用于评估硫质和硫量的神经-模糊模型:在不确定性条件下实现硫生产的多准则优化 作者:巴蒂尔·奥拉兹巴耶夫(Batyr Orazbayev)、艾努尔·朱马迪莱耶娃(Ainur Zhumadillayeva)、库尔曼·奥拉兹巴耶娃(Kulman Orazbayeva)、扎吉拉·萨伊莫诺娃(Zagira Saimanova)、萨亚·桑特耶娃(Saya Santeyeva)、希纳尔·科达诺娃(Shynar Kodanova)、纳兹古尔·库尔班加利耶娃(Nazgul Kurbangaliyeva)和拉马赞·耶西尔克塞索诺夫(Ramazan Yessirkessinov)

《Applied Sciences》:Neuro-Fuzzy Models for Assessing Sulfur Quality and Volume for Multi-Criteria Optimization of Sulfur Production Under Uncertainty Batyr Orazbayev, Ainur Zhumadillayeva, Kulman Orazbayeva, Zagira Saimanova, Saya Santeyeva, Shynar Kodanova, Nazgul Kurbangaliyeva and Ramazan Yessirkessinov

【字体: 大 中 小 】 时间:2026年03月06日 来源:Applied Sciences 2.5

编辑推荐:

   摘要 随着医学、化学及其他行业对高质量硫的需求不断增长,从石油精炼过程中有害酸性气体中提取硫的技术流程面临着输入参数与输出参数之间复杂、非线性且模糊的关系问题,这使得相

  

摘要

随着医学、化学及其他行业对高质量硫的需求不断增长,从石油精炼过程中有害酸性气体中提取硫的技术流程面临着输入参数与输出参数之间复杂、非线性且模糊的关系问题,这使得相关模型的开发变得十分困难。因此,在不确定性的条件下解决硫生产过程的建模与优化问题(尤其是在硫回收装置(SRU)中)具有重要的科学意义和实际价值。为了解决这些问题,我们提出了一种合成神经模糊模型的方法,用于评估硫的综合质量和产量,从而能够在模糊环境下构建出更为精确的模型。所开发的混合模型基于该方法,并通过历史数据进行训练,调整其模糊规则,从而能够有效捕捉硫生产过程中输入参数与输出参数之间的复杂非线性关系。针对阿特劳炼油厂SRU反应器出口的硫质量与产量评估,我们构建了基于ANFIS架构的神经模糊模型。同时,我们提出了一种模糊帕累托优化方法,该方法利用所开发的神经模糊模型,在考虑各种约束条件的情况下对硫生产过程进行矢量优化,并在模糊环境中确定帕累托最优解。决策者可以根据当前情况从帕累托解集中选择最佳方案,以实现硫产量与其综合质量之间的平衡。通过应用所提出的方法对阿特劳炼油厂SRU的硫生产过程进行多目标优化,结果发现高质量硫的产量增加了7.39%,氢气的产量增加了10.71%,能耗降低了80 kW/h,充分证明了这些方法的有效性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号