Um die Effizienz und Aktivität des Katalysators unter festen Betriebsbedingungen zur Entstickung von Abgasen durch die selektive katalytische Reduktion (SCR) vorherzusagen, analysiert dieser Artikel die Zusammenhänge zwischen den Prozesseigenschaften und den geometrischen und physikalisch-chemischen Eigenschaften des Katalysators. Unter Verwendung einer Korrelationsmatrixanalyse, einer Hauptkomponentenanalyse (PCA) zur Vereinfachung der Eingangsparameter wurde ein verbessertes Vorhersagemodell des neuronalen Netzwerks vorgeschlagen. Nach dem Training eines großen Datenvolumens wurde ein Vorhersagemodell des neuronalen Netzwerks PCA-LMBP für die Effizienz und Aktivität der Entstickungskatalysatoren erstellt, und dieses Modell wurde zur Simulation von Vorhersagen der tatsächlichen Messdaten verwendet. Die Vorhersageergebnisse im Vergleich zu den tatsächlichen Werten zeigen, dass das Vorhersagemodell des neuronalen Netzwerks PCA-LMBP eine hohe Genauigkeit aufweist und für Leistungstests von Abgasentstickungskatalysatoren, Qualitätskontrolle und verbundene technische Dienstleistungen informativ ist.

SCR: Abgasentstickung; Katalysator; Hauptkomponentenanalyse; neuronales Netzwerk LMBP; Entstickungseffizienz; technologische Eigenschaften; Aktivität