石油化工中的非均相反应过程具有反应原料组分成百上千、反应数目多、 反应体系具有高度非线性和耦合、催化剂活性时变性强等复杂性。仅采用传统的"三传一反"机理的建模难于满足过程优化和控制对模型精度的要求。与此同时,目前流行的微观研究方法其模型一般都具有大规模和非线性特征,模型求解困难,无法满足工业装置操作优化对模型求解实时性的要求。本课题拟研究能同时兼顾一定计算精度和求解实时性的工业非均相反应器建模关键技术。即,工业运行数据的信息融合技术研究,实现工业数据的去伪存真,为过程建模提供可靠的模型输入数据;研究基于非均相反应机理与工业运行数据多尺度耦合参数的混合智能建模技术,多源信息挖掘的催化剂活性建模方法,实现反应与催化剂失活模型的集成方法。对现有的粒子群算法进行改进,期望找到一种同时具备随机性和启发性优点的混合进化算法,能够实现对模型的全局寻优,将其用于已建的模型进行参数优化,并应用于实际生产。
英文主题词heterogeneous catalysis;Data mining;deactivation;neural network;Intelligent optimization