首页> 正文

分离过程质量分离剂的计算机辅助分子设计

2020-11-28阅读(967)

分离过程质量分离剂的计算机辅助分子设计

论文摘要

特殊精馏与液液萃取是分离液态难分混合物的重要方法,而质量分离剂的选择是实施分离的关键问题。本文就质量分离剂的选择展开研究,以Mod. UNIFAC基团贡献法和改进的遗传模拟退火混合算法(MGASA)为基础,提出了一种新的计算机辅助分子设计方法,解决了CAMD中的若干难点问题,具有重要的理论和应用价值。化工分离过程质量分离剂的计算机辅助分子设计方法(CAMD),一般是以基团贡献法为基础,先预选一定的基团,然后按照某种规则将基团组合成分子,并依据指定目标性质进行筛选。目前CAMD中存在两个难点,一是数学优化方法,即如何解决基团组合爆炸问题;二是分子合成方法,即如何避免基团组合过程中大量结构不完整、性质不稳定分子的生成问题。本文就上述两个方面提出了新的解决方法和比较完整的解决方案。对于数学优化方法,现行的CAMD方法中已采取了一些优化算法来避免组合爆炸问题,如遗传算法(GA)、模拟退火算法(SA)及禁忌搜索算法(TS),但上述方法均有缺陷,运行参数的选择直接影响到算法的运行结果。本文采用了遗传算法与模拟退火算法混合的MGASA算法,弥补了单种算法的缺点,并结合分子设计的特点,对GA中的交叉、变异算子及SA中的新状态产生函数进行了改进,提出了基于知识的交叉因子,增加了不合法分子的修复算子,及防止最优解丢失的记忆算子。改进后的MGASA算法具有GA算法的优化时间性能和SA算法最终趋于全局最优的优点,克服了GA算法“过早收敛”问题和SA算法优化时间性能较差的缺点,是一种并行而且具有自动保优功能的算法;MGASA算法利用GA和SA各自不同的邻域搜索结构相结合,使得算法在解空间中的搜索能力所增强,优化效率得到提高;MGASA算法的多点搜索削弱了SA算法对初值的依赖性,同时利用GA算法不影响平稳分布的特性,提高了算法的鲁棒性。编码策略是算法实施的最基础问题,也是最重要的问题,编码策略中最大的难点在于直链烃、环烷烃与芳香烃的同时编码,虽然经过长时间的研究,目前国内外还没有形成很好的解决方案,本文提出了基于分子组成的基团数目的十进制编码策略,具有以下优点:分子表达简单,编码、解码操作简单易行;实现了直链烃、环烷烃及芳香烃的同时编码,同时搜索,保证了搜索空间的完整性;取消了其它设计方法中组成分子的基团数不能大于8的限制,削弱了基团总数的限制,拓展了搜索空间;消除了解空间的冗余,节省了计算时间。关于分子合成方法,基团组合成分子应满足完整性要求和稳定性要求。本文完善了分子完整性定理,并以此为依据,对不符合分子完整性要求的分子进行合法性修复;本文通过采取新的基团分类方法,可以比较容易地判断分子的稳定性和完整性;采取将分子稳定性作为适应度评价函数之一的策略,避免了分子完整性和稳定性同时修复带来的难度,减少了计算时间的消耗。本文将基于MGASA的CAMD方法应用于萃取精馏、共沸精馏及液液萃取过程,完善了溶剂选择的要求及相应适应度函数的计算,采用Matlab编程形成了一套通用的计算软件。采用实际物系对本文提出的方法和形成的软件进行了检验,计算过程的追踪表明算法过程为随机优化过程,总体趋于优化;将筛选结果与文献对比,表明本文筛选出来的溶剂适应度在本文的评判标准下普遍高于文献中溶剂,为工程应用提供了更好的选择,由此表明本文提出的质量分离剂的计算机辅助分子设计方法具有很好的准确性和实用性。

