基于吉布斯自由能最小化法煤气化反应器模型开发及应用

本研究开发的煤气化专有模块集成了煤气化的热解过程与气化过程模型。根据热解模型计算得到煤热解后的组成,基于吉布斯自由能最小化的原理构建平衡模型,采用Rand法将有平衡约束的最优化问题转换为无约束的最优化问题,简化煤气化过程模型的求解方法,得到煤气化反应产物的组成,并以煤气化工业数据为例,检验开发的煤气化模型的准确性。基于开发的煤气化反应器模型,考察了煤浆浓度和氧煤比对气化产品组成的影响。结果表明,当煤浆体积分数为52.5%~65.5%时,有效气体体积分数由71.6%增加至81.2%;当氧煤比由491增大到560时,有效气体体积分数增大至最大值77.75%后又逐渐减小。有效气体体积分数随着煤浆浓度增大而增大,随着氧煤比浓度增大呈先增大后减小趋势。开发的煤气化专有模块对煤气化过程的模拟结果准确可靠,具有重要的实用价值。

基于分离因数法的简捷炼油塔模型开发及应用

简捷炼油塔模型在炼油厂生产调度实际应用具有重要作用,但传统简捷模型不符合实际的假设,无法反映产品蒸馏曲线的真实非线性性质。本研究开发出一种基于分离因数的简捷炼油塔模型。首先,针对炼油塔分离过程,利用组分分离程度与沸点之间关系,将炼油塔分离过程简化为连续分离单元,合理地提高模型的非线性程度。其次,模型可以满足给定切割点或产率两种模式计算,基于切割温度或产率、分离因数等参数,采用割线算法迭代求解,较好地模拟在产品切割点附近组分不完全分离过程。最后,通过常减压过程实例进行模型验证,主要工艺指标计算值与实际值相对偏差均在5%以内,证明开发的模型能够较好地模拟炼油塔生产过程。

LSSVM过程建模中超参数选取的梯度优化算法

基于结构风险最小的最小二乘支持向量机(least squares support vector machine,LSSVM)为标准支持向量机(SVM)的约简,训练简易,性能良好。其模型精度受超参数影响,常规的网络搜索法很难搜得最佳超参数。在快速留一法的基础上,以全样本留一预测误差平方和最小化为目标,导出基于梯度的最优化算法,用以优选为LSSVM超参数,进而构建G-LSSVM模型。以柠檬酸发酵过程为算例对G-LSSVM进行检验,结果表明G-LSSVM的超参数选取耗时少,模型稳定性良好,且拟合和预报性能都优于标准SVM和神经网络。有望适用于机理不明、高度非线性、小样本的化工过程建模。

基于核函数的非线性分类相关分析及其在化学模式识别中的应用

与统计分析和神经网络相比,基于结构风险最小的支持向量机有更好的分类性能。它用于非线性分类时,先将样本映射到更高维的特征空间,往往会增加复共线性与冗余信息,将影响样本分布,降低线性支持向量机分类器(LSVC)的预测性能。本研究提出非线性分类相关分析算法 (NLCCA),利用核函数技术,无需了解非线性映射的算式,从特征空间的样本映像中提取分类相关成分,以消除冗余信息,改善样本分布。由此构建的NLCCA LSVC集成分类器具有优良的预测性能。经模拟数据的测试,并实际用于两个复杂的化学模式识别问题,均取得令人满意的效果,也印证了算法的有效性。

LS-SVM模型在线校正的替代法及其软测量应用

软测量技术是现代化工过程控制系统的重要组成部分,化工过程的时变性要求软测量模型及时进行在线校正,以适应新工况,保持模型的预测精度。基于矩阵计算理论,提出了最小二乘支持向量机模型在线校正的替代法,它无需重新训练,校正速度快。通过分析还提出以距离标准选择被替代个体,可提高预测精度。将该法用于某炼油厂常压塔塔顶汽油干点的软测量,效果良好,表明该法可以克服工况变化对模型预测精度的影响。

基于CCA对LSSVM分类器的稀疏化

为了对分类最小二乘支持向量机实施有效的稀疏化,以提高分类速率,采用分类相关分析算法,按序提取样本核矩阵的全部分类相关成分,并依据样本核矩阵各列与分类相关成分的相关性,对训练集所有个体按分类的重要性排序,进而可选取最重要的部分个体作为支持向量,并将其余非支持向量的信息转移至支持向量,以提高支持向量的分类表达能力.由此构建一种新的稀疏型最小二乘支持向量机CS-LSSVM,并将其应用于多个模式分类的实际问题.测试结果表明,CS-LSSVM稀疏性很强,且保持了标准LSSVM的分类性能,还可直接适用于多类问题.

