基于深度学习的烟气温度和CO2浓度在线检测
周颖1
娄春1
马晓春2
1.华中科技大学能源与动力工程学院煤燃烧国家重点实验室,武汉 4300742.新疆维吾尔自治区计量测试研究院,乌鲁木齐 830011
摘要：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.
关键词：燃烧火焰CO2在线检测红外光谱分析多层感知器气体温度
分类号：TQ53(煤化学及煤的加工利用)TK114(热能、热力工程)
资助基金：国家重点研发计划(2022YFB4100700)
论文发表日期：2024-08-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 50-57 )
英文信息