000003359 001__ 3359
000003359 005__ 20190219123706.0
000003359 020__ $$a978-84-691-7194-3
000003359 037__ $$aTESIS-2009-064
000003359 041__ $$aspa
000003359 1001_ $$aPallarés Ranz, Javier
000003359 24500 $$aPredicción de inquemados en cenizas en calderas de carbón pulverizado. Análisis y evaluación de estrategias de operación.
000003359 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2008
000003359 300__ $$a314
000003359 500__ $$aPresentado: 05 02 2008
000003359 502__ $$aTesis-Univ. Zaragoza$$bZaragoza, Universidad de Zaragoza$$c2008
000003359 506__ $$aby-nc-nd$$bCreative Commons$$c3.0$$uhttps://creativecommons.org/licenses/by-nc-nd/3.0/
000003359 520__ $$aEl sistema de predicción de inquemados desarrollado en esta Tesis tiene la misma estructura que los llamados modelos cinéticos de combustión avanzados; sin embargo, obtiene la descripción fluidodinámica y térmica por medio de simulaciones CFD. Para resolver el handicap del alto coste computacional, se ha implementado un sistema de redes neuronales que reproduce las soluciones obtenidas con el código CFD. Además, el sistema de redes neuronales permite interpolar para diferentes condiciones, dando lugar a un sistema de predicción de inquemados que cubre todo el rango de operación de una planta de combustión convencional.
000003359 520__ $$aThe predictive system developed in this Thesis has the same structure as the so-called combustion kinetics models, however, it obtains the fluid and thermal description through CFD simulations. To solve the handicap of the high computational cost needed to run a CFD simulation, a neural network system is used to reproduce the solutions given by the CFD code. Moreover, a neural network system permits to interpolate in the range of variation used during the training stage, and thus, a predictive system covering the whole operational range of the plant is obtained. $$aThe predictive system developed in this Thesis has the same structure as the so-called combustion kinetics models, however, it obtains the fluid and thermal description through CFD simulations. To solve the handicap of the high computational cost needed to run a CFD simulation, a neural network system is used to reproduce the solutions given by the CFD code. Moreover, a neural network system permits to interpolate in the range of variation used during the training stage, and thus, a predictive system covering the whole operational range of the plant is obtained.
000003359 6531_ $$aInquemados en cenizas
000003359 6531_ $$aModelización combustión de carbon
000003359 6531_ $$aCFD
000003359 6531_ $$aRedes neuronales
000003359 700__ $$aArauzo Pelet, Inmaculada$$edir.
000003359 7102_ $$aUniversidad de Zaragoza$$bIngeniería Mecánica
000003359 8560_ $$fzaguan@unizar.es
000003359 8564_ $$s10079560$$uhttps://zaguan.unizar.es/record/3359/files/TESIS-2009-064.pdf$$zTexto completo (spa)
000003359 8564_ $$s4138248$$uhttps://zaguan.unizar.es/record/3359/files/TESIS-2009-065.pdf$$zFulltext (eng)
000003359 909CO $$ooai:zaguan.unizar.es:3359
000003359 909co $$ptesis
000003359 909CO $$pdriver
000003359 9102_ $$aMáquinas y motores térmicos$$bIngeniería Mecánica
000003359 980__ $$aTESIS