PSO-BP神经网络在船舶二级脱硝系统中的应用
Ship Engineering（2019）
摘要
采用选择性催化还原脱硝(SCR-DeNOx)技术实现船舶柴油机氮氧化物(NOx)减排.根据SCR反应机理,在MATLAB中搭建一级SCR脱硝系统和二级SCR脱硝系统模型;对仿真结果进行对比,结果显示加入二级脱硝系统能使脱硝率得到提高.鉴于BP神经网络的预测精度较低,将粒子群优化(PSO)算法加入到BP权值训练过程中,利用PSO-BP神经网络预测SCR-DeNOx系统出口处NOx的浓度.结果 表明:PSO-BP神经网络不仅能预测SCR-DeNOx系统出口处NOx的浓度,而且能提高预测结果的精度,为有效控制喷氨量、降低氨气逃逸量提供帮助.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要