基于广义回归神经网络的碳铵塔预测模型

采用改进的遗传算法优化广义回归神经网络(GRNN)的平滑参数,并运用GRNN的非线性映射能力,建立了碳铵塔出口碳化度和氨滴度的预测模型.检验结果表明,该模型具有良好的预测性能.     

藉助自适应支持向量机为延迟焦化反应过程建模

The performance of support vector regression estimation was studied. It is found that the insensitive factor ε, penalty factor, and the kernel function along with its parameter are the main factors affecting the performance of support vector regression estimation. It remains a critical unsolved problem to determine the parmaeters of SVM. Cross-validation methods are commonly used in practice to decide the parameters of SVM, but they are usually expensive in computing time. A novel adaptive support vector machine (A-SVM) was proposed to determine the optimal parameters adaptively. The algorithms for adaptively tuning parameters of SVM were worked out. A-SVM was successfully applied in modeling delayed coking process. Compared with RBFN-PLSR methods, A-SVM was superior in both fitting accuracy and prediction performance. The proposed algorithms in general may be used in modeling complex chemical processes.     

延迟焦化工艺在煤焦油加工中的应用

随着高油价时代的来临，长期处于竞争劣势的煤化工业迎来了巨大的发展机遇，对于更好的满足我国社会主义经济发展需要起到了重要的促进作用。延迟焦化工艺是一种二次石油加工技术，对于促进煤化工业发展，减少资源浪费具有较大的帮助作用，本文通过对延迟焦化工艺在煤焦油加工中的应用进行分析，以期更好的促进煤焦油产业发展，不断促进我国的经济发展与社会进步。     

延迟焦化装置运行中的安全隐患分析及应对策略探讨

延迟焦化装置属于高温高风险装置,因此应当围绕着安全隐患展开逐一排查,针对延迟焦化装置在实际运行过程中存在的安全隐患展开分析,并提出了相应的解决对策。这对于装置生产而言有着重要的指导作用,能够为装置的稳定生产提供参考。     

基于风险的检验在延迟焦化装置安全阀中的应用

本文以某石化厂延迟焦化装置72台安全阀为研究对象,开展安全阀RBI评估工作。通过对延迟焦化装置安全阀的风险评估分析,得到此次大修后安全阀风险分布情况,并据其制定检验方案,给予35台安全阀适当延期校验建议。为指导今后该延迟焦化装置的安全阀开展基于风险的检验提供了合理依据。     

全清洗技术在延迟焦化装置中的应用

乌鲁木齐石化分公司120万吨/年延迟焦化装置2013年停工期间,选用济南瑞东实业有限公司研发的RFC-2清洗剂,对装置的重油系统进行处理,有效地清除了重油系统中的油垢、锈垢及焦泥等污垢,管线清洗干净。可以保证延迟焦化装置开工以后,重油系统高效运行。     

凝结水回收系统在延迟焦化的应用

本文主要介绍了凝结水回收系统在延迟焦化的应用,对于处理全厂凝结水、增加经济效益起到了较好的效果;同时分析了在运行过程中产生的问题以及建议。     

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。     

RBI技术在炼厂延迟焦化装置中的应用

利用RBI技术对炼厂延迟焦化装置进行了风险评估,结果表明,延迟焦化装置的中高风险压力容器为下次大检修时检验的重点,应选择高度有效或通常有效的检修方式.     

模糊神经网络及其在系统建模与控制中的应用

模糊神经网络是模糊系统和神经网络的有机结合 ,它吸取了两者的优点。给出了两个具体的模糊神经网络结构以及相应的学习算法 ;介绍了利用模糊神经网络建立 T- S模糊模型的方法 ;讨论了基于 T- S模糊模型的控制系统分析和设计。     

基于神经网络的遗传算法优化及其应用

遗传算法是 1种模拟自然进化而提出的简单、高效的组合优化算法。研究了磷酸羟胺制备过程中羟胺反应效率的优化问题 ,该过程由于其反应动力学的固有复杂性而无法建模。表明结合神经网络理论 ,遗传算法可以有效地解决这一过程的寻优问题     

MODELING PROCESS DYNAMICS USING A NOVEL NEURAL NETWORK ARCHITECTURE: APPLICATION TO STIRRED CELL MICROFILTRATION

A novel neural network architecture is presented for dynamic process modeling, using stirred cell microfiltration of bentonite suspensions as a model system. Unlike previous studies that include time explicitly as a network input and have a single output at that time, the network architecture presented contains the process variables as inputs and many outputs representing the output (filtrate flux in this case) at different selected times. The network is shown to represent the stirred cell microfiltration of bentonite suspensions over a range of pressures (0.2–1.5 bar), initial concentrations (0.5–2.0 g/L), stirrer tip speeds (0.04–0.17 m/s), membrane resistances (3.09 × 10¹⁰–6.85 × 10¹⁰ m^?1), pH values (2.5–10.4), and temperatures (20°–24°C) with good accuracy (R² = 0.91 on network test data). With this network architecture, it becomes easy to track the time dependence of the relative effect of the various process parameters on the system output. Thus, for example, the network weights show that the effect of stirring rate on flux increases as time progresses, while the opposite effect is seen for membrane resistance, as expected.     

神经网络建模方法在维生素C发酵过程中的应用

传统的标准“黑箱”型人工神经网络已较为广泛地应用于生化过程中的状态预估等多个方面,然而结合过程先验知识或部分机理模型的混合神经网络建模方法能给出更令人满意的结果.本文将其应用于2-酮基-l-古龙酸（2-KLG）发酵过程的状态估计,并将其结果与传统神经网络模型进行了比较,混合模型明显优于单一神经网络方法.     

基于优进策略的差分进化算法及其化工应用

鉴于常规差分进化算法容易“早熟”,全局寻优能力有待提高,提出了基于优进策略的差分进化算法,利用种群繁衍的有用信息改进子代分布,并引入确定性寻优操作,以提高寻优性能.设计了单纯形寻优操作和重布操作,并调整有关概率等.测试表明新算法的全局寻优性能有明显改善,已成功地应用于铯-铷-钒系低温硫酸催化剂上SO2氧化反应模型参数的估计,效果良好.     

催化剂配方的神经网络建模与遗传算法优化

采用神经网络对催化剂配方实验数据建模,在网络模型仿真实验的基础上应用遗传算法对配方组成进行优化,得到的优化配方经实验验证,证实了该算法的实际应用意义.该算法对化工产品的配方及工艺优化也有实用意义.     

遗传算法与神经网络(Ⅱ)──用EGA-GDR训练神经网络

为了更有效地解决神经网络培训中遇到的局部最优解问题，提出一种融合EGA和GDR算法特长的新算法──EGA-GDR算法．通过分别对拓扑为2×3×3和8×8×4两个神经网络的训练，表明该算法较之SA-GDR算法可以更有效地解决神经网络训练中的局部最优解问题．     

SiC-CVD过程的人工神经网络建模

ＳｉＣ－ＣＶＤ过 本质复杂性制约 了碳／碳复合材料表面有效地制备高性能抗氧化涂层。本研究在对ＣＶＤ工艺过程及机理试验研究的基础上,采用人工神经网络技术对ＳｉＣ－ＣＶＤ过程进行了辨识与模拟研究,建立了ＳｉＣ－ＣＶＤ过程的神经网络的模型。     

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.