等规聚丙烯树脂的结晶动力学研究

利用DSC和偏光显微镜研究了三种等规聚丙烯树脂的结晶动力学。这三种树脂具有完全不同的分子量(熔融指数分别为12,35和300)与分子量分布(多分散指数相应为a=4.76,2.16和2.85)。研究发现,在等温结晶条件下,总结晶速率和球晶的生长速率从根本上受到分子量和分子量分布的影响。随熔融指数的增加(即重均分子量的减少),结晶的半值期增加。根据聚合物结晶动力学的理论,得到了平衡熔点T.o和大分越来越子折叠表面的自由能a.,并且发现T.o和O.值随着重均分子量的增加而增加.     

茂金属/有机硼化物催化1-癸烯均相聚合反应动力学

以茂金属体系rac-Et(1-Ind)2Zr Cl2/C6H5NH(CH3)2B(C6H5)4/Al(i-Bu)3催化1-癸烯聚合,对不同反应条件下(如温度,铝锆摩尔比)聚合反应动力学进行了研究。通过中间取样并利用GC测定单体浓度、GPC测定聚合物相对分子质量,获取动态的变化数据;结合聚合反应机理和物料平衡,对烯烃聚合反应做了一些假设,建立了聚合反应的动力学模型,该模型包括链引发、链增长、链转移至单体、链转移至活性中心和链终止几个反应。借助Levenberg-Marquardt算法对模型参数进行优化,通过该模型可以预测聚合反应速率、数均分子量和重均分子量等参数,验证实验结果表明模型预测值与实验数据相接近。模型显示链引发过程在几秒内完成,链增长反应相对于链转移反应具有较低的活化能,温度升高有利于链转移反应的进行。     

改进鲸鱼优化算法及其在渣油加氢参数优化的应用

针对智能优化算法在处理非线性优化问题中存在的容易陷入局部最优和收敛精度差等问题,提出了一种基于结合差分进化和精英反向学习的改进鲸鱼算法(DEOBWOA)。该算法引入对立搜索初始化、精英反向学习,并结合差分进化进行变异修正,显著有效地提高WOA算法的收敛精度和收敛速度,提高其跳出局部最优的能力。之后采用8个标准测试函数进行仿真实验,结果表明:DEOBWOA算法与标准WOA、HCLPSO、DE算法相比,全局搜索能力和收敛速度都有较大提升。最后建立了渣油加氢动力学模型,考虑到渣油加氢过程中存在诸多典型的非线性约束问题,以某炼化厂渣油加氢装置为例,应用DEOBWOA对渣油加氢反应动力学模型参数进行优化,结果表明该算法能较好地处理实际工程优化问题。     

基于免疫算法的聚烯烃分子量分布去卷积分析

聚烯烃分子量分布(MWD)的去卷积分析是聚合反应动力学参数估计的重要步骤,对烯烃聚合过程建模、模拟和优化至关重要。针对经典MWD去卷积分析方法中传统算法需要较精准的初始值否则无法准确获得每个活性中心反应动力学参数的问题,提出了全局搜索的免疫算法(IA),用于多活性位Ziegler-Natta催化剂制备的聚烯烃MWD的去卷积分析。该算法通过随机产生初始种群,利用免疫操作算子克服一般算法易陷于局部最优的缺点,实现全局寻优。结果表明,在无需给定初始值的条件下,该算法能够有效地计算出催化剂活性位个数、每个活性位所占比例以及所生成聚合物的数均分子量。最后,将免疫算法的求解结果与Levenberg-Marquardt(L-M)算法结合,有效地提高了去卷积分析的精度。     

