《表1 实验条件：基于LSTM神经网络的流化床干燥器内生物质颗粒湿度预测》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于LSTM神经网络的流化床干燥器内生物质颗粒湿度预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验控制的参数主要有两个：入口空气的温度和体积流量，表1给出了实验进行的九组工况。图3所示为其中三种工况下生物质颗粒湿度变化曲线，可见不同工况下生物质颗粒的干燥过程存在明显差异，并且入口空气体积流量越大，温度越高时，生物质颗粒的干燥速率越快。图4所示为工况E3下静电电极A-1、A-2和A-3分别在流化初始阶段和平稳流化状态时的静电信号。在初始流化阶段，由于生物质颗粒湿度较大，流化床内存在沟流现象，使得生物质颗粒并未正常流化，加上此时静电荷的耗散严重，干燥开始阶段的静电传感器阵列的输出信号非常微弱[22]。在运行一段时间后，沟流现象消失，进入平稳流化状态。相应地，随着流化进程逐渐进入平稳流化状态后，颗粒湿度逐渐减小。由于颗粒的运动，静电信号波动的幅值较大。静电信号特性与固体颗粒湿度存在明显的对应关系。