[发明专利]基于BP神经网络的静电除尘器中磁场效应预测方法

权利要求书

1.一种基于BP神经网络的静电除尘器中磁场效应预测方法，其特征在于，包括以下步骤：

1)在建立了流场、电磁场和颗粒动力场相互耦合的数学模型基础上，分析以上三个场域的作用机理；

2)对磁场环境下高温线板式ESP中PM2.5的除尘性能进行数值模拟；

3)利用BP神经网络模型对不同工作电压下的静电除尘器除尘效率进行预测；

所述的在建立了流场、电磁场和颗粒动力场相互耦合的数学模型基础上，分析以上三个场域的作用机理具体包括：外加磁场机理分析过程，温度机理分析过程和多场耦合分析过程；

所述的外加磁场机理分析过程具体为：

在二维静电除尘器中施加与静电除尘器电场的方向垂直纸面向内的磁感应强度；

假设在极线上施加正高压，电场力的方向是指向收尘板，这时在正离子向收尘板运动过程中与尘粒相碰，并附着于粉尘颗粒上使其荷正电，荷电粒子由于受到电场力作用朝收尘极方向做抛物线运动；

加入磁场后，带电粉尘颗粒由于受到电场力和洛伦兹力联合作用作螺旋运动，延长了荷电颗粒在ESP中停留时间，改变荷电颗粒与收尘板的碰撞方向，将使得颗粒物更易被收尘极捕获。

2.根据权利要求1所述的方法，其特征在于，所述的温度机理分析过程具体为：

温度是影响静电除尘性能的重要因素之一，通过烟气密度影响影响流场，通过烟气粘度改变颗粒的运动速度进而影响颗粒动力场；

温度通过扩散荷电的影响作用于电磁场，扩散荷电Q_diff表示为：

式中，ε₀为真空介电常数，8.854×10^-12F/m；K₀为波尔兹曼常数，1.38×10^-23J/K；D_i为颗粒粒径，μm；q_e为电子荷电量1.6×10^-19C；N₀为单位体积内平均离子数密度；t为颗粒在电场中运动的时间，s；m_ion为离子质量，kg；T为温度。

3.根据权利要求1所述的方法，其特征在于，所述的多场耦合分析过程具体为：

静电除尘器的内部场量有流场、颗粒动力场、电磁场和温度场，其耦合关系是：电磁场通过离子风影响流场，电磁场通过电场力和洛伦兹力影响颗粒动力场；流场通过离子对流反作用于电磁场，通过空气动力拖曳力和离子风力作用于颗粒动力场；颗粒动力场通过空间电荷来影响电磁场的分布，通过气-固两相耦合作用于流场；

温度场通过烟气密度影响影响流场，通过烟气粘度改变颗粒的运动速度进而影响颗粒动力场，利用其对扩散荷电的影响作用于电磁场

4.根据权利要求1所述的方法，其特征在于，所述的利用BP神经网络模型具体为：

采用传统的BP神经网络预测模型来预测PM2.5捕集性能，设定隐层节点数为6，目标误差为10^-3，学习率为0.01，迭代步数为5000次。