循环流化床烟气脱硫(CFB-FGD)技术是一项新型半干法烟气脱硫工艺,能在较低的钙硫比情况下接近或达到湿法工艺的脱硫效率。具有脱硫产物易于处理、设备占地面积小、运行可靠、操作维护方便、投资费用低等优点。本文首先介绍了CFB-FGD的机理和工艺现状。通过对CFB-FGD机理及工艺的分析得知,循环灰的多次循环利用大大提高了循环流化床烟气脱硫效率。目前对物料循环的具体作用过程的研究还不是很清晰,因此循环灰利用率的测量有利于进一步的研究循环流化床烟气脱硫工艺,并且实现循环流化床烟气脱硫系统的优化控制。目前很少有关于循环灰中脱硫剂所起的作用研究的文献,本文为进一步的研究循环流化床脱硫过程中循环灰所起到的作用,研究了循环灰利用率的软测量方法。辅助变量的选择对软测量模型的建立有着至关重要的作用,本文主要对循环灰利用率的影响因素进行了详细的分析,通过详细的机理分析来选择合适的变量做辅助变量。选择了喷水量、新鲜脱硫剂量、循环灰量、入口烟气浓度、入口烟气流量、入口烟气温度这六个变量做模型的辅助变量。研究了粒子群优化算法,引入了线性减小惯性权重和收缩因子,提出了改进粒子群优化算法(MPSO)。结合MPSO算法与梯度下降法,将MPSO算法的全局搜索能力和径向基函数神经网络(RBF)局部优化的高效性相融合,克服了普通PSO算法收敛的不稳定性和RBF网络易陷入局部极小值的缺点,建立了RBF神经网络的MPSO-RBF混合优化算法。将训练后的RBF神经网络应用于循环灰利用率的软测量模型中,实现循环灰利用率的软测量,仿真实验结果表明,基于RBF神经网络的软测量模型具有较高的精度、较好的性能和良好的应用前景。