基于Guass-Seidel迭代法的多效并流蒸发过程的模拟以及优化方法

提出一种基于Guass—Seidel迭代法的多效并流蒸发过程的模拟以及优化方法,并以一简单三效并流蒸发过程为例,详细阐述了Guass—Seidel迭代法模拟的具体步骤。最后经一实例计算说明该算法的可行性,该算法具有对初始值要求不高、收敛速度快,稳定性好的特点.     

基于Newton-Raphson法的多效顺流蒸发系统的模拟

建立了普通、复杂顺流蒸发系统的数学模型,采用Newton-Raphson法求解,应用面向对象的Pascal语言编制了该算法的计算程序,可对二至七效常规和复杂并流蒸发系统进行模拟计算。以蔗糖溶液为例,对三效并流的5种流程进行了计算和比较,结果表明将各效冷凝液全部用于预热原料的多效蒸发流程能耗最低,蒸发器面积最小。     

多元电解质溶液多效蒸发系统设计计算

该文开发了多元电解质溶液多效蒸发过程一个比较有用的软件,包括常用电解质物性数据库,传热系数的求取和各过程参数优化。可用于并流、逆流和各种错流蒸发系统。通过新的矩阵变换将各种流型的液相、汽相和固相衡算关系对应起来,构成的方程用线性技术高斯约当消去法重复求解。该算法可广泛应用于任意效数的各种类型蒸发系统。     

多效蒸发用于浓缩含盐废水的模拟研究

多效蒸发是处理高含盐废水的一种有效方法。本文针对多效蒸发流程模拟计算难收敛的特点,提出一个简便估算生蒸汽用量初值的方法,并用于模拟废水的多效蒸发研究。研究结果表明,采用四效蒸发器的综合经济性能最佳,逆流流程使用的换热器面积最小,比并流节省面积32%。     

多效蒸发系统一个新问题的求解

讨论了由一个六效蒸发系统改为四效蒸发系统的过程中存在的问题，并提出了解决问题的办法。实践表明，问题的解决是成功的。同时，文中介绍了多效蒸发系统理论模拟的算法。     

1,3-丙二醇发酵液蒸发脱水的工艺模拟

1,3-丙二醇(PDO)发酵液中PDO浓度7%~10%,水含量82%~85%,PDO分离提取各工序中蒸发脱水能耗最大、PDO损失率最大。本文利用Aspen Plus软件对PDO发酵液蒸发脱水过程进行了模拟,研究了操作压力与蒸发脱水终点浓缩液中水含量对蒸发脱水过程中PDO收率的影响,比较了并流、逆流和错流多效蒸发流程进行PDO发酵液脱水的优缺点。研究结果表明,PDO发酵液蒸发脱水过程中PDO损失率随浓缩液中水含量降低和操作压力增大而增大,PDO发酵液在操作压力分别为5k Pa、100k Pa、150k Pa的3种条件下蒸发脱水至浓缩液含水量为30%时,PDO损失分别为4.63%、20.04%和24.78%,PDO发酵液在3种不同操作压力条件下浓缩至浓缩液含水量为12.5%时,PDO损失分别增大到23.68%、76.62%和84.95%;并流蒸发流程PDO收率最高,浓缩液含水量30%,PDO收率97.73%,蒸发1t水消耗0.354t蒸汽。     

甲酸生产中甲酸钠溶液浓缩工序的工艺改进

本文介绍了甲酸生产过程中甲酸钠溶液浓缩工序的工艺改进。用双效并流蒸发取代原设计的单效真空蒸发，用自排不凝性气体大气冷凝器取代真空泵以维持系统的真空度。经过改进，浓缩工序具有流程简单合理、蒸发速率快、操作简便及节能等优点。     

甲酸生产中甲本钠溶液浓缩工序的工艺改进

本文介绍了甲酸生产过程中甲酸钠溶液浓缩工序的工艺改进。用双效并流蒸发取代原设计的单效真空蒸发，用自排不凝性气体大气冷凝器取代真空泵以维持系统的真空度。经过改进，浓缩工序具有流程简单合理、蒸发速率快、操作简便及节能等优点。     

基于LabVIEW多效逆流蒸发工艺液位控制的研究

针对多效逆流蒸发工艺中液位非线性、大惯性和时滞性的特点,将BP神经网络与增量式PID算法相结合,以LabVIEW为开发平台,实现了多效逆流蒸发过程液位控制的动态仿真。基于物料衡算和热量衡算,建立三效逆流蒸发液位的数学模型,通过液位仿真证明基于LabVIEW实现BP神经网络PID控制系统在多效蒸发液位控制中具有良好的自适应性和鲁棒性。     

硫酸铵溶液三效并流蒸发系统的动态模拟

以江苏某化工厂三效并流蒸发含有一定浓度氨气的硫酸铵溶液为例,采用Aspen Plus软件进行稳态模拟,以稳态模拟结果作为动态模拟的初始条件,建立三效并流蒸发系统的动态模型,利用Aspen Dynamics软件对带有基本控制结构的三效蒸发溶液浓缩系统进行研究,分析进料流量、温度和组成发生变化时系统其他参数的变化规律。结果表明,当进料流量、温度及组成发生变化时,液相出口浓度阶跃性变化。为使液相出口浓度保持恒定,制定了2种控制方案,进料流量串级控制和加热蒸汽流量串级控制,并对其控制效果进行比较。动态分析表明,2种控制方案均能稳定液相出口浓度,但加热蒸汽流量串级控制方案超调量更小、恢复时间更短。动态模拟结果对实际生产操作的多效蒸发溶液浓缩系统的控制提供一定的指导作用。     

热偶精馏过程模拟优化方法的改进——人工神经网络-遗传算法

采用人工神经网络和遗传算法对热偶精馏分离过程提出了一种新的建模方法和优化算法,该方法不仅能够有效地求解热偶精馏过程的数学模型,迅速地得到优化变量和目标函数的解,而且具有获得全局最优解的能力.最后通过实例说明了本方法的有效性.     

