多產(chǎn)異構(gòu)烷烴的催化裂化工藝技術（MIP）是催化裂化的家族工藝,這種工藝的反應器為兩段反應器,這種設計使得油品質(zhì)量得以改善。此工藝可以最大化生產(chǎn)異構(gòu)烷烴,在降低催化汽油烯烴的同時保證了汽油辛烷值基本不發(fā)生變化。本文建立了MIP裝置汽油產(chǎn)率預測模型并利用改進的遺傳算法進行汽油產(chǎn)率優(yōu)化。汽油產(chǎn)率預測模型基于廣義回歸神經(jīng)網(wǎng)絡（GRNN）和Adaboost算法,包含16個輸入變量和1個輸出變量。輸入變量反映了原料油的性質(zhì)、催化劑性質(zhì)和操作條件,輸出變量為汽油產(chǎn)率,汽油產(chǎn)率預測的均方誤差為0.44。本文利用改進的遺傳算法搜尋在原料性質(zhì)和加工量固定的條件下的最優(yōu)汽油產(chǎn)率及其對應的四個操作變量的數(shù)值。四個操作變量分別為：回煉比、劑油比、第二段提升管反應器出口溫度和原料預熱溫度。本文建立的預測模型的預測精度較高,優(yōu)化結(jié)果符合工藝經(jīng)驗。本文建立的汽油產(chǎn)率預測模型的預測能力以及遺傳算法的優(yōu)化結(jié)果證實了神經(jīng)網(wǎng)絡和智能優(yōu)化算法在催化裂化裝置產(chǎn)品預測、優(yōu)化中的適用性,也為進一步的工業(yè)應用提供了有益的經(jīng)驗。 

【文章來源】：華東理工大學上海市 211工程院校 教育部直屬院校

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【部分圖文】：

摻渣比變化趨勢圖

回練比變化趨勢圖

劑油比變化趨勢圖

【參考文獻】：
期刊論文
[1]基于灰色關聯(lián)度的道路貨運影響因素分析[J]. 李敏,劉瑞娟,郭萌潔.  交通財會. 2016(01)
[2]GA輔助BP神經(jīng)網(wǎng)絡預測催化裂化裝置汽油產(chǎn)率[J]. 張忠洋,李澤欽,李宇龍,李國慶.  石油煉制與化工. 2014(07)
[3]催化裂化催化劑技術的應用與發(fā)展[J]. 徐亮,李永洲,李營.  化工管理. 2014(14)
[4]GRNN與BPNN的函數(shù)逼近性能對比研究[J]. 丁碩,常曉恒,巫慶輝.  現(xiàn)代電子技術. 2014(07)
[5]基于GABP算法的化工設備設計人工時預測[J]. 戴健偉,吉華,楊崗,樊剛,王彬.  計算機集成制造系統(tǒng). 2013(07)
[6]MIP-DCR工藝技術的開發(fā)與工業(yè)應用[J]. 龔劍洪,許友好,蔡智,謝恪謙.  石油煉制與化工. 2013(03)
[7]催化裂化催化劑的發(fā)展歷程及研究進展[J]. 張春蘭,陳淑芬,張遠欣.  石油化工應用. 2013(02)
[8]AdaBoost算法研究進展與展望[J]. 曹瑩,苗啟廣,劉家辰,高琳.  自動化學報. 2013(06)
[9]智能優(yōu)化算法的比較與改進[J]. 王夢蘭.  中國水運. 2012(12)
[10]催化裂化預提升技術概況[J]. 劉斯.  中國石油和化工標準與質(zhì)量. 2012(14)

博士論文
[1]智能優(yōu)化方法及其應用研究[D]. 鐘一文.浙江大學 2005
[2]用遺傳/模擬退火算法進行具有多流股換熱器的換熱網(wǎng)絡綜合[D]. 魏關鋒.大連理工大學 2003

碩士論文
[1]種群規(guī)模對遺傳算法性能影響的研究[D]. 劉曉霞.華北電力大學（河北） 2010
[2]遺傳算法在函數(shù)優(yōu)化中的應用研究[D]. 金芬.蘇州大學 2008
[3]BP神經(jīng)網(wǎng)絡算法改進及應用研究[D]. 黃麗.重慶師范大學 2008
[4]模擬退火算法的原理及算法在優(yōu)化問題上的應用[D]. 龐峰.吉林大學 2006
[5]模擬退火算法的研究及其應用[D]. 馮玉蓉.昆明理工大學 2005
[6]廣義回歸神經(jīng)網(wǎng)絡和遺傳算法研究及其在化工過程建模中的應用[D]. 郝鑫.浙江大學 2004



本文編號：2980978