1 第一章 绪论 | 第1-11页 |
1.1 研究概况 | 第8-9页 |
1.2 本文的主要研究内容 | 第9-11页 |
2 第二章 NH_3-CO_2-H_2O-Urea体系气液平衡热力学研究 | 第11-21页 |
2.1 NH_3-CO_2-H_2O-Urea体系的热力学模型 | 第11页 |
2.2 NH_3-CO_2-H_2O-Urea体系的自由度分析 | 第11-12页 |
2.2.1 NH_3-CO_2-H_2O-Urea三元热力学平衡体系 | 第11页 |
2.2.2 NH_3-CO_2-H_2O-Urea四元热力学平衡体系 | 第11-12页 |
2.3 有关NH_3-CO_2-H_2O-Urea体系研究简介 | 第12-14页 |
2.3.1 热力学实验及模型的研究 | 第12-13页 |
2.3.2 经验公式 | 第13页 |
2.3.3 相图研究 | 第13-14页 |
2.4 扩展的UNIQUAC方程在NH_3-CO_2-H_2O-Urea体系气液平衡热力学计算中的应用 | 第14-16页 |
2.5 扩展的UNIQUAC方程计算NH_3-CO_2-H_2O-Urea体系液相活度系数方法比较 | 第16-18页 |
2.5.1 Bernadis等的参数模型 | 第16-17页 |
2.5.2 Isla等的参数模型 | 第17-18页 |
2.6 NH_3-CO_2-H_2O-Urea体系气液平衡的计算 | 第18-20页 |
2.7 小结 | 第20-21页 |
3 第三章 尿素流程CO_2汽提塔的模拟计算 | 第21-39页 |
3.1 汽提塔的概述 | 第21-25页 |
3.1.1 汽提技术 | 第21-22页 |
3.1.2 汽提过程分析 | 第22页 |
3.1.2.1 汽提法的基本原理 | 第22-24页 |
3.1.2.2 汽提过程热力学分析 | 第24页 |
3.1.3 影响汽提塔的操作因素 | 第24-25页 |
3.1.4 汽提塔的结构简介 | 第25页 |
3.2 二氧化碳汽提塔的模拟计算 | 第25-28页 |
3.2.1 汽提过程的NH_3-CO_2-H_2O-Urea体系的热力学模型 | 第26页 |
3.2.2 平衡级数学模型 | 第26-27页 |
3.2.3 模型的自由度分析 | 第27页 |
3.2.4 模型的求解 | 第27-28页 |
3.3 模拟计算的结果与分析 | 第28-37页 |
3.3.1 工艺物料数据 | 第28-29页 |
3.3.2 模型对设计数据的模拟结果 | 第29-30页 |
3.3.3 数据分析 | 第30-32页 |
3.3.4 模型对工业数据的模拟计算 | 第32-33页 |
3.3.4.1 模拟结果 | 第33-34页 |
3.3.4.2 数据分析 | 第34-37页 |
3.4 小结 | 第37-39页 |
附图 | 第38-39页 |
4 第四章 CO_2汽提塔的非平衡级模型的建立 | 第39-48页 |
4.1 非平衡级模型建模方法的研究 | 第39-40页 |
4.2 过程描述 | 第40页 |
4.3 非平衡级模型的建立 | 第40-43页 |
4.4 模型的分析 | 第43-44页 |
4.5 动力学参数和物性数据的计算 | 第44-46页 |
4.5.1 传质系数 | 第44页 |
4.5.2 传热系数 | 第44-45页 |
4.5.3 粘度 | 第45-46页 |
4.6 非平衡级模型求解的主要方法 | 第46页 |
4.7 小结 | 第46-48页 |
5 第五章 人工神经网络在CO_2汽提塔模拟中的应用 | 第48-59页 |
5.1 人工神经网络模型的确定—BP(Back Propagation)网络 | 第48-50页 |
5.1.1 BP(Back Propagation)学习算法 | 第48-50页 |
5.1.2 BP算法的优点 | 第50页 |
5.2 面向MATLAB工具箱的神经网络设计概述 | 第50-52页 |
5.3 BP人工神经网络的学习环境 | 第52-53页 |
5.3.1 网络结构 | 第52页 |
5.3.2 输入特征的标准化 | 第52页 |
5.3.3 BP网络训练样本的获取 | 第52页 |
5.3.4 ANN法对训练样本的培训 | 第52-53页 |
5.4 小结 | 第53-59页 |
附表 | 第54-59页 |
6 第六章 结论 | 第59-60页 |
参考文献 | 第60-62页 |
致谢 | 第62-63页 |