人工神经网络在低温甲醇洗系统优化中应用

采用正交试验法确定人工神经网络（ANN）训练样本集的输入参数,利用基于严格机理模型的低温甲醇洗模拟系统（RPS）进行模拟计算,得到样本的输出期望值后,对改进的BP网络进行训练。结果表明,ANN成功地模拟了低温甲醇洗系统,其模型可作为“黑箱”模型代替RPS的严格模型。运用复合形法基于ANN模型对低温甲醇洗系统的重要工艺条件进行优化,可节省计算时间、优化结果表明,装置的CO2产量提高,氨冷负荷降低;所描述的优化策略可用于解决大型实际复杂系统的操作条件优化问题。这一结果为工厂优化操作指明了方向。