MCM-22分子篩催化劑性能的BP神經網絡預測模型研究.pdf

1、以MCM-22分子篩為對象，系統(tǒng)考察了擠條成型工藝條件對分子篩催化劑物理化學特性的影響，并以苯與丙烯液相烷基化合成異丙苯為模型反應，在實驗研究基礎上、結合人工神經網絡建模方法，建立了MCM-22分子篩催化劑性能預測的BP（Back Propagation）神經網絡模型，該模型關聯(lián)了催化劑本征性能、工藝條件和反應產物分布之間的相互關系，以其達到較好地預測苯與丙烯烷基化反應性能的功能，為催化劑的開發(fā)和工業(yè)生產提供應用基礎和參考。 利

2、用顆粒強度測定、NH3-TPD酸性表征和氮吸附脫附-壓汞方法聯(lián)合測試等手段對不同條件下成型的MCM-22分子篩物理化學特性進行了表征，系統(tǒng)考察了不同成型工藝條件對催化劑顆粒強度、孔結構和酸性等性質的影響。結果表明：成型過程中適宜助劑的加入，可以調節(jié)催化劑顆粒強度、比表面積和孔徑分布以及酸性。其中，粘結劑SB粉主要調節(jié)催化劑顆粒強度和酸性，擴孔劑PEG20000主要調變孔徑分布以及孔容。 對不同成型條件下得到的16種織構性能各異的

3、MCM-22分子篩催化劑性能進行實驗評價，將所獲得的數(shù)據(jù)用于模型訓練和預測結果檢驗。結果表明，所建立的BP神經網絡模型具有進行實驗數(shù)據(jù)擬合和在一定范圍內預測未知結果的能力，預測平均相對誤差為4．21％。因此，將該BP神經網絡模型作為MCM-22分子篩催化劑的性能預測和苯與丙烯液相烷基化過程的定量描述模型，是適宜和可靠的。同時，應用該模型回歸分析了溫度、空速、苯烯比及分子篩的比表面積、平均孔徑與產物選擇性之間的相關關系。分析結果表明：丙烯