多策略果蝇优化算法及其应用

针对果蝇算法容易陷入局部极值、收敛速度慢和收敛精度低的问题,基于粒子群优化算法中社会认知因子和差分演化算法的变异算子,提出了一种多策略果蝇优化算法(SFOA)。对于味道浓度值劣于平均味道浓度的个体,采用社会认知变异因子产生下一代个体,加快收敛速度。对于味道浓度值优于平均味道浓度的个体,引入差分向量,提高算法跳出局部极值的能力。经过8个测试函数的仿真实验对比,SFOA具有更好的全局搜索能力、更快的收敛速度和更高的收敛精度。最后,将改进后的果蝇算法运用到GE气化炉操作优化中,以有效合成气产率最大化为优化目标,氧煤比和水煤浆浓度为决策变量,结果表明,SFOA能够快速找到最优值,证明了多策略果蝇优化算法的有效性。     

支持向量机在炉膛火焰监测中的应用

提出一种利用支持向量机算法监测炉膛火焰燃烧状态的方法。通过对几种监测方法的对比发现,对于火焰图像,基本都是从火焰亮度(通过数字图像处理的方法将其分解为R、G、B三原色图案)、火焰面积(摄像机录像的燃烧火焰像素面积)等几个方面提取数据,来分析并最终得到火焰状态的监测结果。在分析支持向量机算法原理的基础上,利用MATLAB语言编写应用程序来实现对图像原始数据的分类分析。在炉膛火焰强度监测中,首先运用数字图像处理的方法获取炉膛火焰燃烧的原始数据(火焰亮度的R、G、B三原色数据),然后利用SVM算法找到图像数据分类最佳的平面(最大间隔超平面),对原始图像数据进行辨识分类,以获得火焰强度监测结果。通过对炉膛火焰原始数据的分析,提取完全燃烧图像的数据点,与火焰图像总的燃烧像素点进行对比,可以得到较准确的燃烧效果分析图,即把结果分为优(完全充分燃烧)、中(大部分充分燃烧)、坏(少部分充分燃烧)三类,然后通过对分类结果的观察分析来采取相应的措施。仿真实验结果表明,利用这种方法分析火焰燃烧图像,可以有效地、实时地判断出火焰的亮度及燃烧状态并准确的分析其燃烧状态。     

等离子体及过氧化物引发DT聚合动力学

等离子体引发聚合具有经典自由基聚合不同的特征。文章以碘仿为链转移剂,比较了等离子体及过氧化物引发丙烯酸(AAc)的衰减链转移(DT)聚合动力学。结果表明:碘仿对过氧化物引发体系聚合速率的抑制较等离子体体系明显,同时过氧化物引发DT聚合的分子量更接近于理论值,也更容易在单体转化率较低时得到窄分子量分布(PDI)的聚合物。两种方法引发DT聚合的分子量均与单体转化率呈正比关系,其PDI分别低至1.48、1.64,符合可控/活性聚合的特征。     

基于粒子群优化算法的烯烃聚合反应动力学参数估计

聚合反应动力学参数估计是烯烃聚合过程建模与优化的重要环节和难点.针对Ziegler-Natta催化剂多活性中心特性、反应复杂、动力学参数多的问题,提出了基于粒子群优化(PSO)算法的烯烃聚合反应动力学参数估计方法.该方法以聚烯烃分子量分布(MWD)、短支链分布(SCB)、共聚组成分布(CCD)等微观链结构为目标,以动力...     

AIBN与二硫代苯甲酸异丙苯酯反应研究RAFT过程机理

本文以AIBN为引发剂,二硫代苯甲酸异丙苯酯(CDB)、调控苯乙烯本体聚合,用GPC表征研究动力学。通过这些研究和表征,对RAFT聚合过程进行分析,发现CDB对于苯乙烯具有较好的调控能力,得到的聚合物分子量呈线性增长、分子量分布比较窄。     

