用于催化颗粒燃烧的三分支人工神经网络系统的应用
Karol Postawa1, Błażej Gaze2, Bernard Knutel2
1Faculty of Chemistry, Wrocław University of Science and Technology, Gdańska 7/9, 50-344, Wrocław, Poland.
Journal of environmental management
|July 10, 2024
概括
这项研究研究了回流炉中的催化系统,以减少燃烧生物质颗粒产生的排放. 基于的催化剂显示出最有前途的效果,减少了超过19%的排放.
科学领域:
- 环境科学 环境科学
- 化学工程是化学工程的重要组成部分.
- 材料科学 材料科学 材料科学
背景情况:
- 国际努力的重点是减少能源系统的排放,但来自生物质燃烧等来源的低堆排放是显著的.
- 生物燃料,包括生物质颗粒,是减轻环境影响的关键战略.
- 在生物质颗粒燃烧过程中最大限度地减少温室气体,尘埃和污染物,需要创新的解决方案.
研究的目的:
- 评估回炉中催化系统在减少生物质颗粒燃烧排放方面的有效性.
- 研究和选定的金属氧化物作为固体催化剂对减排的影响.
- 开发和训练一个人工神经网络 (ANN) 来预测最佳的催化剂性能.
主要方法:
- 在回转炉中放置的和金属氧化物催化剂 (,铜) 的实验分析.
- 使用实验数据构建和训练一个分支的人工神经网络.
- 用任意测试数据验证ANN的预测准确性.
主要成果:
- 实验数据表明,根据颗粒生物质,或铜氧化物是有效的催化剂.
- 经过训练的ANN实现了高精度,平均误差为3.54%.
- 该ANN将以为基础的催化剂确定为优越的催化剂,有可能将排放量减少提高19%以上.
结论:
- 催化系统,特别是以为基础的催化系统,为减少生物质颗粒燃烧的排放提供了一个重要的途径.
- 人工神经网络可以准确预测催化剂性能,并指导催化剂选择以实现最佳的排放控制.
- 根据特定的生物质颗粒类型量身定制催化剂选择对于最大限度地提高环境效益至关重要.
更多相关视频
07:58Improving the Combustion Performance of a Hybrid Rocket Engine using a Novel Fuel Grain with a Nested Helical Structure
Published on: January 18, 2021
5.9K
11:28Biomass Conversion to Produce Hydrocarbon Liquid Fuel Via Hot-vapor Filtered Fast Pyrolysis and Catalytic Hydrotreating
Published on: December 25, 2016
26.4K
