【摘 要】
：
乙烯是化学领域生产的重要原料之一,可以用来合成纤维、橡胶、塑料等基础化工原料。乙烯裂解炉是乙烯生产装置的主要设备,主要是将天然气、炼厂气、原油和石脑油等原料转化为裂解气,最终加工成乙烯、丙烯和各种副产品,其结构包括双辐射室、单辐射室和毫秒炉。乙烯裂解炉的生产能力和技术决定着整个乙烯装置的生产规模、产量和产品品质,乙烯裂解炉装置的操作优化具有重要意义。鉴于乙烯裂解炉过程的复杂性,本文从分析过程的内部
论文部分内容阅读
乙烯是化学领域生产的重要原料之一,可以用来合成纤维、橡胶、塑料等基础化工原料。乙烯裂解炉是乙烯生产装置的主要设备,主要是将天然气、炼厂气、原油和石脑油等原料转化为裂解气,最终加工成乙烯、丙烯和各种副产品,其结构包括双辐射室、单辐射室和毫秒炉。乙烯裂解炉的生产能力和技术决定着整个乙烯装置的生产规模、产量和产品品质,乙烯裂解炉装置的操作优化具有重要意义。鉴于乙烯裂解炉过程的复杂性,本文从分析过程的内部机理出发,研究了基于神经网络的裂解炉过程建模的应用,并采用多目标优化算法解决裂解炉的操作优化问题。本文主要研究工作如下:（1）提出了一种基于混沌算法的改进NNIA（Nondominated Neighbor Immune Algorithm）算法,引入邻近距离替代算法原本的拥挤距离,结合混沌优化算法、多种群克隆策略对算法进行改进,提升了算法的收敛性和分布性。（2）针对裂解过程的复杂性,具体研究了裂解炉生产过程的内在机理,并探讨影响裂解炉工作的重要参数,确定了模型建立所需的辅助变量,并为后续建模提供了理论依据。（3）针对化工过程中各种不确定的干扰因素多,机理模型不具备自适应能力,以及机理模型结构复杂,需要长时间的迭代计算的问题,本文将神经网络应用于乙烯裂解炉的建模研究中,分别建立了基于BP（Back Propagation）和DBN（Deep Belief Network）的乙烯裂解炉模型,并进行了仿真对比,结果显示基于DBN的乙烯裂解炉模型符合乙烯裂解炉模型所需要的泛化性、实时性要求并可以包容参数测试上的误差,可以替代传统机理模型。（4）为了提高乙烯丙烯的产出,同时有效降低原料的投入,提高整个生产过程投入产出比。本文在建立的基于DBN的乙烯裂解炉模型上利用改进后的NNIA算法进行多目标优化,同时利用满意度的方法基于模糊函数为了企业选择出了折衷的方案,方便企业进行后续的决策或者自动化参数调整。
其他文献
合成孔径雷达（Synthetic Aperture Radar,SAR）属于主动的有源遥感成像技术,具备在几乎任何天气状况下获取地表目标高分辨率微波图像的特殊能力。作为SAR图像解译的重点研究方向,基于SAR图像的自动目标识别（Automatic Target Recognition,ATR）,尤其是通过深度学习实现的ATR,在车辆、船舶和飞机等目标的广域监测中发挥了重要作用。传统的SAR ATR
为保证汽车的机械故障得到良好维修，对汽车机械故障类型进行研究，进一步明确汽车机械故障的形成原因，比如零部件出现故障、人为影响因素、日常的维修养护不规范、润滑油问题等，提出具体的维修处理方案，可以取得较好的效果，以期为相关人员提供参考。
细粒度人脸认证的目标在于区分给定的极为相似的面部样本对是否属于同一对象,这使其非常具有挑战性。为此,本文采用度量学习技术研究细粒度人脸认证问题,并提出了三种度量学习方法来提高认证性能。针对如何有效区分相似面部样本的问题,提出了一种环形余弦相似度学习方法,其通过寻求一种线性变换,以尽可能扩大类内的余弦相似度,减少类间的余弦相似度,同时利用环正则化项自适应地将样本的范数学习到缩放圆。此外由于传统的度量
一张好看的证件照对于广大学生以及求职工作者来说总是一个加分项。往常人们需要费时费力的去照相馆拍一张证件照,照相馆产生一张标准证件照需要六个步骤:选择证件照尺寸、选择背景色、选择穿衣服装、相机拍照、美颜修图、输出证件照。在以上六个步骤中,通过相机拍摄得到一张肖像照是前提,其余的操作则需要通过专业修图软件达到。若用户需要不同尺寸、不同背景色、不同穿着和不同美感的证件照,则非常考验专业人员的修图能力。这
多目标跟踪（MOT）在自动驾驶及高级辅助驾驶中,主要负责检测和跟踪汽车行驶过程中可能出现的障碍目标。目前主流的方法为基于可见光传感器的多目标跟踪,但是该方法在灯光照明不足和恶劣天气的情况下具有不稳定性,即有较大概率无法检测与跟踪障碍目标,然而热成像传感器采集的红外图像具有对照明、天气等因素不敏感的特点。因此将热成像传感器与可见光传感器进行信息融合,使得融合图像中包含红外图像的温度信息与可见光图像的
随着计算机视觉的发展,图像分类技术的应用越来越广泛。传统的图像分类技术通常需要大量带标签的训练数据,而在现实生活中,收集有标签的样本存在许多困难。另外,面对未来新出现的类别,人类难以为其收集带标签样本。为了解决这些问题,零样本学习得到了广泛的研究。零样本学习旨在通过已知类训练模型,解决未知类的分类问题。但训练过程中只有已知类样本,因而存在数据不均衡的问题。近年来,许多方法采用生成对抗网络（GAN）
肝脏相关的疾病极大地威胁了我国人民的生命健康安全,尤其是肝硬化和肝癌等重病。而肝纤维化是这些重病以及其它一些肝脏慢性疾病的早期表现,因此对于病人肝纤维化程度的准确评估在临床上具有重大意义。目前,肝穿刺活体组织检查术是肝纤维化诊断的主要手段,而这种有创的穿刺活检手术可能会引起并发症甚至导致病人死亡。因此,发展基于影像学的肝纤维化无创诊断方法具有重大意义。当前计算机辅助肝纤维化诊断主要集中在对肝纤维化
小麦作为人们日常生活中息息相关的农作物,其生产、加工、运输等环节的食品安全问题是直接关系到消费者的头等大事。小麦籽粒在生长及收获储存加工等过程中可能受各种产毒真菌的污染,真菌毒素的污染是影响小麦农作物质量安全的重要因素。以食品监管部门对小麦中多种真菌毒素的大量抽检数据为对象,本文应用数据挖掘方法研究了小麦质量安全预警模型。主要完成的工作有:1、给出了一种基于机器学习的小麦真菌毒素预警方法。该方法主
SHA256（Secure Hash Algorithm 256）作为目前最可靠的杂凑算法之一,在信息安全等领域具有重要的应用价值。在区块链技术中,默克尔树的构造、区块之间的链接和共识机制的运作,都以SHA256算法作为保障其系统安全性的基础支撑。目前已有研究基于HOL4交互式定理证明器验证区块链共识机制的数据一致性,该过程将SHA256算法假设为理想化模型,这导致了研究结果不可靠。为了提高验证结
教研是基础教育阶段教师专业发展的有效方式。本文基于北京市海淀区青龙桥学区英语教师教研实践，阐述了CFG模式引入区域教研的实践策略与思考，以期为教师专业发展寻找新路径。