PET聚酯的终缩聚化学及其反应器模型

聚酯生产技术国产化的基础研究应着眼于聚酯的冷、热模研究。在回顾、分析ＰＥＴ聚酯历史的基础上,对ＰＥＴ聚酯终缩聚化学及其反应器模型的研究方法和内容作了详细的综述。     

PET聚酯终缩聚过程的工程分析──卧式双轴脱挥反应器

聚酯生产技术国产化的基础研究应着眼于聚酯的冷、热模研究。在回顾总结PET聚酯冷模研究状况之基础上,对PET聚酯终缩聚过程的工程分析,尤其是对卧式双轴脱挥反应器冷模研究的内容和方法作了详细的综述。     

PET/PEG共聚酯连续熔融终缩聚过程两相稳态模型分析

针对高性能共聚酯PET/PEG缩聚过程,建立了圆盘反应器中连续熔融聚合两相稳态模型,模拟分析了缩聚反应温度、压力、停留时间以及传质系数对气相组成、共聚酯数均分子量、端羧基浓度以及副产物二甘醇和水浓度的影响。结果表明：挥发组分主要在反应器的前半部分产生,在z > 0.4后气相挥发总量已经很小;乙二醇占气相组成的比例极高,约为90%,而二甘醇的含量极低,只为0.5%左右;随反应器温度、真空度、停留时间、传质系数的增加,共聚酯产物的分子量增大,当传质系数大于0.1 s^-1后,反应器出口的共聚酯分子量几乎不再变化,此时已不受传质控制,最终产物的分子量约26000。     

基于ART-SVR的过程建模及在干点软测量中的应用

针对石油化工生产过程通常呈高度非线性,且生产过程数据呈非连续、具有一定类别特性等特征,提出基于自适应谐振神经网络（adaptive resonance theory,ART）和支持向量回归（support vector regression, SVR）相结合的建模方法（ART-SVR）。首先,基于建模样本,通过ART将样本模式空间分割成若干模式特性相近的子空间;然后,对各子空间分别采用SVR建立各自模型,实现基于样本模式空间分割的“分段”建模。仿真试验和在石脑油干点软测量建模的实际应用表明：ART-SVR模型的拟合精度和预测精度均优于全局SVR模型。     

基于自编码神经网络特征提取的回声状态网络研究及过程建模应用

在复杂化工建模过程中,由于过程数据的时序性、高非线性以及高维数的特点,导致传统的静态神经网络建模无法满足一定的精度。为了解决该问题,提出一种基于自编码神经网络特征提取的回声状态网络模型（features extracted from auto-encoder based echo state network,FEAE-ESN）。传统回声状态网络(echo state network, ESN)方法中,储备池的节点数目很多,输出的维数很高,数据间存在共线性。为解决上述问题,待回声状态网络训练好之后,使用自编码神经网络对其储备池输出进行特征提取。通过自编码网络特征提取,一方面可以有效地降低储备池输出的维数,从而降低数据的复杂度;另一方面提取的特征去除了原有储备池输出的共线性,能够进一步提高广义逆的计算性能;最终提高回声状态网络的建模精度。所提方法FEAE-ESN用于田纳西-伊斯曼复杂过程建模,仿真结果验证了所提方法的有效性。     

软测量在橡胶混炼过程建模中的应用

介绍软测量技术在橡胶混炼过程中的应用。软测量技术的关键是建模，橡胶混炼过程建模主要有基于机理和基于数据驱动两种方法。由于混炼过程的复杂性，基于机理的建模方法在实际应用中受到限制，仅用于估算或定性分析；而基于数据驱动的建模方法对过程知识要求较低且具有自学习功能，因而得到快速发展。混炼过程模型还受辅助变量、数据预处理的影响，且模型建立后还需进行校正，目前对数据预处理和模型校正的研究还较少。     

化工过程软测量建模方法研究进展

软测量仪表是解决化工过程中质量变量难以实时测量的重要手段。软测量仪表的核心问题是软测量建模。阐述了软测量建模与辨识和非线性建模的关系:质量变量和易测变量的动态关系存在于增量之间,辨识模型依赖于增量数据,软测量建模则是依赖于实测变量数据来获取这个动态关系;非线性建模建立了变量间的静态关系,忽略了对象动态特性,而软测量建模要兼顾对动态特性的表征。随着人们对过程特性的认识加深,软测量建模方法不断发展,经历了从机理建模到数据驱动建模,从线性建模到非线性建模,从静态建模到动态建模的过程。详细讨论了软测量建模的发展过程,众多建模方法的优缺点及适用情况和现在建模的热点,最后对软测量建模方法进行了总体展望。     

