計算機輔助重油輕質(zhì)化催化劑配方優(yōu)化設計應用研究.pdf

1、學校代碼：10225學號：080162學位論文計算機輔助重油輕質(zhì)化催化劑配方優(yōu)化設計應用研究指導教師姓名：申請學位級別：論文提交日期：授予學位單位：張楠王ljg)tI教授碩士2008年04月東北林業(yè)大學東北林業(yè)大學學科專業(yè)：計算機應用技術(shù)論文答辯日期：2008年06月授予學位日期：答辯委員會主席：論文評閱人：素j厶櫛素大學摘要摘要隨著工業(yè)化水平的不斷提高，催化劑在資源利用方面發(fā)揮著巨大的作用，而能否設計出高效的催化劑配方，與催化劑配方設

2、計方法的好壞有密切的關系。傳統(tǒng)催化劑配方設計方法的缺點是很難在較短時間設計出優(yōu)秀的配方，且實驗工作量大。針對催化劑配方設計方法的缺點，本文通過分析計算機輔助優(yōu)化設計的現(xiàn)狀和發(fā)展趨勢，結(jié)合相關領域的最新動態(tài)，提出了從試驗設計到數(shù)學建模再到優(yōu)化方法的一整套的催化劑配方的計算機輔助優(yōu)化設計方案。理論分析得出以均勻性為目的的試驗設計方案，試驗次數(shù)較少，所以在試驗設計方面，提出了采用均勻設計試驗方案。由于催化劑配方的組分與性能間作用關系的復雜性，

3、無法預先知道組分與配方性能之間關系的明確分析函數(shù)形式，故本文選用神經(jīng)網(wǎng)絡建模的方法作為建立催化劑配方和性能之間的定量關系的工具。前人已經(jīng)證明，含有輸入層、輸出層和隱含層的三層BP神經(jīng)網(wǎng)絡，能夠逼近任何連續(xù)的函數(shù)，并選用Sigmoid函數(shù)作為神經(jīng)網(wǎng)絡各層的激活函數(shù)；通過對標準BP算法、動量改進BP算法和LevenbergMarquardt方法改進BP算法的比較，認為LevenbergMarquardt方法改進BP算法的收斂速度較前兩種算法

4、有明顯的優(yōu)勢，因此確定在催化劑配方建模中采用基于LevenbergMarquardt方法的神經(jīng)網(wǎng)絡的學j算法。在優(yōu)化方面，采用遺傳算法對問題變量編碼集構(gòu)成的群體進行操作，實現(xiàn)高效搜索、獲得全局最優(yōu)解。隨后，將基于人工神經(jīng)網(wǎng)絡和遺傳算法的方法應用于重油輕質(zhì)化催化劑配方設計的優(yōu)化過程中。并且以影響因素作為輸入層，H／C比值作為輸出層，構(gòu)成46一l型網(wǎng)絡用于該催化劑配方建模。本文最后，提出了一些關于催化劑配方設計方法研究有待進一步探索的問題。