ニューラルネットワークを用いた粉末汚泥溶融炉におけるコークス消費量の推算 Prediction of Coke Consumption in a Melting Furnace for the Disposal of Dried Sewage Sludge by Use of a Neural Network Model

この論文にアクセスする

この論文をさがす

著者

抄録

本研究では, コークス充填層型汚泥溶融炉の効率を向上させるため開発された粉末汚泥溶融プロセスにおけるコークス消費量を推定できるニューラルネットワークモデルを構築し, 溶融炉の安定かっ自動操業への適用を試みた。さまざまな操作条件および測定データをもとに, ネットワークを学習させ, ネットワークパラメータ, たとえばネットワークの層数, 中間層のユニット数, 結合係数, および学習回数などを決定した。複雑な炉内現象を解析できる3次元数学モデルの構築に要する時間に比べてニューラルネットワークモデルの学習・解析にかかる時間はきわめて短く, 簡易かつ迅速に結果が得られる。また, 本研究では開発したネットワークモデルの認識能力を評価するため, ネットワークモデルによる結果は数学的モデルの結果および実際の測定結果とを対比した。その結果, ニューラルネットワークモデルは, 比較的正確にコークスの消費量を予測できるので, 操業条件および各センサーから得られた情報をもとに, 実炉のコークス消費量の推定および供給の自動制御に適用できることがわかった。さらに, 開発したネットワークモデルを用いて炉の溶融効率に強く影響を及ぼす操業条件についても検討した。

A Neural Network (NN) based on back-propagation algorithm is proposed to predict the coke consumption in a melting furnace, and to control the coke charge automatically. This new-type melting furnace with pulverized dried sludge injection has been developed to enhance the performance of the conventional coke bed melting furnace. Numerous operating conditions and measured data of bench-scale experiments are used as learning data to determine the network architecture and parameters. It should be noted that there is a significant drop in the computing time to implement the network model and perform simulation using the network model compared with the mathematical model. The results predicted by the network model are in reasonable agreement with the actual measurement data and the results by the mathematical model, suggesting the effectiveness and applicability of this model to predict the performance of melting furnace and to control the coke charge automatically. In addition, the network model is utilized to investigate the influence of such operating conditions as the sludge charge rate on performance of the bench-scale melting furnace.

収録刊行物

  • 廃棄物学会論文誌  

    廃棄物学会論文誌 7(3), 133-141, 1996-05-31 

    Japan Society of Material Cycles and Waste Management

参考文献:  3件

参考文献を見るにはログインが必要です。ユーザIDをお持ちでない方は新規登録してください。

各種コード

  • NII論文ID(NAID)
    10002472387
  • NII書誌ID(NCID)
    AN10414685
  • 本文言語コード
    ENG
  • 資料種別
    ART
  • ISSN
    1883-1648
  • データ提供元
    CJP書誌  J-STAGE 
ページトップへ