SEARCH

SEARCH BY CITATION

Keywords:

  • spout-fluidised bed;
  • minimum spout-fluidised velocity;
  • support vector machine;
  • adaptive genetic algorithm;
  • cross-validation

Abstract

The experiments were carried on to study the minimum spout-fluidised velocity in the spout-fluidised bed. It was found that the minimum spout-fluidised velocity increased with the rise of static bed height, spout nozzle diameter, particle density, particle diameter, fluidised gas velocity but decreased with the rise of carrier gas density. Based on the experiments, least square support vector machine (LS-SVM) was established to predict the minimum spout-fluidised velocity, and adaptive genetic algorithm and cross-validation algorithm were used to determine the parameters in LS-SVM. The prediction performance of LS-SVM is better than that of the empirical correlations and neural network.

Les expériences ont été réalisées pour étudier la vitesse jaillissante de fluidisation minimale dans le lit fluidifié jaillissant et on a découvert que la vitesse jaillissante de fluidisation minimale augmentait avec la hausse de la hauteur du lit statique, le diamètre de la buse, la densité des particules, le diamètre des particules et la vitesse du gaz fluidisé, mais diminuait avec la hausse de la densité du gaz vecteur. En se fondant sur les expériences, une machine de vecteur à support LS-SVM a été établie pour prédire la vitesse jaillissante de fluidisation minimale; de plus, un algorithme génétique adaptatif et un algorithme de validation croisée ont été utilisés pour déterminer les paramètres dans la LS-SVM. Le rendement de prédiction de la machine de vecteur à support LS-SVM est meilleur que celui des corrélations empiriques et du réseau neuronal.