Dynamic Model Construction of an Industrial Flue Gas Recirculation (FGR) Furnace for Real-Time NOx Emission Control
Notice bibliographique
Résumé
Flue gas recirculation is one of the most effective ways to reduce nitric oxides (NOx) emission in conventional industrial furnaces. To design an effective control scheme, one has to understand the dynamic relationships among different furnace inputs and outputs. This paper concentrates on the construction of such dynamic models for an industrial furnace using numerical simulations and frequency domain system identification techniques. The numerical simulations are based on the conservation equations of mass, momentum, and energy. The inputs to the furnace consist of the pressure head of the flue gas recirculation fan, the temperature of the combustion air, and the flow rate of the combustion air. The outputs considered herein are NOx and oxygen (O2) concentrations. To obtain a dynamic model for this multi-input and multi-output system, low amplitude sinusoidal signals of different frequencies are administrated at the furnace input. The dynamic relationships among the inputs and outputs at these frequencies are established in terms of frequency responses (magnitude and phase) around a particular furnace operating point. These frequency responses are further processed by a least squares based system identification technique to convert them to a set of parametric models. The result of the system identification is a set of the transfer functions with the order ranging from 3rd to 6th. Studies have been carried out to verify the validity of these dynamic models by comparing the responses generated from these models with those obtained from the full-scale numerical solution. These dynamic models provide a starting point for the design of realtime optimal feedback control systems for minimizing NOx emission.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».