论文部分内容阅读
气化炉内是高温(一般均超过1 050℃)、高压(约6.0 MPa)、强腐蚀环境,并伴随着高强度的气流冲刷,使得测温元件高温热电偶的工作寿命很短,无法对气化炉炉膛温度进行实时监测;通过变量选择、数据采集与处理并采用BP神经网络法和RBF神经网络法分别建立气化炉炉膛温度软测量模型,并进行效果验证;误差对比分析表明,基于RBF神经网络法建立的炉膛温度软测量模型能够有效指导气化操作和化工生产。