论文部分内容阅读
径向分布函数(RDF)是表征流体微观结构的重要函数，在流体理论研究中，径向分布函数理论是化工热力学中最活跃的研究方向之一，也是所有溶液理论中最精确的部分，该理论的关键是径向分布函数的求取。目前，计算流体的径向分布函数主要有分子模拟法，积分法和微相平衡法。本文采用人工神经网络方法来研究RDF，以分子模拟法(MC法)得到的RDF值作为神经网络的训练样本，建立硬球(HS)，方阱(SW)和Lennard-Jones(LJ)位能模型的BP网络预测模型，通过检验，结果表明BP网络能够较好的预测流体的RDF。与传统的积分法比较，结果表明BP网络的预测精度比积分法高。同样，直接采用LJ流体的Helmhotz自由能，压缩因子以及内能的MC值作为神经网络的训练样本，建立相应的人工神经网络预测模型，并检验模型的预测效果，并与已有的热力学模型比较，结果表明，人工神经网络法优于已有的热力学方程。 相平衡数据是开发、设计和优化分离过程及其设备的理论基础，汽液平衡(VLE)数据的获取对化工生产具有重要的意义。本文采用人工神经网络法研究流体的汽液平衡。用实验测定的汽液平衡(VLE)广西大学硕士学位论文应用人工神经网络计算流体的径向分布函数与汽液相平衡数据作为人工神经网络的学习样本，建立研究体系的VLE预测模型，并以实验数据作为检验样本来检验网络模型的预测的能力。本文主要研究以下5个方面: (1)人工神经网络模型用于预测多元体系的汽液平衡 (2)人工神经网络模型用于活度系数模型难于处理的体系 (3)用二元体系汽液平衡数据推算三元体系的汽液平衡数据 (4)用三元体系汽液平衡数据推算四元体系的汽液平衡数据 (5)用二元体系汽液平衡数据推算四元体系的汽液平衡数据计算结果表明，人工神经网络能够很好的预测多元体系的汽液平衡，预测精度一般优于活度系数法。对于活度系数模型难于处理的体系，神经网络法也能得到较好效果，当训练样本:预测样本二1:1时，神经网络法与活度系数模型的预测精度相当，当训练样本:预测样本二3:1时，预测精度明显优于活度系数模型。同样，以3个相关二元体系的VL〔作为神经网络的训练样本，可以推算此三元体系的VLE，而以相关4个相关的三元体系或6个相关的二元体系的VLE作为神经网络的训练样本，可以推算此四元体系的VLE，其预测精度与活度系数模型相当，但此法不需要考虑混合模型，不需要回归模型参数。 研究结果表明，人工神经网络是一种有效的RDF和VLE计算方法。