以BP神经网络为基础的MIP工艺过程产品分布优化
Petroleum Processing and Petrochemicals（2016）
摘要
催化裂化是一个高度非线性和强耦合的系统,传统的机理模型很难描述,而BP神经网络具有强大的非线性拟合和自学习能力.以某炼油厂1.0 Mt/a的MIP装置反应-再生系统为研究对象,选取包括原料油性质、再生剂性质、操作条件的19个变量为神经网络模型的输入变量,液化气、汽油、柴油、焦炭收率为输出变量,建立了19-24-4结构的BP神经网络.在此基础上,考察了原料油预热温度、第一反应区出口温度、第二反应区出口温度、反应压力对产品分布的影响,并采用遗传算法得到使汽油收率最优的操作条件.结果表明,所建立的模型具有良好的预测和外推能力,可为工业装置操作条件的优化提供指导.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要