PET聚酯缩聚用改性二氧化钛催化剂的制备研究

设计并制备了一种表面硅烷偶联剂KH560改性的二氧化钛,并用红外、透射电镜、XRD粉末衍射和N2吸附比表面积对其进行表征。该催化剂是由许多很小的无定形二氧化钛粒子组成的团聚体,其表面富含大量的羟基。该催化剂较Sb2O23的催化活性高许多,而且所得产品的色相较未改性的二氧化钛有明显的改善。     

高斯过程及其在软测量建模中的应用

结合工业萘初馏塔关键质量指标估计问题,提出了采用高斯过程（GP）建立复杂工业过程软测量方法。将自动相关确定（ARD）原理与GP模型结合进行软测量模型辅助变量选择,通过建立GP软测量模型,同时得到关键质量指标估计值和相应的预测不确定度,有效解决了现有软测量建模方法不能给出估计值的测量不确定度的问题。研究表明,GP软测量模型不仅能自动选择辅助变量,而且还具有较高的估计精度和较小的测量不确定度,能够更好地满足工业现场对测量可靠性的要求。     

应用基于粗集的模糊神经网络进行软测量建模的研究

提出将软测量建模与数据挖掘方法相结合的思想。针对模糊神经网络输入维数高，且对应的神经网络是权值不完全连接的网络，结构简单、训练速度快。将该方法用于催化裂化装置的轻柴油凝点的估计，取得良好的效果。     

聚酯（PET）反应过程研究：Ⅶ后缩聚反应过程研究和数学模拟

对聚酯的后缩聚反应过程进行了分析，把该过程分解为反应动力学和反应器内各种传质；对后缩聚反应进行了实验研究。建立了适用于工业装置的后缩聚反应过程的数学模型     

油气藏构造建模的质量控制

构造框架模型是三维地质模型的基础,影响了相建模、属性建模和储量计算。通过多年的建模经验总结,认为构造建模质量控制的关键点包括断层模型和层面模型。断层模型质量控制的关键点包括:断层面应与井点断点数据匹配;合理表征断层面空间形态;合理表征各级断层之间的组合关系。层面模型质量控制的关键点包括:层面与井点地质分层数据一致;准确反映构造形态和特征;正确反映地层间的空间接触关系。上述构造建模质量控制方法已在大量油气田的储层建模中得到应用,并取得了较好的效果。     

PET酯化过程负荷调整的建模与优化

采用基于链段的方法,应用装置分析测试数据,建立并验证PET装置酯化过程模型。研究装置负荷变化过程,酯化工艺参数的调整策略对酯化物性能影响。研究表明优化工艺参数调整策略能有效地降低酯化率波动。     

基于内模结构的一种加热炉控制方案

以大庆石化公司炼油厂常减压车间加热炉的出口温度控制为研究背景,结合实际生产中存在的问题,提出了一种内模结构解决方案取代原有的串级PID控制方案,并在实际应用中取得良好效果。     

诺西肽发酵过程中的分阶段软测量建模

诺西肽发酵过程中关键生化参数难以在线测量,给控制与优化带来困难.针对这一问题,利用软测量技术来实现关键生化参数的在线估计,并提出了一种分阶段软测量建模方法.首先以分阶段的诺西肽发酵过程非结构模型为基础,根据隐函数存在定理进行辅助变量的合理选择;然后利用模糊c均值聚类算法将建模数据按其所属阶段的不同进行分类,并利用神经网...     

聚酯(PET)反应过程研究Ⅴ预缩聚反应过程分析和反应动力学研究

对乙二醇和对苯二甲酸预缩聚反应过程进行了分析，把该过程分解为反应动力学和反应器内各种传质，对预缩聚反应过程的反应动力学进行了实验研究。得到了不同温度下的反应速率及其参数     

PET固相缩聚升温过程的研究

用国外引进的大型真空转鼓设备研究ＰＥＴ固相缩聚升温过程中的粘连问题及样品的热性能，指出在实际生产中必须控制好升温速度，以防止发生严重的粘连现象．粘连主要发生在１００～１３０℃和１９０℃左右两个温度区域．对于同一时间的样品，尽管外观上有透明、半透明和不透明之分，但测得的Ｔｍ（１）却基本无差别．     

基于工业色谱仪的精馏脱炔烃塔软测量建模

提出一种基于工业色谱仪的软测量建模方法,并针对碳五馏分分离过程中的精馏脱炔烃塔塔底成分估计问题,建立了合适的工业软测量模型。介绍了工业色谱仪在线质量检测原理和LM-BP神经网络模型的建立,并利用工业色谱仪在线检测的质量数据进行系统的在线和周期性模型更新,提高了软测量模型的在线估计精度。研究结果表明,基于工业色谱仪的LM-BP神经网络模型是一种有效的软测量建模方法。