优化GM(1,1)模型在煤自然发火实验中的温度预测及算法研究

根据煤自燃的基本规律,在煤自然发火实验基础上建立煤自燃煤体温度的灰色GM(1,1)模型,基于GM(1,1)模型建立了优化GM(1,1)模型,并对煤火温度进行预测。采用MATLAB数学软件进行编程模拟计算并对模型进行精度检验,说明优化GM(1,1)模型在煤温预测上的实用价值,同时预测结果对设于设备故障诊断具有一定的指导作用。     

基于Isight平台的橡胶材料超弹模型参数优化

超弹模型及参数的选择对于橡胶制品仿真计算结果的准确性有着重要的影响。对三元乙丙圆柱形橡胶试样进行单轴压缩实验，利用不同的超弹模型对实验值进行拟合，建立与实验条件一致的仿真模型，来判断不同超弹模型计算准确性。基于Isight优化平台，选择序列二次规划(NLPQL)算法对拟合的超弹模型参数进一步优化，利用优化后参数进行仿真计算。结果表明，优化参数仿真计算结果与实验值具有很好的一致性，其能够更准确地描述橡胶材料的超弹特性。     

果蝇优化SVM模型对有机化合物熔点的预测

为了有效解决支持向量机(SVM)模型在参数选择上的盲目性问题,进而提高该模型的学习性能和泛化能力,将果蝇优化算法(FOA)引入该领域,提出了一种基于果蝇优化的SVM方法。该方法首先运用果蝇优化优化算法选择全局最优的SVM惩罚因子和核函数参数,从而建立SVM分类模型,进而基于该模型对实际问题进行应用。将该模型应用于对有机化合物的熔点预测问题中,实验结果表明,基于果蝇优化的SVM模型效率高,实际应用效果好。     

环己醇、环己酮、二甘醇三组分汽液相平衡研究

用ROSE平衡釜测定了环己醇(1)-环己酮(2)、环己酮(1)-二甘醇(2)、环己醇(1)-二甘醇(2)3对二元系常压下的汽液相平衡数据,并对其进行了热力学一致性检验。用改进的Peng-Rob inson方程计算了气相逸度系数,用W ilson方程和NRTL方程分别计算了液相活度系数,拟合得到了模型参数。通过对实验数据进行关联,取得了较满意的结果:二元系实验数据与模型计算值的平均相对偏差在3%以内,三元系实验数据与模型计算值的平均相对偏差在4%以内。所关联的模型参数可靠,实验取得的相平衡数据可用于化工生产的设计、模拟与优化。     

原油管道蜡沉积速率预测模型研究

准确地预测原油管道蜡沉积速率能够有效确定清管周期，以保证原油管道安全运行。针对BP神经网络(BPNN)模型学习效率低、对初始权重敏感且容易陷入局部最优状态等缺点，采用改进的麻雀搜索算法(ISSA)来优化BPNN的初始权值和阈值，建立ISSA-BPNN蜡沉积速率预测模型。以华池作业区38组蜡沉积实验数据为研究对象，使用MATLAB软件搭建预测模型并进行预测，同时与BPNN模型、遗传算法优化的BPNN模型(GA-BPNN)、粒子群优化算法优化的BPNN模型(PSO-BPNN)以及SSA-BPNN模型进行对比分析。结果表明：ISSA-BPNN模型预测蜡沉积速率的平均相对误差为1.353 1%,决定系数R²为0.994 8,均优于BPNN、GA-BPNN、PSO-BPNN和SSA-BPNN模型的预测结果，证明了ISSA-BPNN模型作为预测管道蜡沉积速率工具的准确性和可行性。     

SCWO处理轮胎裂解脱硫废液的响应面法优化

采用超临界水氧化(SCWO)法处理废旧轮胎热解过程中产生的脱硫废液,利用响应面法对处理过程中的主要影响因素进行了优化,并通过中心复合设计(CCD)建立了COD去除率的二次回归模型。将实测值与根据模型计算的预测值进行对比,结果表明,以模型代替真实实验点对实验结果进行分析具有较高的可靠性。     

2,4,6-三磺酸基间苯二酚硝化——反应动力学与过程优化

采用管式反应器与间歇反应器串联的方式考察了2,4,6-三磺酸基间苯二酚(TSR)选择性硝化制备2-磺酸基-4,6-二硝基间苯二酚(DNRS)的过程。建立了三步串联硝化反应宏观动力学模型以及等温均相间歇反应器模型(BR),对实验数据进行优化拟合估计动力学参数:将获得的动力学参数应用于一维定态轴向扩散管式反应器模型(LM)中,并与实验值进行对比验证。结果表明,三步串联硝化反应的表观活化能分别为57.66,40.05,130.89 kJ/mol;轴向扩散降低了串联硝化反应中间产物的选择性及收率,目标产物DNRS的最大收率随着管式反应器管径的增加而减小。分析比较了LM模型与BR模型的计算结果,并对管式反应器的放大进行了模拟计算。研究结果可用于TSR硝化反应器的设计和过程的优化。     

FTH-2催化剂上重芳烃烷基转移反应动力学研究

对在FTH-2催化剂上重芳烃烷基转移反应的本征动力学进行了研究。在排除内外扩散影响后,结合变空速实验确定反应的主反应,并进行动力学实验,建立动力学模型,采用常微分方程的参数估值法进行参数估值,利用Matlab编程对参数进行优化计算,并检验模型参数,确定苯与重芳烃的烷基转移反应的本征动力学方程为:r_1=1.3027×10~4exp(-6.927/RT)·y_(TIPB)~(0.73)·y_B~(2.41)·y_(IPB)~(-0.64)     

基于BP神经网络模型优化Fe1-xO基氨合成催化剂

运用BP神经网络建立了助催化剂含量与催化剂活性之间的预测模型,对Fe_1-xO基氨合成催化剂的助催化剂进行优化。首先将前期实验数据整理归纳为含有3、4、5、6和7个助催化剂等5类催化剂,以助催化剂含量(体积分数)为输入变量,以425℃反应器出口氨浓度(活性)为输出变量,对助催化剂进行优化。结果表明,BP神经网络预测模型拟合值均方误差最高为0.2784,预测值均方误差最高为0.1592,构建的BP神经网络模型准确度较高。在该模型的基础上,运用多种群遗传算法进行极值寻优,求解最优的催化剂配方,并进行实验验证。结果表明,根据优化结果制备5个样品的实验测定值与预测值的相对误差最高为2.88%,优化结果较为准确;含有7个助催化剂的催化剂活性最高为18.83%,比原样本的统计平均活性值(17.52%)高1.31%,相对提高7.48%,助催化剂含量优化取得满意的结果。     

基于PLS-LSSVM的谷氨酸发酵产物浓度预测建模

针对谷氨酸发酵过程关键生化参数难以在线检测给发酵优化控制带来困难问题,基于谷氨酸5 L发酵罐发酵过程,建立基于偏最小二乘(PLS)和最小二乘向量机(LSSVM)相结合的谷氨酸浓度预测模型;利用PLS对输入变量进行特征提取降低维数和消除相关性,以简化模型和提高模型精度。为确定谷氨酸发酵最佳预测模型,简化后的预测模型与发酵动力学模型进行比较;实验结果表明,简化后的耦合模拟退火(coupled simulated annealing,CSA)对参数进行优化的LSSVM模型具有最好预测性能,相对PLS预测模型和发酵动力学模型具有明显优势,均方根误差分别为1.597、8.49和2.934,可以为谷氨酸发酵过程操作及时调整及优化控制提供有效指导。