论文部分内容阅读
模拟移动床(Simulated Moving Bed)的发展从石油化工领域开始，其后是食品中的制糖工业。近些年来，其应用范围已经成功扩展到生物工程、精细化工和制药工业等领域。但是由于模拟移动床在吸附分离过程的工艺过程复杂，影响因素较多，对于传统的操作和经验使得模拟移动床的色谱分离效果没有达到预想的水平，抽取液和抽余液处产品的纯度、吸附剂生产率和回收率等一些主要的性能指标没有达到预定值，同时模拟移动床对生产过程中外界扰动等不确定因素很敏感。为了充分发挥模拟移动床分离技术的潜能，建立能够真实反映模拟移动床吸附分离过程的模型，并能较为快的利用计算机仿真研究系统的分离特性，据此来指导实际运行和操作具有重要的理论意义和现实意义。 本文主要建立了未稳定状态的机理模型、稳定状态的黑箱模型以及模拟移动床完整吸附分离过程的分段模型，主要研究内容分为以下几点: (1)建立模拟移动床在启动阶段或非循环稳定阶段系统的机理模型。当系统在非循环稳定阶段时，针对待分离物质、吸附剂类型及洗脱剂等实验方法获得的各种数据推理得到的扩散系数、传质系数、柱孔隙率、吸附等温线系数等建模参数，建立机理模型的偏微分方程，并且采用COMSOL和MATLAB软件联合求取偏微分方程的解，从而建立模拟移动床的机理模型。 (2)建立模拟移动床在循环稳定阶段的黑箱模型。当系统进入循环稳定阶段后，系统中各组分的轴向浓度曲线形状基本不变的，它仅随着床层的模拟移动在不停的滚动。对于这种较为稳定的状态，采集一个完整周期内，以物料的进料流量、抽取液流量、抽余液流量、解析剂流量数据作为初始输入样本，以24个床层的液相浓度作为系统模型的输出变量，先采用聚类效果较好的Ncut聚类对数据聚类，为了增强向量机的学习能力，将聚好类的数据按反复记忆增强机制输入向量机进行增强-增量学习训练，同时选择增量型支持向量机来建立黑箱模型。 (3)建立模拟移动床吸附分离全过程的分段模型，采用基于单分类的半监督学习方法对未稳定状态和稳定状态分段。以抽取液处的浓度值和抽余液处的浓度值及其变化幅度作为衡量指标，采用基于One class的半监督学习的方法来确定分段模型的分界点。当这两个出料口的浓度值均较大，且两比值变化幅度小于某个范围时，认为系统达到稳定状态，否则系统未达到稳定状态。