醋酸甲酯水解工艺研究

在聚乙烯醇(PVA)生产过程中,会产生大量的醋酸甲酯副产品,需水解回收甲醇。现在普遍使用的离子交换树酯固定床工艺存在很多缺点,如:单程转化率低,大量未反应的醋酸甲酯需回收循环,设备庞大,能耗高等。本研究采用催化精馏工艺,阳离子交换树脂为催化剂,考察空速、进料水酯比(摩尔比)和回流进料比(体积比)对反应精馏过程的影响;通过实验,提出适宜的操作条件。     

醋酸甲酯水解催化反应精馏模拟

采用非平衡级速率模型对醋酸甲酯水解过程进行了模拟计算，考察了进料水酯比、回流进料比等对醋酸甲酯水解率及塔釜醋酸浓度的影响，得到了优化的工艺条件。     

醋酸甲酯水解催化反应精馏模拟及工业化试验

采用非平衡级速率模型对醋酸甲酯水解过程进行了模拟计算,考察了水酯比、回流进料比等对醋酸甲酯水解率及塔釜醋酸浓度的影响,得到了下一阶段工业化试验的工艺条件,为工业化生产提供了技术支持.并在年产35kt聚乙烯醇(PVA)生产装置中采用新型立体传质塔板(CTST)反应精馏塔板,进行了醋酸甲酯水解反应精馏塔的工业化试验.通过工业化试验,确定了生产的工艺条件:醋酸甲酯进料8m3·h-1,水酯比3.0,回流进料比3.0,转化率达75%左右.并且模拟结果和试验结果吻合较好.     

人工神经网络在半水盐酸帕罗西汀溶解度预测中的应用

溶解度的测定与预测对于多晶型体的晶体生长和结晶过程中的多晶型控制至关重要.利用激光监视装置,首次测得了半水盐酸帕罗西汀在不同溶剂体系中的溶解度,共计308组数据;采用多参数人工神经网络模型,随机选取308组数据中的184组数据进行人工神经网络的训练,考察了不同隐含层节点数对神经网络训练效果的影响,得到了优化后的人工神经网络模型,利用剩余的124组数据对优化后的模型进行检测,平均预测误差小于0.7％.预测结果表明,优化后的人工神经网络模型可以胜任半水盐酸帕罗西汀溶解度预测的任务.     

带侧采的醋酸甲酯催化精馏水解新工艺

本文建立了带侧线采出的醋酸甲酯催化精馏水解新工艺,通过实验研究了进料中水酯摩尔比、回流进料体积比、空速等对醋酸甲酯水解率的影响。与不带侧线采出的催化精馏工艺进行了比较,在同样工艺条件回流比较大情况下,带侧采的催化精馏水解工艺醋酸甲酯水解率明显提高。     

反应精馏法制备醋酸甲酯的研究

以醋酸、甲醇为原料,以浓硫酸为催化剂,对反应精馏法制备醋酸甲酯的过程进行了实验研究。着重考察了回流比、进料中醋酸摩尔分率、塔板数及混酸进料位置等因素对反应转化率和塔顶产品中醋酸甲酯含量的影响,并得出最佳的工艺条件。     

醋酸甲酯水解新工艺过程模拟计算

本文利用已有的热力学、水解反应动力学模型以及现有催化填料的基础数据,提出了醋酸甲酯水解工艺新流程,采用催化精馏塔代替老工艺中的固定床水解反应器,分析新工艺中各塔的进料位置、回流比等灵敏度参数确定了新工艺的优化操作参数。通过全流程模拟优化,得到了各塔较佳的操作参数,在优化操作条件下醋酸甲酯总水解率达到100%,甲醇和醋酸质量浓度分别为99.97%与95.00%,为醋酸甲酯催化精馏水解新工艺的工业应用提供了基础数据。     

醋酸甲酯水解催化精馏过程的模拟计算

采用非平衡级速率模型对醋酸甲酯水解的催化精馏中试过程进行了模拟计算,考察了回流进料比、进料水酯比和酯进料位置等的变化对醋酸甲酯水解率的影响, 不仅证实了中试实验所得的结论,还获得了难以通过实验取得的结果.     

精对苯二甲酸生产中副产物醋酸甲酯催化精馏水解研究

在间歇搅拌釜反应器中考察了不同强酸性阳离子交换树脂催化醋酸甲酯水解效果的影响,选择Amberlyst 35型阳离子交换树脂为水解催化剂.建立了催化精馏实验装置,反应段采用捆扎包装填方式,考察了塔结构、进料水酯比、回流进料比和空速对催化精馏效果的影响.结果表明,催化精馏水解合适的条件为醋酸甲酯从反应段底部进料,水从反应段顶部进料,反应段6块理论板,提馏段5块理论板,空速0.36 h-1,进料水酯物质的量比5,回流进料体积比3,醋酸甲酯的水解率可以达到61.6%.使用Aspen Plus软件对醋酸甲酯催化精馏水解过程进行模拟,模拟值和实验值吻合较好.     

