基于人工神经网络的甲烷富氧燃烧机理优化
文档名：基于人工神经网络的甲烷富氧燃烧机理优化
摘要：采用带误差传播的直接关系图法、全物种敏感性分析和人工神经网络(ANN)联合方法,以点火延迟时间和CO摩尔分数为优化目标,通过对甲烷富氧燃烧详细机理USCmech2.0的简化和优化,提出了基于人工神经网络的甲烷富氧燃烧优化机理(ANN-OMOC).甲烷富氧燃烧模拟计算和对比分析的结果表明:相比于甲烷富氧燃烧简化机理FSSA的预测误差,优化机理ANN-OMOC对点火延迟时间、层流火焰速度的预测误差分别从2.53％、24.38％降到0.50％、14.41％;与甲烷富氧燃烧的简化机理DRGEP和FSSA相比,优化机理ANN-OMOC对点火延迟时间、OH摩尔分数峰值和CO摩尔分数峰值的预测结果最佳,其相对误差均在10％以下.
Abstract：InordertooptimizetheignitiondelaytimeandCOmolefraction,anewoptimizationmechanismformethaneoxygen-enrichedcombustionbasedonartificial-neural-network(ANN-OMOC)wasproposedbysimplificationandoptimizationforthedetailedmethaneoxygen-enrichedcombustionmechanismUSCmech2.0,usingthedirectedrelationalgraphwitherrorpropagation,fullspeciessensitivityanalysisandartificialneuralnetwork(ANN).Theresultsofsimulationcalculationandcomparativeanalysisformeth-aneoxygen-enrichedcombustionshowthatthepredictionerrorsofignitiondelaytimeandlaminarflamevelocityarereducedfrom2.53％,24.38％to0.50％,14.41％byuseofANN-OMOC,comparedwiththepredictionerrorofthesimplifiedmechanismFSSAformethaneoxygen-enrichedcombustion.Meanwhile,comparedwiththesimplifiedmechanismsDRGEPandFSSAformethaneoxygen-enrichedcombustion,theoptimizedmechanismANN-OMOChasthebestpredictionresultsforignitiondelaytime,peakmolefrac-tionofOHandpeakmolefractionofCO,withrelativeerrorsoflessthan10％.
作者：黄章俊 徐通 何洪浩 孙刘涛 田红 李新卓 Author：HUANGZhangjun XUTong HEHonghao SUNLiutao TIANHong LIXinzhuo
作者单位：长沙理工大学能源与动力工程学院,长沙410114国网湖南省电力有限公司电力科学研究院,长沙410007
刊名：动力工程学报
Journal：JournalOfChineseSocietyOfPowerEngineering
年，卷(期)：2024, 44(4)
分类号：TK16
关键词：甲烷富氧燃烧机理优化人工神经网络点火延迟时间CO摩尔分数
Keywords：methaneoxygen-enrichedcombustionmechanismoptimizationartificialneuralnetworkig-nitiondelaytimeCOmolefraction
机标分类号：TK16TK401O643
在线出版日期：2024年5月13日
基金项目：国家自然科学基金，湖南省自然科学基金资助项目，长沙市自然科学基金资助项目基于人工神经网络的甲烷富氧燃烧机理优化[
期刊论文]动力工程学报--2024, 44(4)黄章俊徐通何洪浩孙刘涛田红李新卓采用带误差传播的直接关系图法、全物种敏感性分析和人工神经网络(ANN)联合方法,以点火延迟时间和CO摩尔分数为优化目标,通过对甲烷富氧燃烧详细机理USCmech2.0的简化和优化,提出了基于人工神经网络的甲烷富氧燃烧优化机...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于人工神经网络的甲烷富氧燃烧机理优化Mechanism Optimization for Methane Oxygen-enriched Combustion Based on Artificial Neural Network
基于人工神经网络的甲烷富氧燃烧机理优化.pdf
页:
[1]