非均相共沸精馏法分离2-氯乙醇-水

以环己烷、甲苯和1,2-二氯乙烷为候选共沸剂,采用非均相共沸精馏法从2-氯乙醇/水共沸物中分离出高浓度2-氯乙醇产品。通过ASPEN物性分析功能研究了不同共沸剂与2-氯乙醇/水体系形成共沸物的情况,并根据三元相图进行了过程的概念设计。在此基础上,通过ASPEN模拟和优化了采用不同共沸剂的分离过程的工艺条件,并以年度总费用最小为依据选择了甲苯为共沸剂,此时最优工艺条件为:共沸塔总理论板数为20块塔板,进料位置在第8块塔板,回流比为2;脱水塔总理论板数为30块塔板,进料位置在第20块塔板,回流比为1.5。在此工艺条件基础上进行了实验,结果表明2-氯乙醇产品纯度可达到99%以上,且回收率在93.5%,实验结果与模拟结果能较好吻合,文中的研究可为2-氯乙醇-水分离的工业化提供参考。

最小二乘支持向量机分类器的高稀疏化及应用

为减少训练完毕之后的最小二乘支持向量机的分类计算量,借鉴神经网络的快速剪枝策略,提出了一种新的稀疏化算法:HS-LSSVM。它在主成分分析基础上,筛选出样本子集作为支持向量,它们既包含较多核函数矩阵信息,又相互独立性强,具有较好的代表性。算法将其余个体的信息转移至支持向量上,在实现高度稀疏化的同时,良好地保持了LSSVM的分类性能,并能适用于多类问题。对多个分类问题的测试表明,HS-LSS-VM具有稀疏率高,分类性能强,且稀疏化速度较快等优点。

Gibbs-Duhem方程与前传网的集成方法及其在汽液相平衡中的应用

提出了以Gibbs-Duhem方程为基架,引入前传网,由此将机理方程与神经网络这两种不同类的方法相集成,用以求解化工热力学的汽液相平衡问题,以克服经典的机理方法或单一神经元方法的欠缺与不足。将这种集成方法应用于恒温、恒压二元体系,由液相组成确定汽相组成,效果良好。应用实例表明该法计算简便,预测精度高,且稳定性好,显示出胜于两种单一方法的优越性。

与机理杂交的支持向量机为发酵过程建模

针对生物发酵过程机理复杂、高度非线性的特点, 采用基于结构风险最小的支持向量机为发酵过程建模,其算法规范, 建模复杂度低于神经网络方法, 所建模型的预测效果更好. 还将生化过程的动力学机理与支持向量机相结合, 采用串联和串并联结构, 提出与机理杂交的支持向量机建模方法, 并为间歇式酒精发酵过程中酵母菌体浓度变化建立了预测模型. 原理分析与试验结果表明与机理杂交的支持向量机建模方法, 相比于单一近似的动力学模型、单一的支持向量机模型, 以及机理杂交的神经网络模型, 它的预测精度高, 泛化能力强, 性能更为优越.

焦炉余热综合利用研究进展

煤炭是我国主要化石能源,大力发展煤化工具有重要的战略意义,而煤焦化作为煤化工领域的一种重要技术得到了广泛的应用。目前的煤焦化技术耗能巨大,除高温干馏所需能量和炉体散热外,其余绝大多数能量最终转换成红焦显热、烟道气余热和荒煤气余热等待回收的热量。充分回收焦化厂所产生大量余热是当前煤焦化技术的研究重点。本文简述了以上3种形式热量的回收技术研究进展,指出干熄焦技术发展已日趋成熟,可回收大部分红焦显热;采用煤调湿技术、热管技术等可基本实现烟道气余热的高效回收;而回收荒煤气所带高温余热尚未形成成熟、可靠、规模化的技术方案。青岛科技大学开发的基于洗涤精馏的荒煤气余热回收技术,可彻底去除荒煤气中所夹带的焦粉,实现煤气、重质焦油与高沸点洗油的分离,并产生43.5kg高压蒸汽,是解决集中式热量回收的新思路,指出了荒煤气余热利用的新方向。

