学位论文 > 优秀研究生学位论文题录展示
基于遗传算法优化的BP网络对生物柴油制备工艺的优化
作 者: 周小飞
导 师: 苏有勇
学 校: 昆明理工大学
专 业: 农业生物环境与能源工程
关键词: 生物柴油 人工神经网络 BP网络 转化率 遗传算法
分类号: TE667
类 型: 硕士论文
年 份: 2011年
下 载: 16次
引 用: 0次
阅 读: 论文下载
内容摘要
在生物柴油制备过程中,由于各种因素对生物柴油的转化率都有着不同程度的影响,使得在制备生物柴油的试验当中运用各种不同参数条件去尝试寻找最佳生产工艺条件,然后通过正交试验确定生物柴油制备工艺的最优条件。正交试验设计法是研究与处理多因素试验的一种科学方法,是根据数理统计学的原理,利用规格化的表格“正交表”从大量的试验点中科学地挑选试验条件,合理安排多因素试验的一种科学方法。与传统的试验方法相比,正交试验法虽然具有较高的试验效率,但这一过程中得花费不少时间和精力。利用神经网络对正交试验数据建立人工神经网络模型,可以模拟不同水平间距的正交试验,得到更加令人满意的试验结果。有了BP神经网络在生物柴油制备工艺中的应用,只需通过网络预测模型的建立就能较准确的预测生产工艺的最佳条件,可以有效的避免大量繁复的人工实验及数据分析,节约了人力,提高了效率在生物柴油制备的复杂过程中,由于反应条件对生物柴油制备的转化率有着不同程度的影响,利用传统的方法寻求影响转化率的准确数学模型非常困难,BP网络能够从实验数据中获取数学模型,它无需事先给出公式的形式,而是以实验数据为基础,经过“训练”后得到一个反应实验数据内部规律的数学模型,然后利用该模型进行推理。生物柴油的转化率取决于油醇比例、反应温度、催化剂用量等多个因素的影响。本研究选取小桐子油为原料,用KOH作为催化剂,采用酯交换反应制备生物柴油。通过单因素试验和正交试验得到最佳工艺条件为:催化剂用量为0.9%,反应温度为85℃,反应时间为1h,醇油比为6.5:1。以试验数据为样本,采用BP算法将人工神经网络技术用于建立生物柴油转化率预测模型,最后得到适合生物柴油转化率与反应温度、反应时间、催化剂用量,醇油比等参数有关的人工神经网络模型,较准确地预测生物柴油的转化率。由于BP算法有可能使得试验数据陷入局部最小值的缺陷等问题的存在,故在BP算法的基础上,采用遗传算法寻找生物柴油转化率的人工神经网络模型最优值,然后利用获取的最优工艺条件进行验证试验,得到了最优实验工艺条件:催化剂用量1.2%,反应温度为80℃,反应时间时间为1.5h,醇油摩尔比为6:1。在此基础上进行上再进行5次平行试验的验证,结果表明在该条件下转化率为98.82%,预测值为96.57%,其误差值为2.25%。试验结果表明,模拟结果和试验结果基本吻合,说明利用遗传算法优化BP神经网络用于生物柴油制备工艺的优化是可行并且实用。
|
全文目录
摘要 3-5Abstract 5-9第一章 绪论 9-21 1.1 生物柴油研究的意义 9 1.2 生物柴油在国内外的研究现状 9-12 1.2.1 国外生物柴油的研究现状 9-11 1.2.2 国内生物柴油的研究现状 11-12 1.3 生物柴油的制备方法 12-15 1.3.1 酯交换法 12-15 1.3.2 酯化法 15 1.4 本课题的研究现状及进展 15-17 1.5 本课题的提出 17-21 1.5.1 研究背景及意义 17-19 1.5.2 研究内容 19 1.5.3 研究方案的设计 19-21第二章 人工神经网络 21-30 2.1 概述 21 2.2 神经网络模型及学习方式与规则 21-22 2.3 BP网络的工作原理与方法 22-25 2.4 BP网络的设计 25-27 2.4.1 训练样本的获取 25 2.4.2 网络的层数 25-26 2.4.3 隐含层的神经元数 26 2.4.4 初始权值的选取 26 2.4.5 学习速率 26-27 2.5 BP网络的缺陷及改进 27-28 2.6 MATLAB中BP神经网络的工具箱函数 28-30第三章 小桐子油制备生物柴油的研究 30-37 3.1 材料与方法 30-32 3.1.1 材料 30-31 3.1.2 试验装置 31 3.1.3 方法 31-32 3.2 结果与分析 32-36 3.2.1 单因素试验 32-35 3.2.2 正交试验 35-36 3.3 结论 36-37第四章 生物柴油制备工艺的BP网络预测模型 37-44 4.1 生物柴油制备试验样本的数据的处理 37-40 4.2 生物柴油网络预测模型网络层次的确立 40 4.3 生物柴油网络预测模型的隐含层节点数的确定 40-42 4.4 生物柴油网络预测模型网络模型的确定 42-43 4.5 生物柴油网络预测模型BP网络模型的应用 43-44第五章 遗传算法优化的神经网络对生物柴油的优化处理 44-57 5.1 遗传算法的基本思想 44-45 5.2 遗传算法的实现 45-50 5.2.1 编码方法 45-46 5.2.2 适应度函数 46 5.2.3 遗传算法的基本运算 46-48 5.2.4 遗传算法的基本流程 48-49 5.2.5 遗传算法的运行参数 49-50 5.3 遗传算法对BP网络的优化 50-54 5.4 遗传算法优化的BP网络的应用 54-56 5.5 遗传算法优化后BP网络的实验验证 56 5.6 结论 56-57第六章 结论与展望 57-59 6.1 结论 57 6.2 展望 57-59致谢 59-60参考文献 60-64附录 64-70
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 超临界甲醇法从煎炸废油制备生物柴油的研究,TE667
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 树脂催化废食用油两步法制备生物柴油试验研究,TE667
- 基于遗传算法的模糊层次综合评判在高职教学评价中的应用,G712
- 部队人员网上训练与考核系统的开发,TP311.52
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 小桐子生物柴油副产物甘油医用级制备工艺研究,TQ223.163
- 生物柴油副产品甘油制备环氧氯丙烷,TQ223.26
- 不同大气压力下高压共轨柴油机燃用生物柴油的试验研究,TE667
- 餐饮废油制备生物柴油及降低其冷凝点的研究,TE667
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 基于遗传算法的中短波磁天线的设计及实现,TN820
- 基于遗传算法的柑橘图像分割,TP391.41
- 基于混合自适应遗传算法的动态网格调度问题研究,TP393.09
- 生物柴油及其与石化柴油混合燃料润滑性能的对比研究,S232.6
- 基于遗传—牛顿算法的公交优化调度,TP18
- 固体碱催化制备生物柴油的试验研究,TE667
- 基于云理论和蜜蜂进化型遗传算法的纹理合成研究,TP391.41
- 基于遗传算法和粗糙集的聚类算法研究,TP18
中图分类: > 工业技术 > 石油、天然气工业 > 石油、天然气加工工业 > 人造石油 > 从其他原料提取石油
© 2012 www.xueweilunwen.com
|