System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術實現步驟摘要】
本專利技術屬于回轉窯多物理現象仿真,具體是基于人工智能推理的回轉窯多物理現象數值仿真方法。
技術介紹
1、回轉窯是新型干法水泥燒結系統的核心裝備,回轉窯內火焰溫度、火焰長度、供風量、物料液相量對物料運動等都會對熟料的質量有很大影響。由于回轉窯內溫度極高,最高溫度能達到1800℃左右,且氣體含塵量大,當前沒有很好的實驗監測手段能夠監測回轉窯運行時內部物料運動、熟料煅燒中化學反應、顆粒增大情況;也就是說,工業中回轉窯內部對于科研設計人員還是“黑匣子”;
2、為了弄清回轉窯內部溫度分布、物料運動情況與化學反應,數值模擬是當前科研人員使用最廣泛、最經濟的方法。
3、公開號為cn117875097a的專利公開了一種利用comsol建立了回轉窯鋁灰處理仿真模擬方法,該方法建立二維軸對稱幾何模型。其次根據回轉窯的部件體對于幾何模型區域進行劃分。然后設置材料參數、邊界值、初始參數,并進行網格劃分。最后計算求解,得到回轉窯鋁灰處理仿真結果。
4、公開號為cn112380738a的專利公開了一種水泥回轉窯燃燒場重構誤差補償與優化方法、存儲介質及系統。該方法首先建立水泥回轉窯數值仿真模型,提取數值仿真數據并利用神經網絡獲取燃燒效率與邊界條件之間的關系,提取燃燒效率的特征參數,利用提取的特征參數作為誤差補償建模,采用在線優化算法對水泥回轉窯現場進行誤差補償重構,實現在線實時優化。
5、公告號為cn106570244b的專利公開了一種建立水泥回轉窯內的一維數學模型,該一維數學模型包括傳熱模型、料床運動模型和
6、目前,現有技術主要集中于單一現象的仿真,無法有效模擬實際操作中回轉窯3維多物理場、化學現象的相互作用;基于此,提供一種解決方案。
技術實現思路
1、本專利技術旨在至少解決現有技術中存在的技術問題之一;為此,本專利技術提出了基于人工智能推理的回轉窯多物理現象數值仿真方法。
2、基于人工智能推理的回轉窯多物理現象數值仿真方法,該方法具體包括如下步驟:
3、步驟一:利用cad軟件繪制回轉窯3d幾何文件,進行網格劃分,采集回轉窯的窯頭溫度、窯頭壓強、窯尾溫度、窯尾壓強、進煤量、一次風速風溫、二次風速風溫、窯尾尾氣中各成分的含量數據,定義邊界條件;
4、步驟二:進行數值仿真模型搭建,數值仿真模型基于歐拉雙相流基本模型,其余模型將會在歐拉雙相流模型上搭建,歐拉雙相流基本模型包括連續性方程、動量方程、能量方程三大基本方程;
5、在數值仿真模型中添加子模型,子模型包括:
6、煤粉燃燒仿真模型,用于仿真煤粉燃燒的全過程;
7、多相流傳動與傳熱仿真模型,用于仿真回轉窯內部灼燒料顆粒運動規律與熱交換規律;
8、熟料煅燒仿真模型,用于仿真在物料傳動、傳熱、傳質行為下灼燒料內部礦物成分的演化情況;
9、顆粒增長仿真模型,用于仿真灼燒料煅燒過程中,顆粒增大,影響灼燒料顆粒運動規律與熱交換規律的情況;
10、污染物生成仿真模型,用于分析整個過程中生成的污染物情況;
11、完成回轉窯3d數值仿真模型的搭建。
12、與現有技術相比,本專利技術的有益效果是:
13、本申請基于歐拉多相流方程的基礎上,在此添加傳熱模型、化學動力學反應模型、顆粒增長模型、化學反應模型等,建立能夠準確模擬回轉窯內氣固兩相流運動、燃燒、nox生成、熟料煅燒、顆粒增長等多物理化學現象的三維數值模型;并引入長短時記憶神經網絡搭建ai模型,使用ai模型預測模型后半段工況,加快仿真速度,實現回轉窯長時間仿真。
本文檔來自技高網...【技術保護點】
1.基于人工智能推理的回轉窯多物理現象數值仿真方法,其特征在于,該方法具體包括如下步驟:
2.根據權利要求1所述的基于人工智能推理的回轉窯多物理現象數值仿真方法,其特征在于,在進行完步驟二之后還需進行下述步驟:
3.根據權利要求1所述的基于人工智能推理的回轉窯多物理現象數值仿真方法,其特征在于,歐拉雙相流模型共三相,具體為:
4.根據權利要求3所述的基于人工智能推理的回轉窯多物理現象數值仿真方法,其特征在于,歐拉-歐拉雙相流連續性方程為:
5.根據權利要求1所述的基于人工智能推理的回轉窯多物理現象數值仿真方法,其特征在于,
6.根據權利要求1所述的基于人工智能推理的回轉窯多物理現象數值仿真方法,其特征在于,采用步驟二搭建完的數值仿真模型計算回轉窯模擬的前500s后,導出回轉窯全場速度場、溫度場、三相氣固組分場數據;
7.根據權利要求1所述的基于人工智能推理的回轉窯多物理現象數值仿真方法,其特征在于,進行回轉窯內流場復雜時序特征的低維表征與特征分析的具體過程為:
8.根據權利要求1所述的基于人工智能
9.根據權利要求1所述的基于人工智能推理的回轉窯多物理現象數值仿真方法,其特征在于,借助長短時記憶神經網絡學習長期依賴信息的具體方式為:
...【技術特征摘要】
1.基于人工智能推理的回轉窯多物理現象數值仿真方法,其特征在于,該方法具體包括如下步驟:
2.根據權利要求1所述的基于人工智能推理的回轉窯多物理現象數值仿真方法,其特征在于,在進行完步驟二之后還需進行下述步驟:
3.根據權利要求1所述的基于人工智能推理的回轉窯多物理現象數值仿真方法,其特征在于,歐拉雙相流模型共三相,具體為:
4.根據權利要求3所述的基于人工智能推理的回轉窯多物理現象數值仿真方法,其特征在于,歐拉-歐拉雙相流連續性方程為:
5.根據權利要求1所述的基于人工智能推理的回轉窯多物理現象數值仿真方法,其特征在于,
6.根...
【專利技術屬性】
技術研發人員:水沛,褚彪,王廣,殷騰飛,余正東,
申請(專利權)人:合肥水泥研究設計院有限公司,
類型:發明
國別省市:
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。