改进的非线性PCA方法及其在过程监控中的应用

针对化工聚合反应过程的特点,结合小波分解多分辨率特性和独立元分析(ICA)提取个数较少的相互独立信号的优点,改进了基于自相关神经元网络的非线性主元分析(NLPCA)方法。在传统的非线性PCA方法中引入了独立元分析模块,不仅解决了自相关神经元网络中确定各层神经元个数的问题,而且以最少的独立元个数捕捉数据的非线性特征。多尺度监控可以识别各种幅值的故障,提高了监控效果。在此基础上,计算I²、I²_e和SPE统计量用于故障检测。贡献图法用于识别故障变量。在聚酯生产过程上的仿真结果表明,改进后的方法比传统的非线性PCA方法更及时地检测到过程故障,运用贡献图可以有效地实现故障变量分离。     

旋转填料床微观混合性能的CFD模拟

旋转填料床又称超重机,通过旋转产生的离心力来实现超重力环境,能有效地强化微混合及传质过程,在快速化学反应过程上有广泛的应用,如制备纳米粉体材料等。旋转填料床内的湍流反应涉及在填料中流体流动与混合反应过程,针对2股无预混反应物料的湍流混合及反应,通过商用软件Fluent的计算平台,采用涡耗散模型（eddy-dissipation）模拟碘酸盐-碘化物体系的平行竞争反应。涡耗散模型认为反应速率由湍流控制,避开了代价高昂的Arrhenius化学动力学计算。计算过程收敛良好,流场与各组分浓度分布合理。考察了转速及初始浓度对离集因子的影响,模拟结果与相关文献的实验数据吻合良好。