10.3969/j.issn.1001-9219.2020.01.011
基于BP神经网络的低温提氦工艺优化
氦气是国家重要性战略物资之一,目前氦气的主要工业来源仍是从天然气中提取.为进一步优化低温提氦工艺,降低工艺能耗水平,对已有低温提氦工艺进行了改进,以一级提氦塔进料温度、压力、回流比、制冷剂高压、低压压力和制冷剂流量6个参数为变量,建立基于BP神经网络算法的综合能耗及提氦浓度预测模型,并对模型进行检验,并运用训练好的BP神经网络对改进工艺的综合能耗及粗氦浓度进行了预测.研究表明:BP模型训练效果较好,可用于综合能耗和粗氦体积分数的预测;通过训练误差分析,确定了模型隐藏层节点数为8时BP模型预测结果最优;利用确定好的BP神经网络预测出最优工艺生产参数,在满足粗氦体积分数不小于63.5%的基础上,综合能耗降低了18.08%.
BP神经网络、低温提氦、HYSYS模拟、能耗分析
45
TQ117
2020-03-27(万方平台首次上网日期,不代表论文的发表时间)
共6页
51-56