科研之友
微信
新浪微博
Facebook
分享链接
摘要
化工过程反应机理复杂,机理模型与实际反应系统之间存在建模误差;同时存在复杂的缓慢时变特征,如催化剂失活、燃料结焦等,难以用确定的机理描述,一般采用简化的关系描述,因此过程模型将与实际过程系统逐渐失配。为了建立能长期精确反映过程动态特性的模型,建立了一种基于过程特性的自适应迭代混合模型(selfadaptive iterative hybrid model,SAIHM)。将机理模型和数据驱动的模型有效融合以提高模型的预测精度;数据驱动的模型采用深度循环神经网络(deep recurrent neural network,DRNN)以充分挖掘相邻工况间的时序关系;基于某工厂碳二加氢绝热反应器的历史运行数据建立的自适应迭代混合模型与现有机理模型的仿真对比结果表明,自适应迭代混合模型能更有效地跟踪实际系统。
-
单位华东理工大学; 化学工程联合国家重点实验室
