学位论文 > 优秀研究生学位论文题录展示

人工神经网络辅助设计六氟丙烯氢氟化催化剂

作　者: 钟光祥
导　师: 陈甘棠
学　校: 浙江大学
专　业: 化学工程
关键词: 催化剂体系六氟丙烯活性组分催化剂设计氟化反应博士学位论文浙江大学人工神经网络催化剂组成辅助设计
分类号: O643.36
类　型: 博士论文
年　份: 1999年
下　载: 106次
引　用: 0次
阅　读: 论文下载

内容摘要

对于氯氟烃和哈龙，因其对大气臭氧层的破坏作用，发达国家已经停产、削减用量和缩小使用范围；发展中国家或开始减产，或开始制订淘汰计划。在我国，氯氟烃的淘汰计划已开始执行。因此，作为氯氟烃和哈龙替代品的氢氟烃，其社会地位和工业领域的重要性日益增加。七氟丙烷(F-227)就是氢氟烃中一个很有发展前途的品种。一般来说，氢氟烃的合成比氯氟烃和哈龙困难，氢原子的引入是其合成的关键所在，性质优越的催化剂，是解决这一关键问题的基础。对于气固相氢氟化反应和氟化反应，在很多方面有共性，文献资料中的氢氟化反应和氟化反应催化剂，主要有：铝基催化剂、铬基催化剂、活性炭基催化剂。催化活性组分主要有：铝、铬、铁、镍、铜、银、锰、镁、钻、铑、锌、镉、钒、钼、钛等金属元素。催化剂母体制备方法有浸渍法、沉淀法、共混法、热分解法等，其中以浸渍法制备(氢)氟化催化剂报道最多，其载体有氧化铝、氟化铝、氟氧化铝、氧化铬、氟化铬、氟氧化铬、活性炭等。催化剂设计过程中所考虑的因素很多，如：催化活性组分的选择、催化剂的制备方法、预处理工艺、活化条件等。传统的催化剂设计是经验性的，它在很大程度上依赖于研究者的经验，需要大量的实验积累和长时间的研究筛选。近年来，有人将计算机技术引入催化剂的设计工作，利用专家系统的推理技术，将经验的知识和规则进行匹配，来筛选催化剂的组成和催化反应条件。但对于多组分的混合氟氧化物体系，由于组分间的相互作用以及组分与催化反应工艺条件间的相互作用，现在人们还无法将这种交互作用具体地描述出来，因此，目前还无法采用专家系统来辅助(氢)氟化反应的催化剂设计。人工神经网络是由大量结构和功能简单的神经元，按一定的形式组织起来，用于模拟人脑的组织结构和活动规律。误差反传(BP)网络是人们

全文目录

致谢  3-4
摘要  4-8
ABSTRACT  8-13
主要符号说明表  13-15
目录  15-19
1 研究背景  19-24
  1.1 引言  19
  1.2 F-227的研究进展  19-20
  1.3 人工神经网络及应用  20-24
2 气固相氢氟化催化剂的研究进展  24-36
  2.1 概述  24-25
  2.2 铝基催化剂  25-30
    2.2.1 Al-Cr系  25-26
    2.2.2 Al-Cr-Ni系  26-27
    2.2.3 Al-Cr、Ni、Co、Mn系  27-28
    2.2.4 Al-B系  28
    2.2.5 Al-Bi系  28-29
    2.2.6 其它  29-30
  2.3 铬基催化剂  30-31
    2.3.1 Cr系  30-31
    2.3.2 Cr-其它金属  31
  2.4 活性炭系催化剂  31-32
  2.5 其它  32
  2.6 小结  32-36
3 氢氟化催化剂的制备方法概述  36-41
  3.1 氢氟化催化剂制备的方法  36-37
  3.2 载体AlF_(3-2x)O_x的制备  37-38
  3.3 AlF_3的晶相及活性  38-39
  3.4 小结  39-41
4 神经网络辅助氢氟化催化剂设计  41-58
  4.1 催化剂设计  41-46
    4.1.1 催化剂设计的一般程序  41
    4.1.2 催化剂设计的考虑因素  41-44
    4.1.3 专家系统辅助催化剂设计  44-46
  4.2 前向多层神经网络  46-54
    4.2.1 简介  46-47
    4.2.2 误差反传算法  47-51
    4.2.3 BP网络的训练、测试和预测  51-53
    4.2.4 模拟退火算法  53-54
    4.2.5 BP-SA算法  54
  4.3 神经网络辅助氢氟化催化剂设计  54-57
    4.3.1 设想  54-55
    4.3.2 网络模式  55-56
    4.3.3 网络的训练与预测  56
    4.3.4 辅助设计过程  56-57
  4.4 小结  57-58
5 价值分析辅助催化剂设计  58-63
  5.1 价值分析方法的引  58
  5.2 价值分析函数的建立  58-59
  5.3 价值分析法的实证  59-62
  5.4 小结  62-63
6 氢氟化催化活性组分的确定  63-89
  6.1 概述  63
  6.2 神经网络模型的建立及运行  63-69
    6.2.1 神经网络模型的建立  64-65
    6.2.2 模型运行的程序图  65-68
    6.2.3 网络的训练与预测  68-69
  6.3 原料及分析方法  69
    6.3.1 原料  69
    6.3.2 分析方法  69
  6.4 催化剂的制备  69-72
    6.4.1 载体的制备  69-71
    6.4.2 活性组分的初选  71-72
    6.4.3 催化剂母体的活化  72
  6.5 催化剂考评  72-75
    6.5.1 工艺流程  72-73
    6.5.2 学习样本  73-75
  6.6 网络模型参数的选取  75-78
    6.6.1 Pa的确定  75-76
    6.6.2 隐含层节点数的选取  76-77
    6.6.3 学习率C_B的选取  77-78
  6.7 样本的学习  78-80
  6.8 预测及活性组分初选  80-84
  6.9 正交试验法校验神经网络的结果  84-86
  6.10 活性组分的进一步筛选  86-87
  6.11 小结  87-89
7 氢氟化催化活性组分的二轮优选  89-99
  7.1 二轮学习样本  89-90
  7.2 网络参数的选取  90-91
  7.3 二轮学习结果  91-93
  7.4 催化活性的二轮预测  93-95
  7.5 预测结果分析  95-97
  7.6 测试  97-98
  7.7 小结  98-99
8 催化剂的确定  99-110
  8.1 三轮学习样本  99-101
  8.2 网络参数的选取  101-102
  8.3 三轮学习结果  102-103
  8.4 反应温度影响的预测  103-105
  8.5 酸烯比r的影响  105-107
  8.6 优选的催化剂组成  107-108
  8.7 小结  108-110
9 氢氟化反应工艺的研究  110-118
  9.1 HF/HFP摩尔比r的影响  110-112
  9.2 HFP流量m的影响  112-113
  9.3 反应温度的影响  113-115
  9.4 催化剂的优选  115-117
  9.5 小结  117-118
10 全文总结  118-124
参考文献  124-126

人工神经网络辅助设计六氟丙烯氢氟化催化剂

内容摘要

全文目录

相似论文