陶瓷料漿噴霧干燥時,噴霧干燥塔內(nèi)高溫氣流與陶瓷料漿進行短暫且充分接觸,陶瓷顆粒濕分快速干燥,傳熱傳質(zhì)過程復雜,是一個非線性、滯后嚴重,以及溫度場、濕度場、速度場等多場相互耦合的氣液固多相流相變系統(tǒng),另外由于干燥過程短暫迅速,很難對其內(nèi)部進行觀察,因此噴霧干燥最終制備出來的顆粒質(zhì)量（含水率、粒徑分布等）難以得到保證,陶瓷企業(yè)通常需要對噴霧干燥設備進行24小時監(jiān)測,防止各項參數(shù)的改變影響到顆粒質(zhì)量變化,參數(shù)的調(diào)節(jié)多依靠經(jīng)驗缺乏模型指導,而且關(guān)于顆粒質(zhì)量檢測多是離線法滯后嚴重,實時監(jiān)測的設備在陶瓷企業(yè)應用不廣還存在一定的局限性,針對以上問題,建立能在實際工況下對顆粒質(zhì)量進行預測的陶瓷工業(yè)噴霧干燥智能模型顯得尤為重要,一方面能在保證質(zhì)量的前提下提供噴霧干燥各項參數(shù)指導,另一方面能實時預測顆粒質(zhì)量指標,使其滿足生產(chǎn)需求避免廢料的產(chǎn)生,降低能源的浪費。為此,本課題基于人工神經(jīng)網(wǎng)絡、智能算法等人工智能理論,探析陶瓷工業(yè)噴霧干燥過程傳熱傳質(zhì)機理及影響顆粒質(zhì)量因素,構(gòu)建了陶瓷工業(yè)噴霧干燥BP神經(jīng)網(wǎng)絡模型,同時為提高該模型的預測精度,引入了改進飛蛾撲火優(yōu)化（IMFO）算法對模型進行優(yōu)化,實現(xiàn)對陶瓷顆粒多個... 

【文章來源】：景德鎮(zhèn)陶瓷大學江西省

【文章頁數(shù)】：83 頁

【學位級別】：碩士

【部分圖文】：

陶瓷工業(yè)噴Fig.2-1Schematicdiagramofspray整個噴霧干燥系統(tǒng)主要的能耗就是對

景德鎮(zhèn)陶瓷大學碩士學位論文2陶瓷工業(yè)噴霧干燥過程及人工神經(jīng)網(wǎng)絡分析12圖2-3混流式噴霧干燥塔熱量收支圖Fig.2-3Heatbudgetdiagramofmixed-flowspraydryingtower表2-1噴霧干燥系統(tǒng)熱量傳遞Tab.2-1Heattransferinspraydryingsystem輸入系統(tǒng)的熱量inQ輸出系統(tǒng)的熱量outQ原料表面水分帶入的熱量1q原料干燥完帶出的熱量1o原料水分蒸發(fā)后顆粒帶入的熱量2q噴霧塔向外散熱量2o空氣帶入的熱量3q加熱設備耗熱量3o加熱器加熱空氣帶入的熱量4q廢氣帶出的余熱4o輸入噴霧干燥系統(tǒng)的熱量：(1)原料表面水分帶入的熱量原料在進入噴霧干燥系統(tǒng)中，其表面被液膜所濕潤，因此這部分液膜攜帶的熱量，即inwwtcmq1(2-2)式中：wm—水分的蒸發(fā)量，kg/hwc—水的比熱容，4.19kJ/(kg·℃)int—原料進入噴霧干燥塔的溫度，℃(2)原料水分蒸發(fā)后顆粒帶入的熱量原料在干燥的過程中，大部分自由水被蒸發(fā)后，此時的原料可以看成是絕干物料和部分水分混合組成，帶入的熱量為inwnout])1([trcrcsq112(2-3)式中：outs—離開干燥設備的物料，kg/h

