环氧乙烷反应器工况模拟软件开发

采用基于windows面向对象的可视化开发工具VB5.0,结合BP神经网络,开发了环氧乙烷反应器工况模拟软件.软件以环氧乙烷反应器神经网络模型为核心,包括训练、回忆、预测及说明四个部分.软件界面良好、操作方便,对于预测实际生产的产品质量及学生生产实习过程中模拟实际生产操作都具有一定指导意义.     

乙烯环氧化反应器的稳定性模拟

以某石化公司然氧化装置为背景，采用拟均相二维模型，对乙烯氧化反应器进行了模拟和分析。考究了不同操作参数对反应器稳定性，转化率及选择影响的敏感性，结果表明，冷却介质质温是反应器的热敏感参数；而原料气入口温度及二氧化碳入口浓度对床层稳定性影响不大。     

环氧乙烷贮存工艺改造

中国石油吉林石化公司乙二醇厂环氧乙烷装置于2002年扩能改造,产量由40000t／a扩到58000t／a,改造后,装置制冷单元的制冷能力不能满足生产需要,导致产品贮罐温度上升,达不到设计温度268K以下,本次改造后,贮罐内的物料温度可达到266K,这样一年可以节约能量2．45×10^9kJ、节约电费58万元,既保证了装置安全稳定运行,又能节约能量、创造经济效益．     

VGO加氢精制反应器数学模型与模拟

针对加氢精制过程原料性质及氢气纯等经常变化的情况，在动力学模型中引入了原料特性常数及氢分压两个参数，结合滴流床反应器的特点，建立了加氢精制反器数学模型。     

乙炔氢氯化固定床反应器的模拟分析

根据对乙炔氢氯化反应动力学以及工业装置实际运行状况的分析,建立固定床反应器拟均相二维有效扩散数学模型.结合中试经验数据,采用Crank-Nicholson方法求解方程并对工业固定床反应器进行模拟计算.模拟结果显示,计算所得固定床内温度和转化率分布与工业数据相符.利用模型计算结果分析发现,当催化剂活性水平较低时,乙炔空速和催化剂活性对反应结果有较大影响,将两者进行关联,可以建立不同催化剂活性水平下的最佳乙炔空速计算公式.通过对工业条件下不同管壁温度和不同反应管尺寸的模拟分析,可知现在工业上设置的管壁温度98 ℃和反应管尺寸51 mm×3.5 mm都是合理的.     

塔式精馏反应器在羟乙基乙二胺合成中的应用

本文研究了采用精馏反应器由乙二胺与环氧乙烷合成羟乙基乙二胺的工程问题。并通过动力学探讨,提出了适合该反应类型的气液精馏反应器结构.应用这种反应器,可使羟乙基乙二胺收率由釜式反应器的60%提高到85%.     

环氧乙烷的应用调查报告

阐述了环氧乙烷的性质，及其在化工、军事、灭菌等方面的应用；提出了环氧乙烷副作用的处理方式。     

环氧乙烷的应用调查报告

阐述了环氧乙烷的性质,及其在化工、军事、灭菌等方面的应用;提出了环氧乙烷副作用的处理方式。     

用神经网络方法优化鼓泡塔气含率的关联式

鼓泡塔作为一种结构简单的反应器,由于具有众多的优点,正在越来越广泛的应用于各种工业生产中。气含率是这类反应器的关键设计参数,如何准确地预测鼓泡塔的气含率,一直是人们研究的热点问题。在两千多组公开发表的鼓泡塔的实验数据组成的数据库的基础上,采用神经网络回归方法,在考虑所研究体系的物性参数,操作条件的基础上,结合受力分析,得到有8个对鼓泡塔内气含率有影响的无因次准数。将神经网络回归方法与受力分析相结合,提出了一个预测鼓泡塔内气含率的关联式。采用含有不同参数的模拟方案,进行比较,得到一个优化的神经网络关联式。与文献中6个现有的关联式进行比较,得出该关联式预测的结果与实验结果最为接近的结论。     