酶催化合成高分子量聚丁二酸丁二醇酯(PBS)及其材料特性

建立了以固定化南极假丝酵母脂肪酶B(Novozym-435)作为催化剂,以丁二酸二乙酯和1,4-丁二醇作为原料,酶催化合成聚丁二酸丁二醇酯(PBS)的工艺。在95℃,真空条件下经过25 h反应,得到重均分子量44000的PBS,分子量分布为1.64。通过红外光谱、核磁共振、元素分析等分析了合成PBS的组成及分子结构。对酶催化聚合反应过程的动力学,以及反应过程中固定化酶的热稳定性进行了研究。通过对PBS材料性能的表征,证明其具有良好的耐热性能、力学性能和生物降解性能。     

改进粒子群算法优化SVM的水泥烧成系统故障诊断

在基本粒子群算法的基础上,通过引入自适应变异算子、交叉算子和新的惯性权重,提出一种采用改进粒子群(IPSO)算法对支持向量机(SVM)参数进行优化的分类器模型。选取UCI公共数据集中的Iris、Wine和Seed对其分类性能进行验证。最后,将IPSO-SVM分类器应用于水泥烧成系统的故障诊断中,结果表明:该分类器具有更快的收敛速度、更好的全局收敛能力和更高的故障诊断精度。     

模拟退火-回火算法在原子吸收分光光度多元测定中的应用

:提出了反向传播人工神经网络 (BP ANN)参数学习的模拟退火 回火算法。在保持模拟退火算法能收敛于全局最优的特点同时 ,利用模拟回火过程 ,加快了算法的收敛速度。建立了原子吸收光谱单波长下多元测定的BP网络模型。利用干扰效应 ,用常规火焰原子吸收分光光度法在单波长下同时测定了污水中的痕量镉和砷 ,方法简便、安全 ,具有较高的准确度和精密度     

AIBN与二硫代苯甲酸异丙笨酯反应研究RAFT过程机理

本文以AIBN为引发剂,二硫代苯甲酸异丙苯酯(CDB)、调控苯乙烯本体聚合,用GPC表征研究动力学.通过这些研究和表征,对RAFT聚合过程进行分析,发现CDB对于苯乙烯具有较好的调控能力,得到的聚合物分子量呈线性增长,分子量分布比较窄.     

融合copula EDA的AEA算法及其在参数估计中的应用

着眼于AEA(Alopex-based evolutionary algorithm)算法本身的不足,提高算法寻优性能,今构造出了一种融合了copula分布估计算法(copula EDA)和AEA算法的改进型算法-CAEA。将copula分布估计算法嵌入到AEA中,改进AEA算法中种群的生成方式,保持了种群的多样性。改进后的算法不仅拥有AEA算法启发搜索和确定性搜索的优点,同时还具有copula分布估计算法收敛速度快、包含全局搜索信息的特点。利用CAEA算法对9个标准函数进行测试实验,并与AEA算法、改进的粒子群算法(MSCQPSO)和差分进化算法(ISDEMS)的测试结果进行比较,结果表明CAEA算法无论在精确度还是稳定性方面都具有较大的提高。最后将算法用于发酵动力学模型参数的估计,通过优化得到了较好的结果,充分验证了所提出的算法的可行性和有效性。     

免疫PSO_WLSSVM最优聚丙烯熔融指数预报

熔融指数（MI）是聚丙烯生产的重要指标,建立可靠的熔融指数预报模型非常重要。针对标准粒子群算法(PSO)在迭代过程中易出现粒子过早收敛而陷入局部最优的缺陷,通过引入免疫系统的抗体选择机制,构造了一种基于免疫机制的免疫粒子群优化算法(ICPSO),来保持更新粒子的多样性,从而克服标准粒子群算法过早收敛的缺陷;然后利用ICPSO方法对鲁棒最小二乘支持向量机预报模型(WLSSVM)进行参数寻优,得到最优的ICPSO_WLSSVM预报模型。以实际聚丙烯生产的熔融指数预报作为实例进行研究,结果表明所提出的ICPSO_WLSSVM模型的有效性和良好的预报精度。     