管壳式换热器ANN静态预测最优结构分析

采用人工神经网络技术(ANN)对连续螺旋折流板换热器的沿程压降进行了辨识及预测,开发了4-3-1型人工神经网络结构及计算程序,人工神经网络的预测结果与实验数据良好.通过固定网络结构,讨论了训练与预测样本比例对网络性能的影响;在网络结构及训练与预测样本比例不变的情况下,讨论隐含层节点对网络性能的影响,对人工神经网络进行了优化计算和分析.计算结果表明:随着学习样本数据的增多,预测精度变高,但是同时由于预测样本变少,神经网络模型的泛化能力变弱;ANN选取的隐含层节点数不能过多,否则会导致训练过度,节点数也不能太少,否则精度会降低.     

醋酸甲酯和甲醇热集成变压精馏分离工艺模拟与优化

基于对醋酸甲酯与甲醇二元共沸特性的分析,提出热集成变压精馏分离醋酸甲酯和甲醇的工艺. 利用Aspen Plus软件对该分离过程进行模拟,以NRTL活度系数方程为物性计算方法,其二元相互作用参数由气液相平衡数据回归,分析了加压塔和常压塔的理论板数、进料位置及回流比对分离效果的影响,并进行了能耗比较. 结果表明,该工艺能很好地分离醋酸甲酯和甲醇,较佳的工艺条件为：加压塔操作压力909 kPa,理论板数32,第21块板进料,回流比4.2,塔釜醋酸甲酯纯度99.8%;常压塔操作压力101 kPa,理论板数30,第20块板进料,回流比4.6,塔釜甲醇纯度99.0%. 与常规变压精馏相比,热集成变压精馏可节能达45.8%;与以水为萃取剂的萃取精馏分离工艺相比,热集成变压精馏分离工艺更适合醋酸甲酯与甲醇体系的分离.     

人工神经网络-遗传算法优化化学镀四元合金工艺

利用BP神经网络-遗传算法对化学镀Ni-Fe-Co-P工艺进行寻优。首先利用正交试验表安排一定数量的实验,以构成人工神经网络的训练集。对训练集训练并利用实验数据检验,得到化学镀工艺的人工神经网络模型。最终再利用遗传算法对其进行寻优,以确定最佳的工艺参数。结果表明该方法结果可靠,可以用于实际各种工艺参数的寻优。     

基于神经网络-遗传算法优化制氢工艺水碳比

根据某炼油厂制氢车间的生产数据,用人工神经网络(ANN)的反向传播(BP)算法建立了制氢装置转化生产中的水碳比神经网络预测模型,生产数据的检验表明,ANN方法能准确地关联和预报制氢装置转化生产中的水碳比,水碳比预测平均相对误差为2．83％;该神经网络预测模型用遗传算法优化并得到了最佳制氢工艺操作条件。     

双效精馏分离甲醇和醋酸甲酯工艺模拟

在聚四亚甲基醚二醇(PTMEG)生产工艺中,醇解反应副产醋酸甲酯,在分离醋酸甲酯时容易形成甲醇和醋酸甲酯共沸体系,不易得到高纯度的醋酸甲酯产品。研究了甲醇和醋酸甲酯形成二元共沸物特性,提出采用双效精馏工艺分离甲醇和醋酸甲酯。利用Aspen Plus软件对分离工艺进行模拟及优化,模拟结果显示较佳的工艺条件:低压塔操作压力35 k Pa(G),塔顶采出量1 500 kg/h,理论板数23,第9块板进料,S6流股第5块板进料,回流比6;高压塔操作压力680 k Pa(G),理论板数19,第7块板进料,回流比3。双效精馏过程中塔底再沸器和塔顶冷凝器节能率分别为27.18%和28.35%。     

