粒子循環流量の合理的な制御を実現するために、自作のダブルサーキュレーティング流動化床システムでバブルベッドの流動化風速、高速ベッド全風速と配風比、バブルベッドの静止層の高さ、平均粒径などの制御パラメータが粒子循環流量に与える影響を研究し、追加モーメントアルゴリズム、Levenberg-Maraquardtアルゴリズム、遺伝アルゴリズムという3種類の異なる重み最適化アルゴリズムを基に、BPニューラルネットワーク最適化モデルを構築し、モデルの予測値と実際の値の誤差を比較した。 研究結果から、粒子循環流量はバブルベッドの流動化風速の変化の影響を受けにくいことが分かった。 粒子循環流量は高速ベッドの風比、総風速、バブルベッドの静止層の高さの増加とともに増加し、平均粒径が大きくなるに従い減少する。 遺伝アルゴリズム最適化のBPニューラルネットワークをテストサンプルに対して平均誤差は0.4365％で、標準偏差は0.0641であり、予測値と実験値との比較が一致し、優れたBPニューラルネットワークモデルである。

ダブルサーキュレーティング流動化床；流量；制御パラメータ；重み最適化；BPニューラルネットワークモデル；遺伝アルゴリズム；AMアルゴリズム；LMアルゴリズム