论文目录

  • 中文摘要
  • ABSTRACT
  • 第一章 文献综述
  • 1.1 特殊精馏概述
  • 1.2 液液萃取概述
  • 1.3 溶剂选择方法
  • 1.3.1 性质约束方法
  • 1.3.2 计算机优化方法
  • 1.4 优化算法及CAMD研究现状
  • 1.4.1 分子表达及合成方法
  • 1.4.2 优化算法分类
  • 1.4.3 基于构造算法的CAMD
  • 1.4.4 基于数值优化方法的CAMD
  • 1.4.5 基于非数值优化方法的CAMD
  • 1.5 本文立意
  • 第二章 基于遗传模拟退火混合算法的CAMD
  • 2.1 混合非数值算法的提出
  • 2.2 MGASA的改进
  • 2.3 基于改进的MGASA优化策略的CAMD的提出
  • 2.4 基团预选
  • 2.5 基团分类
  • 2.6 编码方案
  • 2.6.1 编码原则
  • 2.6.2 编码方法
  • 2.7 分子合成方法—完整性和稳定性判据
  • 2.7.1 分子完整性判据
  • 2.7.2 分子稳定性判据
  • 2.8 混合优化算法算子设计
  • 2.8.1 种群规模及初始化种群
  • 2.8.2 初始种群修复操作
  • 2.8.3 适应度函数设计
  • 2.8.4 选择操作
  • 2.8.5 交叉操作
  • 2.8.6 变异算子
  • 2.8.7 变异修复算子
  • 2.8.8 终止代数
  • 2.8.9 初温
  • 2.8.10 邻域定义与移动（SA状态产生函数）及染色体修复
  • 2.8.11 状态接受函数
  • 2.8.12 温度更新函数
  • 2.8.13 内循环终止准则
  • 2.8.14 外循环终止准则
  • 2.8.15 记忆算子
  • 2.9 本章小结
  • 第三章 萃取精馏过程萃取剂的分子设计
  • 3.1 萃取剂作用原理及萃取精馏典型流程
  • 3.2 萃取剂选择的一般要求
  • 3.3 性质表征及计算
  • 3.3.1 选择性
  • 3.3.2 共沸物判据
  • 3.3.3 沸点
  • 3.3.4 溶解性
  • 3.3.5 熔点
  • 3.3.6 稳定性
  • 3.3.7 最小萃取剂浓度
  • 3.3.8 纯物质饱和蒸气压的估算
  • 3.3.9 活度系数的估算
  • 3.4 适应度函数设计与计算
  • 3.5 计算实例
  • 3.5.1 甲醇－乙酸甲酯体系（馏出物为乙酸甲酯）
  • 3.5.2 甲醇－丙酮体系（馏出物为丙酮）
  • 3.5.3 苯－环己烷体系（馏出物为环己烷）
  • 3.6 本章小结
  • 第四章 共沸精馏过程共沸剂的分子设计
  • 4.1 共沸精馏的原理
  • 4.2 共沸剂选择的要求
  • 4.3 本文的共沸剂评价指标
  • 4.4 性质表征及计算
  • 4.4.1 二元非均相共沸物形成判据
  • 4.4.2 选择性
  • 4.4.3 共沸剂用量
  • 4.4.4 共沸剂蒸发焓的计算
  • 4.5 适应度函数设计与计算
  • 4.6 计算示例
  • 4.6.1 水－乙醇体系（馏出物为水）
  • 4.6.2 水－异丙醇体系（馏出物为水）
  • 4.6.3 水－苯酚体系（馏出物为水）
  • 4.7 本章小结
  • 第五章 液液萃取过程萃取剂的分子设计
  • 5.1 萃取过程萃取剂选择的要求
  • 5.2 性质表征及计算
  • 5.2.1 溶剂选择性
  • 5.2.2 分配系数
  • 5.2.3 溶剂损失
  • 5.2.4 溶解能力
  • 5.3 适应度函数设计与计算
  • 5.4 计算实例
  • 5.4.1 糠醛-水体系
  • 5.4.2 醋酸-水体系
  • 5.4.3 苯酚-水体系
  • 5.5 本章小结
  • 第六章 结论
  • 参考文献
  • 附录一 基团分类及相关参数
  • 发表论文和科研情况说明
  • 致谢