苯乙烯-马来酸酐本体共聚合过程的神经网络建模

人工神经网络(ANN)是一种有效的建模方法，尤其适用于机理复杂的化工过程，故应用ANN技术来研究苯乙烯-马来酸酐半连续本体共聚合过程的建模方法，并用原始实验数据训练BP网络，来预测本体共聚合过程的目标变量——反应转化率是合适的。由于标准BP训练算法的训练速度较慢，提出了一种改进的训练算法(marquardt算法)来提高网络的训练速度。结果表明，改进的训练算法提高收敛速度10倍以上，在不同的初始条件下，如停留时间5小时、聚合温度110-120℃和马来酸酐进料分量7％-10％，能得到满意的收敛点。在3个输入和1个输出(转化率)的情况下，估计结果的最大相对误差为10％-15％，平均相对误差小于5％。转化率的模型预测结果与原始实验数据具有良好的拟合。此方法可以有效地用于此类聚合过程的模型化。     

基于神经网络和遗传算法的螺旋折流板换热器性能预测

将人工神经网络（ANN）应用于非连续螺旋折流板换热器的壳程换热和流阻分析。中试试验研究了具有3个螺旋角和2种管型的换热器。作为人工神经网络最常用的一种类型,将多层感知器神经网络（MLP）应用于本研究,使用一定的实验数据进行网络训练及预测。应用遗传算法（GA）对MLP的初始权值和阈值进行优化,预测结果精确。通过比较不同网络结构的预测误差来选择最适宜的网络结构为9-7-5-2。和关联结果比较可知MLP-GA网络对于换热器性能预测更加适合。此外,当使用MLP-GA方法在训练数据范围以外对壳程换热系数和压降进行预测时,网络预测结果和实验结果吻合程度也较高。因此,MLP-GA混合算法能够用来预测螺旋折流板管壳式换热器的传热和水力学性能。     

醋酸甲酯水解的新工艺

提出醋酸甲酯水解的新工艺，并进行了处理量、进料分水比及回流比等操作因素对醋酸甲酯转化率影响规律的研究。醋酸甲酯的转化率随处理量的增加而降低，随回流比的增加而增大。当小于０．７，进料分水比对醋酸甲酯转化率的影响较为显著，并存在最佳操作值     

ASPEN模拟反应精馏生产醋酸甲酯及工业化探讨

采用Aspen Plus软件模拟催化反应精馏生产醋酸甲酯的工艺过程。考察操作压力、醋酸进料位置、回流比和醋酸/甲醇进料比对反应精馏塔塔顶醋酸甲酯纯度的影响。得出反应精馏塔优化操作条件为:操作压力1atm、醋酸在第5块板进料、回流比为1.9、酸醇比为1.6。在模拟计算的基础上,初步探讨工业化装置设计的技术关键点。     

响应面法优化一水硫酸氢钠流化催化精馏生产乙酸乙酯工艺条件

以新型的一水硫酸氢钠为催化剂,采用粉末状催化剂混合乙酸一起进料的加入方式,即流化催化精馏工艺,并利用响应面法优化乙酸乙酯催化精馏过程条件.首先,通过单因素灵敏度分析法对乙酸进料量、酸醇进料摩尔比、回流比、催化剂用量、釜底加热功率5个因素进行实验考察,确定了乙酸进料量、酸醇摩尔进料比、回流比3个关键因素的优化值及取值范围.根据单因素实验结果与精馏塔设备要求,塔釜加热功率和催化剂用量分别设定为68 W和2.0%(质量分数)乙酸,采用中心组合设计原则对乙酸进料量、酸醇进料摩尔比和回流比3个关键因素进行实验设计.以乙醇转化率为响应值,基于响应实验结果,利用响应面法对实验结果进行了方程回归,得到3个关键因素与响应值的二次关联模型.通过方差分析和平行实验,证明该模型准确可用.优化后的乙酸乙酯流态化催化精馏工艺条件为乙酸进料量3.2 mol·h^-1,酸醇进料摩尔比为3.1,回流比为3.3,在此优化条件下进行实验,乙醇转化率为88.67%,比基于单因素灵敏度分析法得到的优化工艺条件下乙醇转化率高1.0%.     

GA-BP神经网络的钛合金微弧氧化膜层厚度预测模型的建立

利用正交试验法获得的TC4钛合金微弧氧化实验数据建立了基于4-11-1(即4个输入神经元,11个隐含层节点,1个输出神经元)结构的BP神经网络预测膜层厚度的模型,并引入遗传算法(GA)对其权值和阈值进行优化。以微弧氧化工艺参数中的电流密度、脉冲频率、占空比和氧化时间作为网络的输入向量,氧化膜层厚度作为网络的输出向量,对比和分析了BP与GA-BP模型的预测结果。与BP网络模型相比,GA-BP网络模型稳定性能较好,并能高精度预测膜层的厚度,GA-BP网络模型预测值的平均误差为0.015,最大误差仅为0.036,而BP模型预测结果的平均误差为0.064,最大误差为0.099。