基于LMBP神经网络的催化精馏合成碳酸二甲酯的研究  

The Study of DMC Catalyst Distillation System Based on the LMBP Neural Network

作　　者：刘洪玮[1] 石红瑞[1] 张蓓蕾[1] 

机构地区：[1]东华大学信息科学与技术学院,上海201620

出　　处：《石油化工自动化》2009年第5期44-47,共4页Automation in Petro-chemical Industry

摘　　要：催化精馏合成碳酸二甲酯能够显著提高反应物碳酸丙烯酯的转化率。利用改进的LMBP算法建立了操作条件与碳酸丙烯酯的转化率之间的神经网络模型,利用已有的实验数据作为训练样本进行仿真实验。结果表明,基于LMBP神经网络的催化精馏合成碳酸二甲酯模型预测输出能够准确反映操作条件和转化率之间的关系,是一种可行有效的方法。The catalyst distillation is an efficient method to produce Dimethyl Carbonate （DMC）. An improved LMBP neural network model of the process is built according to the experimental data. The result shows that the forecast output of DMC Catalyst Distillation System based on improved LMBP neural network can accurately reflect the relationship between the operating conditions and the conversation rate. It is a feasible and effective method.

关 键 词：碳酸二甲酯 催化精馏 LMBP神经网络 仿真 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]