树脂分子量对双组分聚氨酯涂料固化动力学的影响

以窄分子量分布的聚己内酯多元醇为模型化合物,使用傅立叶变换红外光谱仪(FTIR)研究了树脂分子量对双组分聚氨酯涂料(2KPU)固化动力学的影响。结果表明,在动力学控制阶段,固化反应遵循二级反应动力学,反应速率常数随树脂分子量的增加而减小;当树脂分子量大到一定程度时,速率常数的变化趋缓。     

神经元网络理论在乙烯精馏塔成分估计中的应用

针对前馈神经元网络误差反向传播算法收敛速度慢，且常常收敛于局部极小值等缺陷，提出了一种基于变步长、加压缩因子的共轭梯度搜索的快速学习算法。通过对乙烯精馏塔成分估计的应用表明，该方法比最小二乘估计法具有更好的外推性。     

基于改进BP神经网络陶瓷梭式窑火焰图像识别方法

在陶瓷产品生产过程中,不同烧制阶段陶瓷梭式窑烧结带温度发生相应的变化,其对应的火焰图像也随着变化。本文针对陶瓷梭式窑烧结带温度检测提出一种基于改进BP神经网络的火焰图像识别方法。首先对获取的火焰图像利用改进的小波阈值算法去除图像中的噪音进行预处理,其次基于改进的BP神经网络对得到的火焰图像三个分量值R、G、B和测得的火焰温度进行数据拟合,最后测试已训练的神经网络识别火焰图像的效果。实验结果表明,改进后的BP神经网络收敛速度更快、训练时间更短、误差更小,能够更好地检测陶瓷梭式窑火焰图像温度。     

全局群搜索优化算法及其在汽油调合中的应用

汽油调合配比生产优化是一种非线性约束的多峰优化问题。针对一般群智能优化算法在解决此类优化中易陷于局部最优解,提出了一种改进的群搜索优化算法--全局群搜索优化算法（GGSO）。该算法采用混沌机制初始化粒子在解空间内均匀分布;在算法前期,保留GSO的追随者进化策略,以保证算法的收敛速度。在算法后期,对追随者引入速度更新和个体最优,以保证算法的收敛精度;在粒子陷入局部极值时,对追随者和游荡者引入一种新的交叉、变异机制和自适应混沌扰动机制,以保证粒子跳出局部极值,提高算法全局寻优性能。分别用4个标准测试函数对优化算法进行测试,结果表明：GGSO算法与标准GSO、线性递减惯性权重粒子群算法（LDWPSO）比较,收敛速度和全局寻优性能有明显优势。汽油在线调合优化实例应用表明：该算法有较快的收敛速度,能够较准确地寻得全局最优。     

正庚烷对冲扩散火焰中添加长链醚类对碳烟前体生成特性的影响

生物质基长链含氧燃料具有良好的碳烟减排特性,是富有前景的柴油添加剂。通过实验和数值模拟分析了25%三丙二醇单甲醚(TPGME)和25%聚甲氧基二甲醚(PODE)添加对正庚烷对冲扩散火焰中碳烟前体生成特性的影响。通过气相色谱(GC)测量了对冲扩散火焰中C₁～C₄烃类的摩尔分数,实验结果表明TPGME和PODE的添加减少了乙烯和乙炔的形成。通过反应动力学机理结合解耦方法实现了燃烧动力学过程模拟,能够很好匹配实验结果。模拟结果表明核心燃烧区域的温差不超过50 K,说明含氧添加剂对火焰温度影响较小;稀释效应和热效应降低了乙炔、乙烯的浓度,而化学效应则有利于乙烯和乙炔的生成。生产率(ROP)和反应路径计算表明不饱和烃主要由正庚烷的氢提取和β-断键反应生成,两种添加剂均不会对该路径产生实质性影响。由于氧原子的存在,TPGME和PODE分子中碳原子极易转化为醛和一氧化碳(CO)而非不饱和烃。最终,稀释效应和热效应是降低正庚烷火焰中碳烟前体排放的关键因素。