APP下载

面向轻汽油醚化的BP神经网络的模型预测控制

2012-08-31程换新伊飞

石油化工自动化 2012年6期
关键词:模型

程换新,伊飞

(青岛科技大学 自动化与电子工程学院,山东 青岛266042)

随着汽车尾气的排放对环境的污染日益严重,世界各国特别是发达国家对汽油质量做出了越来越严格的规定。目前国内成品汽油的主要组分是催化裂化轻汽油(Fcc轻汽油),占成品汽油的80%以上,因而催化裂化轻汽油醚化工艺成为国内石化行业降低汽油烯烃含量,提高汽油辛烷值的重要手段之一[1-2]。Fcc轻汽油由蒸馏塔分出C6以及少量的C7轻馏分,这些轻馏分中的叔烯烃经过加氢后,与甲醇反应生成相应的醚类,即轻汽油醚化。醚化工艺流程[3-5]如图1所示。

笔者提出一种基于BP神经网络的预测控制算法。根据轻汽油醚化的工艺流程图,考虑到醚化过程具有重复性的特点,可以采用BP神经网络来建立轻汽油醚化的预测模型,通过神经网络的学习训练方法不断地提高最终产品的质量。

1 BP神经网络

1.1 BP神经网络的构建

笔者构建了一个多输入单输出BP神经网络预测模型,如图2所示。该模型包括三层:输入层、隐含层、输出层。假设BP神经网络有M个输入结点、k个隐层结点、N 个输出结点,每一层的功能定义如下[6]:

a)输入层。将输入变量直接输入下一层:

b)隐含层。其功能如下所示:

式中:xm——输入层的输入;Ok——隐含层的输出;wkm——输入层结点m与隐含层结点k之间的权值;m——输入层结点;k——与隐含层结点。

c)输出层。经过Sigmoid函数变换后,得到输出:

式中:In——输出层的输入;wnk——隐含层结点k与输出层结点n之间的权值。

图1 Fcc轻汽油醚化流程示意

图2 BP神经网络结构示意

登录APP查看全文

猜你喜欢

模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用