间隔模型进行权值和阈值进行优化，直到所述权值和阈值收敛，得到训练好的吹灰时间间隔模型。本发明根据SCR系统现有结构参数和运行数据快速、便捷、准确地确定最佳吹灰时间，避免了生产中调试的过程，大大节省了时间及经济成本。

主权项：1.一种基于BP神经网络技术预测SCR系统中吹灰器吹灰间隔时间的模型构建方法，其特征在于，包括：采集SCR系统结构参数、运行数据以及历史吹灰时间间隔，基于所述SCR系统结构参数、运行数据以及历史吹灰时间间隔构建初始数据库；对所述初始数据库进行归一化处理，并按照特定比例将所述归一化后的初始数据库划分为训练集和测试集；选择BP神经网络的激励函数，并确定BP神经网络的输入层节点、输出层节点以及隐含层节点，构建吹灰时间间隔模型；采用训练集对所述吹灰时间间隔模型进行训练；通过测试集对所述吹灰时间间隔模型进行权值和阈值进行优化，直到所述权值和阈值收敛，得到训练好的吹灰时间间隔模型；所述选择BP神经网络的激励函数，并确定BP神经网络的输入层节点、输出层节点以及隐含层节点构建吹灰时间间隔模型，具体包括：采用sigmoiod函数作为激励函数，所述sigmoid函数通过公式1获取； 其中，s为激励函数的自变量；设置输入层节点参数为x1～x6，所述x1～x6分别为拦截网安装高度、气流量、大颗粒灰直径、大颗粒灰流量、吹灰器个数以及吹灰器安装角度；设置输出层节点参数y1为清灰间隔时间；根据公式2求取隐含层节点数l； 其中，m表示输入层节点数，n表示输出层节点数，a为常数，其取值范围为[1,10]。

全文数据：

权利要求：

百度查询： 大唐环境产业集团股份有限公司 预测SCR系统中吹灰器吹灰间隔时间的模型构建方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD