自适应算法在多孔介质气固相反应中的应用.pdf

《自适应算法在多孔介质气固相反应中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、704化工自动化及仪表第38卷自适应算法在多孔介质气固相反应中的应用耿蕊张银霞于晓敏(齐齐哈尔大学计算中心，黑龙江齐齐哈尔161006)摘要在多孔介质气固相反应动力学实验模型的基础上，运用模糊神经网络技术确立自适应学习算法。然后通过VC实现算法，并将乙氧基化反应实验数据与计算结果进行数据拟合。通过系统的运行和测试的结果分析来看，该模型可以准确快速地确定实验过程中的反应参数，能够有效地缩短多孔介质气固相反应化工产品的开发周期。关键词白适应算法气固相反应多孔介质动力学中图分类号TP273文献标识码A文章编号1000-3932(2011)06-0704

2、-03在精细化工诸类产品的研制和开发中，多孔介质气固相反应过程的反应级数和反应速率常数的确定常采用积分法和微分法，积分法适合级数是整数的反应；微分法不仅可以处理级数是整数的反应，也可以处理级数为小数的反应。其中微分法可以避免反应产物的干扰，适应性较好，但数据处理费时，而且误差较大⋯。模糊神经网络有机地结合了人工神经网络和模糊控制的优点，利用人工神经网络技术来进行模糊信息处理，可使得模糊规则的自动提取及模糊隶属函数的自动生成成为可能，从而使系统成为一种自适应的模糊系统。笔者将利用模糊神经网络方法建立多孔介质气固相反应的白适应模糊神经网络模型，通过自

3、适应学习算法对反应过程的反应参数进行求解。1确立多孔介质气固相反应的动力学模型反应动力学的任务是研究化学反应的速率、浓度、温度以及催化剂等因素对反应速率的影响。多孔介质气固相反应的动力学模型的建立过程，是通过分析影响反应速率的所有因素，将反应速率表示成主要影响因素的数学模型。笔者以脂肪醇聚氧乙烯醚的反应来建立多孔介质气固相反应的动力学模型，也就是脂肪醇与环氧乙烷的乙氧基化反应，即含活泼氢的有机化合物在催化剂的作用下与环氧乙烷的逐级加成反应，其反应原理为：RXH+nH2c◇Hz三RX(CH2CH：o)．HO在整个反应过程中，同时存在着快速质子交换反

4、应，由于随着环氧乙烷与脂肪醇醚反应的进行，体系压力不断变化，所以反应动力学模型的简化形式为：^，r-dp／dt。磊0％t(一南P)‘=肘+尸。式中五；——体系速率常数；i——反应级数；P——体系压力；M，Ⅳ——常数。2建立模糊神经网络模糊神经网络较适合解决具有不确定性、非线性等特性的问题。在解决问题时，首先要建立模糊神经网络模型，笔者采用模糊多层感知神经网络。该模型是具1个有输入层、3个隐含层和1个输出层的5层神经网络心】。第1层为输入层，每个节点代表经过预处理过的输入变量；第2层为隶属函数层，实现输入变量的模糊化(即隶属度划分)；第3层为模糊规

5、则强度匹配层，将模糊化得到的隶属度两两相乘，从而形成模糊规则库，它的输出代表着模糊规则的强度；第4层为归一化层，完成变量的隶属度求和计算；第5层为反模糊化层，用于实现清晰化计算，即将模糊规则推理得到的输出变量的各个模糊集合的隶属度值，转换为输出变量的精确数值。3确定自适应学习算法在构建模糊神经网络初始结构的基础上，需要通过不断的学习过程对结点进行调整，从而得到确定的网络结构，达到学习目标¨’41，本系统中采用了一种改进的自适应模糊神经网络学习算收稿日期2011-Ol-18(修改稿)基金项目：黑龙江省科技攻关计划项目(GZ08A107)；黑龙江省教

6、育厅科技项目(11541400)第6期耿蕊等．自适应算法在多孔介质气固相反应中的应用705法，其流程如图1所示。(茎堕)陌丽闻—1蠢匝夏盔囵匡堑堕圈k≤垂多≤岁厂1晶结束图1自适应模糊神经网络学习算法流程设网络要存储M个不同的训练样本模式对：式中，，。——期望值；Y；——实际输出值。网络的激活函数选用高斯函数：p*(xj)=exp[一(聋‘一c4)2／畦]式中c让——中心值；瓦——宽度。自适应模糊神经网络学习算法的步骤如下：a．以c曲、6m为中心，生成Ⅳ个样本；b．随机选取样本戈。，计算适应度，=1／E；c．按照适应度最小原则，选出较优个体并修改

7、权值。to。=to。+a(∞。一∞。)，其中a为学习率；d．判断是否达到最大学习次数，如果是则转向e，否则转向b；e．对每个样本判断是否与阈值相差悬殊，若是则删除该节点，并转向b，若没有可删除的结点则转向f；{(置

8、的GCF一1型高压反应釜中进行月桂酸甲酯的乙氧基化反应"1，加入起始剂月桂酸甲酯1009，镁铝复合介孔氧化物催化剂39，环氧乙烷的加入量