Pour assurer un contrôle raisonnable du débit de circulation des particules, nous avons étudié l'impact de paramètres de contrôle tels que la vitesse de fluidisation du lit à bulles, la vitesse totale du lit rapide et le rapport de ventilation, la hauteur de la couche calme du lit à bulles, le diamètre moyen des particules sur le débit de circulation des particules dans le système de lit fluidisé à double circulation que nous avons construit nous-mêmes. Sur la base de trois algorithmes d'optimisation des poids différents, tels que l'algorithme de momentum supplémentaire, l'algorithme Levenberg-Marquardt et l'algorithme génétique, nous avons construit un modèle d'optimisation du réseau neuronal BP et comparé l'erreur entre les valeurs prédites du modèle et les valeurs réelles. Les résultats de l'étude montrent que le débit de circulation des particules est peu affecté par les variations de la vitesse de fluidisation du lit à bulles; le débit de circulation des particules augmente avec l'augmentation du rapport de ventilation, de la vitesse totale du lit rapide et du lit à bulles, ainsi que de la hauteur de la couche calme, et diminue avec l'augmentation du diamètre moyen des particules; basée sur l'optimisation génétique du réseau neuronal BP, l'erreur moyenne lors des tests sur les échantillons est de 0,4365%, l'écart-type est de 0,0641, les valeurs prédites concordent avec les valeurs expérimentales, ce qui fait du modèle de réseau neuronal BP un meilleur choix.

lit fluidisé à double circulation; débit de circulation; paramètres de contrôle; optimisation des poids; modèle de réseau neuronal BP; algorithme génétique; algorithme AM; algorithme LM