基于免疫遗传算法-BP神经网络的主汽温控制

针对火电厂主汽温被控对象的不确定性及大延迟、大惯性及非线性等特点,设计一种基于免疫遗传算法、BP神经网络和RBF神经网络的智能PID控制系统.利用免疫遗传算法的全局搜索寻优能力和较好的收敛性优化神经网络的权值,同时利用BP网络对PID参数进行在线调整.仿真结果表明,该系统在控制品质、鲁棒性方面都明显优于常规PID控制系...     

基于PSO-BP神经网络的发动机故障诊断

提出一种将粒子群优化算法与BP网络结合的新算法——PSO-BP来训练神经网络的权值和阈值,并将该算法用于汽车发动机的故障诊断。仿真结果表明：PSO-BP算法较传统BP网络的故障诊断结果具有收敛速度快、准确度和精度高的特点。     

基于混合遗传算法的选矿生产过程能耗预测分析

针对BP神经网络模型进行预测易出现收敛陷入局部极小点、网络震荡大、预测值可信度不高等问题,以鞍钢集团大孤山选矿厂为研究对象,建立了基于混合遗传算法的能耗预测模型。用MATLAB编写计算程序进行测试,并与纯BP神经网络进行分析比较。结果表明,在预测精度和收敛速度方面均得到了改善。     

基于基团贡献神经网络集成法估算有机物常压凝固点

基于基团贡献法应用人工神经网络对有机物的常压凝固点进行了估算,输入参数为有机物的基团数和表征异构体的参数,输出为常压凝固点.分析了采用最速梯度下降法的BP算法在训练过程中产生误差饱和情况的原因,采用在隐含层节点中加入误差饱和预防函数用来防止误差饱和情况的出现.仿真结果表明,所采用的方法能有效地减小网络在误差表面陷入低谷的可能性和提高网络的收敛速率.采用神经网络集成法建立了神经网络集成模型,通过仿真合理选择隐含层节点数和采用交叉验证法用于防止BP网络的过度训练,增强了网络的泛化能力.估算结果表明,所建立的神经网络集成模型,其网络有良好的稳定性和预测精度,207个样本估算的绝对平均相对误差为8.62%.     

GA-BP神经网络在钢铁加热炉建模中的应用

基于现场采集的大量的数据,采用BP神经网络建立现场加热炉炉温的非线性模型,并提出利用遗传算法优化BP神经网络的参数与阈值,有效避免了BP神经网络易陷入局部最小值、收敛速度慢的不足。仿真结果表明:在同样的数据集下,GA-BP神经网络的稳定性更好,预测精度更高。     

基于混合遗传算法的人工神经网络模型及其对有机化合物熔点的预测

为了避免BP神经网络在训练过程中收敛于局部极小的缺陷,采用自适应交叉变异、最优保存的混合遗传算法对BP网络的权值和阈值进行优化,从而提出一种新的基于混合遗传算法的神经网络模型.该算法首先对一给定的网络结构,采用混合自适应交叉变异和最优保存策略,取各自的长处,用尽可能少的搜索代数找到问题的最优解,从而既防止算法陷入局部最优,又保证算法有较好的平均适应值和最佳的适应值个体.采用上述优化策略的人工神经网络可明显改善收敛的稳定性和收敛速度,并确保网络收敛于全局极小点.人工神经网络运用于物性数据的预测是一个具有潜力和有待开发的领域.运用该模型,根据有机化合物的分子量、临界密度、正常沸点和偶极矩,对其熔点进行预测.预测结果表明：提出的混合遗传算法神经网络优于其他算法神经网络,而且预测结果优于文献上已有的Joback方程和许氏方程的计算值.     

应用优化的BP神经网络模型预测储层伤害程度

为了快速、准确的预测柴西北区N21～N22储层伤害程度,在收集岩心分析资料的基础上,建立了预测储层敏感性伤害的神经网络模型。该神经网络模型运用遗传算法和Levenberg-Marquardt算法对BP神经网络的权阈值进行搜索,改进了以往神经网络模型容易陷入局部最优以及收敛速度慢的缺点,有效提高了网络的收敛性和预测的准确率。仿真结果表明：优化后的BP神经网络模型的敏感性伤害程度预测结果与岩心流动实验结果符合率高,同时,优化后的BP神经网络模型比以往的BP网络模型预测速度快、精度高。     

基于蚁群优化Elman神经网络的传感器补偿

为了提高随钻测斜仪的工作稳定性和测量精度,将蚁群算法和神经网络相融合,采用信息素挥发因子ρ和信息素更新策略自动调整自适应蚁群算法优化Elman神经网络的权阈值,将其应用到随钻测斜仪的传感器补偿中.仿真结果表明,自适应蚁群Elman神经网络的补偿效果优于Elman网络和遗传Elman网络,补偿精度达10-8,补偿效果良好...