    • 相关论文文献

    • [1].具有适应值预测机制的遗传算法[J]. 国防科技大学学报 2014(03)
    • [2].基于适应值变化率的个体决策粒子群算法[J]. 现代电子技术 2014(14)
    • [3].适应值共享小生境遗传算法实现与性能比较分析[J]. 通化师范学院学报 2014(08)
    • [4].广义回归神经网络预测适应值的人工植物算法[J]. 电脑开发与应用 2013(07)
    • [5].浅谈模因复制过程中的适应值[J]. 考试与评价(大学英语教研版) 2014(06)
    • [6].基于进化个体模糊适应值估计的交互式遗传算法[J]. 控制与决策 2018(09)
    • [7].基于适应值模糊灰模型的交互式进化计算[J]. 计算机应用研究 2019(06)
    • [8].基于适应值曲面分析的全部局部极值搜索算法[J]. 系统工程与电子技术 2020(02)
    • [9].基于灰支持向量回归机预测适应值的交互式集合进化计算[J]. 控制与决策 2020(02)
    • [10].基于熵极大准则的非用户赋适应值交互式遗传算法[J]. 电子学报 2017(12)
    • [11].一种基于适应值分析的智能粒子群算法[J]. 计算机与现代化 2015(05)
    • [12].基于适应值引导的粒子群改进算法[J]. 计算机工程与应用 2015(14)
    • [13].基于适应值共享的多生境排挤遗传算法[J]. 计算机工程与应用 2009(05)
    • [14].基于进化个体混杂型适应值的交互式遗传算法[J]. 计算机工程 2018(11)
    • [15].适应值引导下的粒子群算法群体特性分析[J]. 电子制作 2019(18)
    • [16].基于爬山算子和适应值共享的改进遗传算法[J]. 广东工业大学学报 2011(01)
    • [17].基于适应值预测的DABC认知无线电频谱分配算法[J]. 计算机工程与应用 2016(18)
    • [18].最优多用户检测问题适应值曲面分析[J]. 南京大学学报(自然科学版) 2009(04)
    • [19].基于进化个体适应值灰度的自适应交互式遗传算法[J]. 计算机应用 2008(10)
    • [20].一种用于进化算法历史计算数据的高效利用方法[J]. 计算机工程与科学 2016(01)
    • [21].基于个体决策机制的粒子群算法及应用[J]. 科技信息 2013(13)
    • [22].一种改进的粒子群算法在云计算资源中的研究[J]. 微型机与应用 2017(06)
    • [23].基于极限学习机的车间节能目标预测方法[J]. 贵州大学学报(自然科学版) 2020(04)
    • [24].基于适应值欧式距离比的均衡蜂群算法[J]. 系统仿真学报 2015(05)
    • [25].一种改进的遗传算法交叉策略[J]. 湖南科技大学学报(自然科学版) 2012(01)
    • [26].基于联赛评价和知识提取的交互式遗传算法[J]. 山东大学学报(工学版) 2009(02)
    • [27].随机期望值模型的适应值预测差分进化算法[J]. 渤海大学学报(自然科学版) 2013(03)
    • [28].基于分群策略的混沌粒子群优化算法[J]. 计算机工程与设计 2019(02)
    • [29].基于过滤微粒群优化算法的虚拟企业伙伴选择[J]. 微型机与应用 2010(02)
    • [30].由一道实例看遗传算法[J]. 计算机光盘软件与应用 2014(09)

    标签：;  ;  ;  ;  ;  ;  ;  

    分离过程质量分离剂的计算机辅助分子设计
    下载Doc文档

    猜你喜欢

    © 2024 毕速过 版权所有 鄂ICP备12018319号-5