界面性能对单向碳纤维/环氧复合材斜弯曲疲劳性能的影响

研究了界面改性对单向碳纤维增强复合材料疲劳性能的影响。通过以碳酸氢氨为电解质的阳极氧化和以马来酸酐为溶质进行的低温等离子体处理对碳纤维表面进行改性,观察交变载荷下复合材料界面性能退化和疲劳损伤规律。发现良好的界面粘接可以提高复合材料的抗疲劳性能,但是过强的界面粘接反而导致复合材料疲劳性能的下降。只有当材料具有合适强弱的界面时,才具有较好的疲劳性能。

基于双权M-估计子的鲁棒数据校正新方法

准确可靠的测量数据是实现装置过程控制、模拟、优化和生产管理的前提条件,而通过仪表测量获取的过程数据中可能存在过失误差,直接影响数据校正的准确性,现有的数据校正方法不能完全有效地避免过失误差的影响。根据双权M-估计的原理,今以相对残差为变量构造了一种新型的具有强鲁棒性的目标函数,使含有过失误差的变量对函数的贡献为一常数,从而避免了过失误差对数据校正过程的影响。选取了具有代表性的一个线性问题和一个非线性问题进行实例研究,并与现有的Huber法和Cauchy法进行了对比分析。计算结果表明,对线性系统和非线性系统,新方法的过失误差侦破性能均优于Huber法和Cauchy法,且其稳定性更高。因此,在进行数据校正时应首选新方法。

基于二次规划的炼化设备泄漏诊断技术研究

石油化工生产过程的设备泄漏会带来严重的安全隐患和环境污染问题,而现有的设备泄漏检测主要是应用专业的泄漏监视仪器,增加了生产投资成本和维护成本。应用基于人工智能的生产数据分析技术对炼化设备泄漏诊断进行了研究,在不增加专业设备检测仪器的前提下,根据对炼化过程数据及过程约束条件的分析,将泄漏诊断问题转化为一个连续非线性规划问题,应用二次规划法对过程设备泄漏进行监测,并对泄漏项惩罚权重提出了自适应赋值式,从而可准确的对泄漏点进行定位,最后通过一个仿真实例验证了算法的有效性。

高档汽车修补漆用溶剂型丙烯酸树脂开发

对合成出高光泽高丰满度汽车修补面漆用溶剂型丙烯酸树脂的方法进行阐述分析,并通过对相对分子质量、玻璃化温度、羟值、酸值等指标的设计来合成出达标树脂。改变单体和引发剂的种类与用量以及合成反应的温度等因素是控制相关指标的重要途径,建立了丙烯酸树脂合成的小试装置,并通过理论计算和正交试验获得了最优合成材料和工艺条件。

常用过程数据校正技术

现有的数据校正方法种类繁多,实际应用时难以选择合理的方法。研究了常用的多组分过程数据校正方法,如线性化法、Crowe投影矩阵法和QR正交分解法,对比分析了其原理及方法步骤,并进行了实例数据校正和性能评价。研究结果表明QR分解法精度较高,计算容易实现,因此实际应用时应首选QR分解法。

化工过程稳态检验方法的应用研究

稳态检验在化工过程质量控制、数据校正、过程优化及模拟应用等方面起着重要的作用。研究了置信度法和滤波法的原理及步骤,并在探讨滤波系数、区间长度影响的基础上,将其应用于实例过程稳态检验。结果表明,滤波法比MTE法计算量小,且检验能力较高,但两者均可用于过程数据的稳态检验。

基于改进恒热传输模型的精馏模拟初始化

为提高复杂精馏塔模拟的收敛性能,改进了一种恒热传输模型,以将其拓展到复杂精馏塔中,并基于此提出了一种新的通用精馏模拟初始化方法。通过简单计算,所提出方法即可较好地估计复杂精馏塔的温度、流量以及组成沿塔板的分布。通过两个实际精馏分离过程案例,验证了所提出的初始化方法,并与经典初始化方法进行比较。结果表明,所提出初始化方法与经典初始化方法耗时相近,但所获初始分布与最终模拟结果更为接近,从而有效减少了模拟迭代次数,而对于难收敛的非理想体系精馏过程模拟,基于该方法也可以获得收敛。

模拟退火粒子群算法在化工过程综合中的应用

将一种模拟退火粒子群算法应用于化工过程综合。由于粒子群算法后期进化速度变慢,并易陷入局部极值点,本研究将模拟退火思想应用到粒子群算法中,通过Me-tropolis准则提高粒子跳出局部极值的能力,并在降温过程中加快了算法后期的进化速度。模拟退火粒子群算法在换热器设计实例和反应器网络综合问题中的应用结果表明,该算法的性能较粒子群算法有了较大改善,同时也表明该算法用于求解化工过程综合问题是可行和有效的。