基于人工神经网络和复合形法的低温甲醇洗模拟与优化研究

摘要

本文利用人工神经网络与复合形法相结合，实现了装置参数的优化，达到系统节能及优化操作。研究工作表明：1.ANN(人工神经网络)应用于低温甲醇洗系统的模拟是成功的，其模型能作为“黑箱”模型，代替模拟软件的严格模型。2.复合形法用于低温甲醇洗系统的关键工艺条件的优化是可行的，将ANN训练的模型结构作为一个约束方程可大大简化优化问题并节省机时。本文针对实际问题，具体问题具体分析，提出了生产工厂扩产节能及优化操作的改造方案。也为同类问题的解决提供了理论研究方法和实际实施的具体策略。

目录

文摘

英文文摘

论文说明：符号说明

北京化工大学学位论文原创性声明

1前言

2文献综述

2.1低温甲醇洗工艺简介

2.2低温甲醇洗系统的优化

2.2.1最优化方法

2.2.2多目标决策

2.3人工神经网络在化工领域的应用

2.3.1人工神经网络发展的概述

2.3.2人工神经网络在化工领域中的应用

3原装置设计工况和实际工况的模拟

3.1数学模型及计算策略说明

3.1.1流程回路物流的切割与收敛方法

3.1.2多元多级分离设备的计算方法

3.1.3热力学性质的计算

3.1.4基本议程组的求解

3.1.5闪蒸、混合、节流、冷凝（加热）器单元模拟算法

3.1.6其它单元的模拟算法

3.2原设计工况的模拟分析

3.3实际工况的模拟分析

4低温甲醇洗系统的优化

4.1人工神经网络模型的确定—BP(Back Propagation)网络

4.1.1 BP算法的优点

4.1.2 BP算法及改进的快速学习算法

4.1.3 B-P人工神经网络的学习环境

4.1.4 ANN法对低温甲醇洗系统的培训

4.2复合形法与ANN结合对低温甲醇洗系统的优化

4.2.1优化问题的提出

4.2.2多目标优化问题的处理

4.2.3复合形法

4.2.4低温甲醇洗系统的优化

4.2.5分析与结论

5结论

参考文献

附录

致谢