期刊文献+

基于径向基函数神经网络的乙苯催化脱氢转化率的软测量应用 被引量:2

Application of RBFNN to dehydrogenation of ethylbenzene to styrene
下载PDF
导出
摘要 针对乙苯催化脱氢过程的特点,选用历史生产数据即乙苯进料、一反温度、二反温度、二反出口压力、水比、脱氢选择性,利用改进的径向基函数神经网络(RBFNN)来构建乙苯催化脱氢过程模型,通过企业实际生产数据对该网络进行测试,其结果表明该模型可真实模拟实际乙苯脱氢生产过程,为后续乙苯催化脱氢系统实施先进控制优化技术奠定了基础. The conversion rate of dehydrogenation of ethylbenzene to styrene is important for the decision-making in the management of the chemical plant. In this paper, we applied a modified radial basis function (RBF) neural networks that could endure better fault-tolerace for this problem. The modified RBF neural networks was tested by six case history data sets, i.e., the feed of the ethylbenzene, the temperatures of the first reactor and second reactor, the output pressure of the second reactor, the ratio of steam to ethylbenzene, the selectivity of the catalyst. The experiment showed that this method could ensure high accuracy in predicting the conversion rate of the process.
出处 《化工进展》 EI CAS CSCD 北大核心 2009年第4期588-591,共4页 Chemical Industry and Engineering Progress
基金 上海市科学技术委员会资助项目(08R21421200)
关键词 乙苯催化脱氢 软测量 脱氢转化率 dehydrogenation of ethylbenzene soft sensor conversion rate
  • 相关文献

参考文献5

二级参考文献23

共引文献21

同被引文献20

引证文献2

二级引证文献10

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部