本文關(guān)鍵詞：醋酸乙烯合成過(guò)程建模與中溫尋優(yōu)

  更多相關(guān)文章： 醋酸乙烯 合成過(guò)程 中溫尋優(yōu) RBF神經(jīng)網(wǎng)絡(luò) 遺傳算法

【摘要】：醋酸乙烯是應(yīng)用非常廣的化工產(chǎn)品,全球消耗量很大,對(duì)于企業(yè)來(lái)說(shuō)如何降低消耗,生產(chǎn)更多醋酸乙烯是有意義的。本課題的目的是找到醋酸乙烯合成過(guò)程的最佳中溫,使醋酸乙烯產(chǎn)量提高。由于現(xiàn)場(chǎng)缺少必要的檢測(cè)設(shè)備來(lái)反映合成的過(guò)程,所以通過(guò)構(gòu)建合成反應(yīng)的數(shù)學(xué)模型來(lái)模擬反應(yīng)過(guò)程。分析醋酸乙烯合成過(guò)程影響醋酸乙烯合成的因素,本課題加入觸媒活性這一關(guān)鍵影響因素,使所建模型能反映真實(shí)的合成反應(yīng)。比較幾種常用的建模算法,課題選用RBF神經(jīng)網(wǎng)絡(luò)對(duì)合成反應(yīng)建模,由于中心向量和寬度選取的隨機(jī)性,傳統(tǒng)的RBF神經(jīng)網(wǎng)絡(luò)不能滿足論文的建模需求。中心向量和寬度選取的問(wèn)題,本課題引入遺傳算法,充分利用遺傳算法全局尋優(yōu)能力,找到適應(yīng)度最高的中心向量和寬度,再利用最小二乘法計(jì)算出隱含層到輸出層的權(quán)值,建立遺傳-RBF神經(jīng)網(wǎng)絡(luò)模型。解決傳統(tǒng)RBF神經(jīng)網(wǎng)絡(luò)時(shí)中心向量和中心寬度的選取影響泛化能力的問(wèn)題。最后仿真證明建立的遺傳-RBF神經(jīng)網(wǎng)絡(luò)模型有較強(qiáng)的函數(shù)擬合能力和更小的誤差。尋找醋酸乙烯合成反應(yīng)的最佳中溫時(shí),本課題采用遺傳算法。利用已經(jīng)建立好的數(shù)學(xué)模型作為遺傳算法尋優(yōu)過(guò)程的性能指標(biāo),經(jīng)過(guò)遺傳迭代后找出適合當(dāng)時(shí)反應(yīng)條件下的最佳中溫,并計(jì)算出最佳溫度下的時(shí)空收率,計(jì)算并比較優(yōu)化前后的兩組數(shù)據(jù)差值作為證明。
【關(guān)鍵詞】：醋酸乙烯 合成過(guò)程 中溫尋優(yōu) RBF神經(jīng)網(wǎng)絡(luò) 遺傳算法
【學(xué)位授予單位】：河北科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TQ225.13;TP18
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-13
• 1.1 課題研究背景及意義9-10
• 1.2 醋酸乙烯合成過(guò)程優(yōu)化研究現(xiàn)狀10-11
• 1.3 RBF神經(jīng)網(wǎng)絡(luò)參數(shù)尋優(yōu)研究現(xiàn)狀11
• 1.4 論文組織結(jié)構(gòu)11-13
• 第2章 醋酸乙烯合成反應(yīng)分析13-19
• 2.1 VAC合成過(guò)程工藝介紹13-15
• 2.2 合成反應(yīng)影響因素分析15-18
• 2.3 本章小結(jié)18-19
• 第3章 基于RBF神經(jīng)網(wǎng)絡(luò)的合成反應(yīng)建模19-33
• 3.1 人工神經(jīng)網(wǎng)絡(luò)19-23
• 3.1.1 神經(jīng)網(wǎng)絡(luò)概述19-20
• 3.1.2 RBF神經(jīng)網(wǎng)絡(luò)20
• 3.1.3 RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)20-23
• 3.2 算法選取23-28
• 3.3 基于RBF神經(jīng)網(wǎng)絡(luò)醋酸乙烯合成反應(yīng)建模28-32
• 3.3.1 神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)28-29
• 3.3.2 RBF神經(jīng)網(wǎng)絡(luò)模型的建立29-32
• 3.4 本章小結(jié)32-33
• 第4章 基于遺傳算法與RBF神經(jīng)網(wǎng)絡(luò)的合成反應(yīng)建模33-45
• 4.1 遺傳算法33-35
• 4.1.1 遺傳算法的基本概念33-35
• 4.1.2 遺傳算法的基本流程35
• 4.2 RBF神經(jīng)網(wǎng)絡(luò)與遺傳算法的結(jié)合35-38
• 4.2.1 算法結(jié)合的分析35-38
• 4.3 基于遺傳算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)38-43
• 4.3.1 遺傳算法對(duì)隱含層的優(yōu)化38-40
• 4.3.2 遺傳算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的步驟40
• 4.3.3 遺傳算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)仿真的結(jié)果及分析40-43
• 4.4 本章小結(jié)43-45
• 第5章 基于遺傳算法的合成反應(yīng)中溫尋優(yōu)45-54
• 5.1 參量尋優(yōu)的方案46-47
• 5.2 遺傳算法參量尋優(yōu)步驟47-48
• 5.3 遺傳迭代過(guò)程與結(jié)果48-49
• 5.4 最優(yōu)參量的仿真驗(yàn)證49-52
• 5.5 本章小結(jié)52-54
• 結(jié)論54-56
• 參考文獻(xiàn)56-60
• 攻讀碩士學(xué)位期間所發(fā)表的論文60-62
• 致謝62

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 樹(shù)生;醋酸乙烯價(jià)格持續(xù)上漲[J];江蘇化工;2000年08期

2 ;醋酸乙烯供需基本平衡[J];應(yīng)用科技;2000年07期

3 錢惠;;醋酸乙烯衍生物生產(chǎn)與市場(chǎng)分析[J];精細(xì)化工原料及中間體;2011年05期

4 ;生產(chǎn)醋酸乙烯的方法[J];乙醛醋酸化工;2013年04期

5 ;利用反應(yīng)熱制備醋酸乙烯的過(guò)程[J];乙醛醋酸化工;2013年02期

6 ;日本醋酸乙烯的，

本文編號(hào)：779147