CO2提纯塔神经网络建模.ppt_第1页
CO2提纯塔神经网络建模.ppt_第2页
CO2提纯塔神经网络建模.ppt_第3页
CO2提纯塔神经网络建模.ppt_第4页
CO2提纯塔神经网络建模.ppt_第5页
已阅读5页，还剩7页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

Modelingforcarbondioxidepurifyingcolumnusingneuralnetwork 二氧化碳提纯塔中神经网络建模的应用 本文构架 摘要研究方法模型的建立模型检验与寻优结论 摘要 为提高提纯塔出口二氧化碳纯度 根据实际生产数据运用人工神经网络方法建立了出口二氧化碳纯度与进塔纯度 进塔温度 塔顶压力 塔顶温度 塔釜加热温度 塔釜压力 塔釜温度7个因素之间的非线性模型 建立的模型能够有效描述出口二氧化碳纯度与各因素之间的关系 同时通过训练好的网络能够找到生产较高纯度二氧化碳的最佳控制点 研究方法 本文采用BP人工神经网络进行建模 建模基本步骤为 1 确定BP神经网络的输入向量和输出向量的维数 隐层数及其节点数 2 确定隐层传递函数 输出层传递函数 3 训练网络 使其误差的平方和达到最小 4 利用该模型处理非线性问题 模型的建立 在生产过程中 出口CO2纯度与CO2进塔纯度 进塔温度 塔顶压力 塔顶温度 塔釜加热温度 塔釜压力 塔釜温度7个因素有关 利用生产过程实际数据建立出口CO2纯度与这7个因素之间关系的模型 采纳某化工厂在满负荷生产状态下包括出口CO2纯度和7个因素的完整数据45组 对于这45组完整样本数据 通过散点图剔除明显异常的3组样本 取38组作为训练样本 其余4组作为检验样本 模型的建立 根据实际情况 输入节点个数选为7 输出节点个数为1 隐节点个数在理论上没有一个确定的公式 一般采取经验估计结合实际演算比较来确定隐节点个数 文结合实际问题 通过演算比较 确定隐节点个数为12 至此 网络结构确立为 7 12 1 模型的建立 模型检验与寻优 检验 网络的训练是一个概率过程 可以采取多次计算取平均的方法 达到相对稳定的输出 模型检验与寻优 在其他因素不变的情况下 塔釜压力的下降明显提高了出口纯度 加热温度的上升 进塔温度的下降以及进塔纯度的提高均使出口纯度有一定的提高 而塔釜温度 塔顶温度 塔顶压力的小幅度变化对出口纯度没有明显影响 经随机选取样本做同样的实验 也得到了一致的结论 模型检验与寻优 通过训练后得到的网络 有针对性地对各因素进行调整变化 采用蒙特卡罗方法 寻找到在不同进塔纯度下的最优控制点 结论 CO2的原有生产过程不够稳定 CO2出口纯度在很多情况下没有达到要求 利用训练好的人工神经网络模型 并参照最佳控制点进行控制 CO2的出口纯度预基本上能够达到要求 生产过程比较稳定 收到了期效果 人工神经网络完全基于数据进行建模 避免了一些假设造成的偏差 在数据量充足的情
人人文库> 全部分类> 生活休闲 > 科普知识

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论