人工神经网络在电力变压器故障诊断中的应用及仿真

研究了径向基函数 ( RBF)神经网络的模型结构及其在电力变压器故障诊断中的实现方法。通过仿真实验 ,将 RBF神经网络与 BP神经网络的性能进行比较。结果表明 ,RBF神经网络训练速度快 ,逼近误差小 ,能够更有效地解决电力变压器故障诊断问题     

人工神经网络

本文介绍了人工神经网络的概念,阐述了神经网络的一般结构和分类,以及神经网络的训练算法及其范化能力的改进．并综述了神经网络的应用。     

变压器故障诊断的人工神经网络法

介绍了一种对油浸式电力变压器故障进行诊断的人工神经网络方法（ANN）．提出了人工神经网络的模块化结构,并用具体实例说明ANN对变压器早期潜伏性故障作出预诊断的可行性和正确率．     

Simulation of the Ultrasonic Precipitation Process of Nano-hydroxyapatite by an Artificial Neural Network

The ultrasonic precipitation technique for preparing hydroxyapatite nanoparticles is a complex process that was strongly influenced by temperature, reaction time and ultrasonic power. The use of a modified artificial neural network （ANN） was proposed to model the non-linear relationship between ultrasonic precipitation parameters and the hydroxyapatite content. The improved model for processing dataset and selecting its topology was developed using the Levenberg-Marquardt training algorithm and was trained with comprehensive dataset of hydroxyapatite nanoparticles collected from experimental data. A basic repository on the domain knowledge of ultrasonic precipitation process for the preparation of hydroxyapatite is established via sufficient data mining by the network. With the help of the repository stored in the trained network, the influence of preparation temperature, preparation time and ultrasonic sonicating power on the hydroxyapatite content can be analyzed and predicted. The results show that the ANN system is effective and successful in analyzing the influence of ultrasonic precipitation parameters on the preparation of hydroxyapatite nanoparticles.     

基于人工神经网络的控制器的研究

本文通过在对几种常见神经网络在机器人手眼协调控制中的应用分析和仿真研究的基础上，给出了一种综合型的神经网络模型，仿真结果表明模型具有更好的收敛速度和控制性能。     

Simulation of the Ultrasonic Precipitation Process of Nano-hydroxyapatite by an Artificial Neural Network

1Introduction Hydroxyapatite(HA)hasbeenwidelyconsideredas oneofthemostimportantbioceramicsformedicalandden talapplicationssuchasdentalimplants,alveolarbridgeaugmentation,orthopaedics,maxillofacialsurgeryanddrug deliverysystemsduetoitsbiocompatibility,andc…     

模糊人工神经网络在矿井构造评价中的应用

介绍了模糊综合评判和人工神经网络原理，分析了一般BP神经网络在研究复杂性问题时存在的局限性，根据模糊人工神经网络模型的构建方法，探讨了该模型在矿井构造定量评价中的应用，结合鲍店煤矿的实际资料，对建立的模糊人工神经网络模型进行了学习训练，对未采区的构造复杂程度进行了预测，结果表明：模糊人工神经网络较一般BP神经网络具有更快的收敛速度和更准确的预测效果．     

基于改进的Chebyshev神经网络的用水量预测

针对目前Chebyshev神经网络存在的不足,从算法和网络结构方面进行了综合改进。改进后的Chebyshev神经网络不仅符合生物神经网络的基本特征,算法简单,收敛速度快,而且网络输入可以是任意值,是一种多输入的多层前向神经网络模型,因而扩大了网络辨识模型的能力与学习适应性,并有逼近任意线性和非线性映射的优异特性。用改进的Chebyshev神经网络对城市的家庭用水需求量进行建模和预测。仿真结果表明,改进的Chebyshev神经网络为预测家庭用水需求量提供了一种有效的方法,它不仅具有优良的预测能力,而且在相同精度的前提下,其收敛速度也优于一般的BP网络。