基于PSO-BP神经网络的水焦浆管道压降预测

被引：25

作者：

马修元

段钰锋

刘猛

李华锋

机构：

[1] 东南大学能源与环境学院

来源：

中国电机工程学报 | 2012年 / 32卷 / 05期

关键词：

水焦浆; 压降; 壁面滑移; 神经网络; 粒子群优化算法;

D O I：

10.13334/j.0258-8013.pcsee.2012.05.005

中图分类号：

TQ517.4 [液体燃料];

学科分类号：

摘要：

在小型浆体流动试验系统上采用4根不同管径的直管考察水焦浆的阻力特性。水焦浆在管内流动存在壁面滑移效应,具有滑移减阻现象,压降预测需要进行壁面滑移修正。利用粒子群优化算法(particle swarm optimization,PSO)对BP神经网络进行改进,建立考虑5因子影响因素后的水焦浆管道输送压降PSO-BP神经网络预测模型;采用神经网络预测模型对水焦浆在管道输送中的压降进行了预测,并将预测值与试验值进行比较。结果表明:粒子群优化算法改进的神经网络模型可以有效预测水焦浆在管道输送过程中的压降,预测值与试验值之间误差较小,平均绝相对误差不超过10%。

引用

页码：54 / 60

页数：7

共 12 条

[1] 石油焦的成浆性及水焦浆的流变性和稳定性 [J].

高夫燕 ;

刘建忠 ;

王传成 ;

虞育杰 ;

程军 ;

张彦威 ;

周俊虎 ;

岑可法 .

化工学报, 2010, 61 (11) :2912-2918

[2] 改进粒子群算法对BP神经网络的优化 [J].

沈学利 ;

张红岩 ;

张纪锁 .

计算机系统应用, 2010, 19 (02) :57-61

[3] 壁面滑移条件下水煤浆的流动阻力和减阻特性 [J].

陈良勇 ;

段钰锋 ;

刘猛 ;

赵长遂 .

中国电机工程学报, 2010, 30 (05) :41-48

[4] 浓度对水煤浆壁面滑移和流变特性的影响 [J].

陈良勇 ;

段钰锋 ;

赵国华 ;

刘猛 .

中国电机工程学报, 2008, (20) :48-54

[5] 垂直管道中浆体摩阻损失的神经网络研究 [J].

赵利安 .

管道技术与设备, 2005, (01) :17-18+21

[6] 人工神经网络在水平管道浆体输送浮游界限速度中的应用 [J].

李伟 ;

许振良 ;

甘正旺 .

管道技术与设备, 2005, (01) :15-16

[7] 用人工神经网络法研究管道中浆体摩阻损失 [J].

韩旭 ;

张奇志 ;

佟庆理 .

矿冶工程, 1997, (01) :7-10

[8] Maximum solid concentrations of coal water slurries predicted by neural network models [J].

Cheng, Jun ;

Li, Yanchang ;

Zhou, Junhu ;

Liu, Jianzhong ;

Cen, Kefa .

FUEL PROCESSING TECHNOLOGY, 2010, 91 (12) :1832-1838

[9]

Development of an artificial neural network correlation for prediction of hold-up of slurry transport in pipelines[J] . S.K. Lahiri,K.C. Ghanta.Chemical Engineering Science . 2007 (6)

[10]

Application of particle swarm optimisation in artificial neural network for the prediction of tool life[J] . U. Natarajan,V. M. Periasamy,R. Saravanan.The International Journal of Advanced Manufacturing Technology . 2007 (9)

← 1 2 →