“人工神经网络”方法用于超临界流体萃取模拟.pdfVIP

维普资讯 第 16卷第6期 高 校 化 学 工 程 学 报 No．6 、，_0】．16 2002 年 12月 Journ alofChemicalEngineeringofChineseUniversities Dec． 2oo2 文章编号 ：1003—9015(2002)06—0691-05 “人工神经网络 ”方法用于超临界流体萃取模拟 银建 中 ，修志龙 ， 毕明树 ， 丁信伟 ， 阿布里提 ·阿布都拉 (1．大连理工大学化工学院，辽宁 大连 116012；2、弘前大学理工学部 ， 日本弘前 036—8561) 摘 要 ：在 1530MPa和 303323K条件下，用超临界 CO2流体萃取沙棘籽油 。结果表明，最高沙棘油收率(30MPa， 308K)可达到90％以上。对过程进行动力学模拟，建立了超临界萃取过程的人工神经网络(ANN)模型。以MATLAB 软件为平台，编制了SFE—ANN模拟程序系统。采用 3层BP网络结构，以压力、温度、萃取时间为输入，以萃取 出油量为输 出对 网络进行训练。由此得到的网络可 以对萃取速率和单位时间床高方向的萃取 出油量进行准确的模拟 和预测 与实验结果比较证明，训练样本集误差为0．2％，测试样本集误差为 0．5％，模拟误差小于 6％。 关键词：超临界流体萃取 ：人工神经网络：动力学模拟 中图分类号：TQ028．32：R284．2；0242．1 文献标识码：A 1 引 言 对超临界 CO2流体萃取植物种子油的实验研究和数学模型已有不少报道f】】。它们虽能很好地对 实验数据进行模拟和关联，且在一定程度对萃取机理做出描述，但用于指导工程设计，尚存在一定距 离。过程设计时，通常希望采用较少的实验数据便能预测萃取率、产量 以及萃取时间。为此，必须建 立一套能够较好地描述萃取过程 的传质动力学模型。Nguye等f6】试 图用一些经验 的萃取动力学公式来 模拟描述整个萃取过程 。Battle1【，Reverchon等 所建立的模型基于传质与传热类 比，所有的颗粒被 近似认为是球形 ，且假定所有的颗粒处于相 同的萃取状态，也就是说萃取器 内各点处的流体状态(浓度、 压力、密度等)相 同，然后建立传质方程来求解颗粒 内部的浓度梯度随萃取时间的变化关系。这种模型 的一个典型代表是收缩核模型(Bhupesh等 9【)。Sovova1【叫、Goto等 1【u基于沿着萃取器床层高度的质量 平衡微分方程建立 了动力学模型，在这个模型中，把萃取床看作是由许多薄层组成，对于每一个薄层 列出质量守恒微分方程 ，然后在整个床层高度上积分，就可 以估算 出萃取床的工作情况 。要在整个床 层高度上积分求解质量平衡微分方程 ，就必须知道萃取传质机理和相平衡数据 。为了简化计算过程 ， 提出了许多假设 ；例如假定整个萃取器 内各点处的压力温度相同，颗粒形状尺寸均一，忽略颗粒外部 的传质阻力等。在此基础上，还提出了分步萃取模型，将萃取过程分为快速、过渡和慢速三个阶段， 较好地描述 了一些物料 的萃取过程f】 】。 必须指出的是，上述各类萃取动力学模型，求解过程 中都不可避免地需要提出较多的基本假设条 件，如颗粒形状假设等 。而这些假设条件通常会随物料的种类和预处理方式的不同而变化，从而给模型 的通用性带来 了困难 。另外，有些模型在求解过程 中需要根据计算结果与实验结果的误差值最小，用 试差法来迭代计算传质系数f】 】，从而使模型过分地依赖于实验，独立性较差。值得一提的是，近来 Fullana等f】6]尝试将人工神经网络技术用于超临界流体萃取过程模拟获得初步成功。该法的特点是通过 精心选择网络拓扑结构和优化算法，可 以用一定量的微分萃取实验数据对网络进行训练，神经网络经 过学习，能够对同类实验结果进行模拟，更主要的是还能对相同条件下的积分萃取结果进行放大预测， 且模拟和预测都能达到较高的精度 。为了对该方法进行深入研究并使之不断完善，本文采用 3层 BP 网络建立沙棘油超临界萃取的动力学模型，并应用该模型进行模拟研究 。 收稿 日期 ：20O1．1o一08： 修订 日期：2002-08．02。 作者简介：银建中(1964．)，男，内蒙古丰镇市人，大连理工大学讲师，博士