值和激活函數(shù)等有關(guān)。實際上人工神經(jīng)網(wǎng)絡是將思考判斷的過程抽象成數(shù)學模型，使其也具備一定的和人腦相似的處理復雜問題的能力。人工神經(jīng)網(wǎng)絡模型種類繁多，根據(jù)結(jié)構(gòu)的不同有前饋神經(jīng)網(wǎng)絡和反饋神經(jīng)網(wǎng)絡。前饋神經(jīng)網(wǎng)絡是將本層接收到的信息，通過計算輸出到下一層，數(shù)據(jù)正向流動不具備反饋環(huán)節(jié)，一般前饋神經(jīng)網(wǎng)絡由輸入層、隱含層和輸出層組成，其中輸入層接收外界輸入不進行函數(shù)處理，中間層為隱含層對數(shù)據(jù)進行加工，最終結(jié)果由輸出層輸出，在一定程度上隱含層越多能處理的問題就越復雜，因其能學習到更多的特征信息，如圖2-4所示為多層前饋神經(jīng)網(wǎng)絡模型。圖2-4多層前饋神經(jīng)網(wǎng)絡模型Fig.2-4Multi-layerfeedforwardneuralnetworkmodel反饋神經(jīng)網(wǎng)絡，神經(jīng)元輸出不僅和前一層的輸入有關(guān)，還和之前層的輸入有關(guān)使得各層神經(jīng)元之間形成反潰人工神經(jīng)網(wǎng)絡由于其仿人腦的神經(jīng)網(wǎng)絡構(gòu)造使其具備一些特性，第一：并行性，神經(jīng)網(wǎng)絡是由眾多功能單一的神經(jīng)元所構(gòu)成，但是由于處理信息是并行且結(jié)構(gòu)也是并行的，因此在遇到問題能快速做出判斷和處理，提高效率。第二：非線性，神經(jīng)元在接收輸入后,通過激活函數(shù)輸出到其它神經(jīng)元，神經(jīng)元在網(wǎng)絡中相互影響和抑制，因此具備了可以建立非線性函數(shù)關(guān)系。第三：較強的自適應和自學習性，人工神經(jīng)網(wǎng)絡是通過對外部數(shù)據(jù)的學習改變自身參數(shù)，另外還能調(diào)整結(jié)構(gòu)強化學習能力，能實現(xiàn)輸入到輸出的關(guān)系建立，而不是依靠經(jīng)驗來判斷關(guān)系。第四：較好的容錯性，由于模型數(shù)據(jù)并不是存儲在單個神經(jīng)元中，而是整個神經(jīng)網(wǎng)絡系統(tǒng)，因此對于數(shù)據(jù)不完整等情況，具有較好的容錯性。正是由于神經(jīng)網(wǎng)絡

【參考文獻】：
期刊論文
[1]基于廣義反向?qū)W習的自適應約束差分進化算法[J]. 吳文海,郭曉峰,周思羽,劉錦濤.  西北工業(yè)大學學報. 2019(05)
[2]基于IPSO-RELM轉(zhuǎn)爐冶煉終點錳含量預測模型[J]. 張壯,曹玲玲,林文輝,孫建坤,馮小明,劉青.  工程科學學報. 2019(08)
[3]BP神經(jīng)網(wǎng)絡結(jié)合遺傳算法優(yōu)化玫瑰茄火龍果固體飲料工藝條件[J]. 鐘旭美,陳銘中,莊婕,陳勇,劉家靖,楊紫褀.  食品與發(fā)酵工業(yè). 2019(19)
[4]基于IABC-RBF神經(jīng)網(wǎng)絡的地下水埋深預測模型[J]. 邵光成,章坤,王志宇,王小軍,盧佳.  浙江大學學報(工學版). 2019(07)
[5]基于改進型BP神經(jīng)網(wǎng)絡的導引頭測高性能評估[J]. 何華鋒,何耀民,徐永壯.  系統(tǒng)工程與電子技術(shù). 2019(07)
[6]催化裂化催化劑噴霧干燥過程CFD模型[J]. 秦婭,呂廬峰,侯栓弟.  石油煉制與化工. 2019(03)
[7]陶瓷工業(yè)煙氣余熱利用技術(shù)[J]. 康建喜.  陶瓷. 2019(02)
[8]噴霧干燥比能耗模型仿真與參數(shù)分析[J]. 金熹,楊海東,李洪丞,朱成就.  計算機仿真. 2019(01)
[9]基于產(chǎn)率優(yōu)化的全蛋粉噴霧干燥數(shù)學模型[J]. 程方圓,周學永,劉艷美,A.H.Rajasab.  食品與機械. 2019(01)
[10]基于人工神經(jīng)網(wǎng)絡模型預測油炸外裹糊魚塊的丙烯酰胺含量[J]. 單金卉,陳季旺,劉言,王海濱,夏文水,熊幼翎.  食品科學. 2019(16)

碩士論文
[1]飛蛾捕焰優(yōu)化算法在引水工程安全監(jiān)測模型中的應用研究[D]. 魏晉晉.合肥工業(yè)大學 2019
[2]基于改進蝙蝠算法的噴霧干燥塔能效優(yōu)化[D]. 林健通.廣東工業(yè)大學 2019
[3]基于焓平衡的陶瓷噴霧干燥工藝能耗建模及優(yōu)化[D]. 金熹.廣東工業(yè)大學 2018
[4]基于神經(jīng)網(wǎng)絡和蟻群算法的木材干燥過程含水率預測研究[D]. 孫禹.東北林業(yè)大學 2018
[5]油田高含鹽污水噴霧干燥的數(shù)值模擬研究[D]. 王菁菁.中國科學院大學(中國科學院工程熱物理研究所) 2017
[6]干法制粉在陶瓷外墻磚生產(chǎn)中的應用探討[D]. 李鳳嬌.華南理工大學 2015
[7]噴霧干燥熱質(zhì)傳遞特性研究[D]. 胡洪.南京師范大學 2011



本文編號：3047818