混合物临界性质的数学模型研究与计算

摘要

混合物临界性质的计算与预测不但有重要的理论意义而且有重要的应用价值.传统的混合物临界性质计算与预测模型或是求解过程非常复杂,或是基于经验关联方法,难以适应工程计算的需要.为了克服传统计算与预测模型的缺点,该文提出了以下三个改进的混合物临界性质的计算与预测模型.首先,为了能够比较准确地描述临界状态流体的热力学性质,该文在原PR状态方程的基础上,以描述硬球体系最为精确的Carnahan-Starling硬球状态方程替代PR状态方程的斥力项,提出了改进的CS-PR状态方程.该文应用改进的CS-PR方程结合Gibbs严格热力学判据的严格解析方法,对二元混合物的临界性质进行了计算.计算结果表明,改进的CS-PR状态方程在混合物的临界性质计算方面比原来的PR状态方程的计算精度有较大的提高,而且保留了PR状态方程形式简单的优点,这说明CS-PR方程在混合物的临界性质计算方面是对原PR方程的一次较为成功的改进.为进一步提高计算的精度并降低计算的复杂度,该文分别应用以启发式学习算法、BFGS算法和Levenberg-Marquardt算法改进学习算法的BP网络对二元混合物的临界性质进行计算与预测.以物系一组有代表性的几个组成点的临界性质作为训练样本对改进的BP网络进行训练,然后应用训练好的网络来预测该物系其它组成点的临界性质.Van Konynenberg-Scott相图分类中各种类型物系临界性质计算结果表明,该方法的计算精度比传统方法有非常大的提高,而且实现比较简便.上述两种方法需要物系临界性质的一组实验数据才能预测其它组成点的临界性质,这对于缺乏实验数据的物系是不适用的.因此,该文从决定物质热力学性质的分子间相互作用机理出发,提出了基于分子间相互作用参数的二元混合物临界性质预测的BP网络模型.把对二元混合物临界性质影响最大的各纯组分的临界性质、摩尔分数、分子量、偏心因子和极化率等参数作为输入参数,把混合物的临界性质作为期望输出,以若干组物系输入参数和对应的临界性质作为训练样本对网络进行训练,并用训练好的网络对其它相近类型物系的临界性质进行了预测,得到了比较令人满意的结果.

目录

文摘

英文文摘

1综述

1.1混合物临界性质的研究进展

1.1.1混合物临界性质计算的热力学模型

1.1.2二元混合物临界相图的分类

1.2状态方程的研究进展

1.2.1理论状态方程

1.2.2半经验半理论状态方程

1.3人工神经网络简介

1.3.1人工神经元的结构

1.3.2人工神经网络分类及工作方式

1.3.3人工神经网络应用研究

1.4本论文的主要工作

1.5本论文的框架结构

2混合物临界性质计算的严格解析方法

2.1 CS-PR状态方程的提出

2.2状态方程参数的确定

2.2.1参数a,b的确定

2.2.2温度校正系数ψ的确定

2.3混合规则

2.4 Gibbs严格热力学判据

2.5 CS-PR方程结合Gibbs判据的公式推导

2.6计算方法

2.7计算结果及分析

3混合物临界性质预测的BP网络模型

3.1 BP网络的基本结构

3.1.1前馈网络

3.1.2 BP网络的理论基础

3.1.3 BP算法的实现

3.1.4网络的训练模式

3.2 BP网络学习算法的改进

3.2.1基于梯度优化算法的改进方案

3.2.2基于数值优化算法的改进方案

3.3 BP网络的泛化能力分析

3.3.1样本特性的影响

3.3.2网络本身特性的影响

3.4基于函数逼近的BP网络预测模型

3.4.1网络结构及参数

3.4.2样本的选择

3.4.3启发式学习算法

3.4.4 BFGS学习算法

3.4.5 Levenberg-Marquardt学习算法

3.4.6各方案结果对比分析

3.5基于分子间作用参数的BP网络预测模型

3.5.1分子间的相互作用

3.5.2预测模型

3.5.3网络结构及参数

3.5.4样本的选择

3.5.5基于BFGS算法的BP网络

3.5.6基于L-M算法的BP网络

3.5.7两种方案结果对比分析

3.5.8结论

4参考文献

5索引

硕士期间发表论文及获奖情况

致谢

大连理工大学学位版权使用授权书