第
31
卷第
1
期
太原科技大学学报
Vo
l.
31
No.1
2010
年
2
月
JOURNAL
OF
TAIYUAN UNIVERSITY OF SCIENCE
AND
TECHNOLOGY
Feb.20
1O
文章编号:
1673 - 2057
(2010)
01
- 0076 - 05
人工神经网络模拟反应精锢过程的研究
冯国红宋海华
2
(1.太原科技大学材料学院,太原
030024;2.
天津大学化工学院,天津
3
∞
072)
摘
要:提出了用
BP(
误差反向传播)神经网络模拟计算合成乙酸甲酶的新思路,模拟过程中采用
学习速率可变的动量
BP
算法训练、神经网络。结果表明:只妾有充足可靠的数据为基础,采用学习速率
可变的动量
BP
算法训练的神经网络的预测精度比普通
BP
算法的预测精度高
10
倍左右,且训练时间显
著下降,是一种具有广泛应用前景的模拟方法。
关键词:反应精饱;学习速率可变
;BP
神经网络;模拟;乙竣甲磁
中图分类号
:T
Q0
28.
1
+3
文献标识码
:A
反应精馆(
Reacti
ve
Distillation
,简称
RD)
是精
称
ANN)
是其中一种简单、精确、有效的方法。
锢技术中的一个特殊领域,是化学反应与精饵过程
本文用学习速率可变的动量
BP
算法训练的神
相藕合的化工过程,由于其具有选择性好、收率高、
经网络对合成乙酸甲醋的反应精锢过程进行模拟
能耗低及设备投资少等优点而逐渐受到广泛重视。
计算和分析,并与采用普通
BP
算法训练的
ANN
的
由于反应精馆不仅包含有传质、分离过程的复杂因
预测结果进行比较,前者的预测精度比后者高
10
倍
素,同时由于反应和分离过程同时进行,两者之间
左右,且降低了训练时间。
的相互影响使过程更加复杂,并且这类过程往往受
1
BP
型神经网络
很多随机因素的干扰和影响,因而很难确定精确的
数学模型来分析反应精锢过程。
人工神经网络主要是通过广泛连接的简单非
20
世纪
80
年代后,许多研究者对反应精馆过
线性神经元,形成拓扑分布式结构,表现为一个高
程的模拟计算进行了大量研究,主要成果有:级模
度复杂的并行非线性动力学系统,能够描述几乎任
型和微分模型
[1
斗]。随着工业的大型化,反应精馆
意的非线性系统,它不依赖于精确的数学模型,具有
塔中汽、液相在塔板上或填充床中的不均匀流动或
较好的鲁棒性和较强的自适应性。神经网络模型有
涡流扩散现象愈加严重,因而,大多数级模型都不
各种形式,误差反向传播人工神经网络
(Back
Propa-
能很好地模拟反应精馆过程。为此,
1999
年Kri
shna
gation Network)
,简称
BP
型神经网络,是
ANN
模型中
将混合池模型引人到了反应精馆的过程模拟中,但
啕使用最广泛的一类。理论证明具有三层(输人层、隐
就目前而言,该模型仍然存在很大的问题
[3
-4)
。张
含层和输出层)结构的
BP
网络能够逼近任何有理函
瑞生等认为其数学模型需用一组微分方程描述即
数,网络输人层接受外界的输入信息,输出层对输人
微分模型
[5
-6)
。上述所有这些数学模型都非常复杂
信息的判别或决策,中间层用来贮存知识。
且求解相当困难,从而在一定程度上限制了反应精
BP
型神经网络的基本处理单元(输出层单元
锚的应用发展。
除外)为非线性输入输出关系,一般采用对数
S
型
随着计算机技术在化工中应用的发展,利用经
传递函数
log
sig(x)
或双曲正切
S
型传递函数切
n
验模型对过程参数进行辨识也是一种有效的建模
sig(x)
.输出层采用线性函数
purelin
,有时也采用
S
方法。人工神经网络(
Art
ificial Neural
Network
,简.
型函数。
收稿日期
:2
∞
8-12-16
作者简介:冯国红(1
981
- )
,女,硕士,主要研究方向为化工设备设计。