论文部分内容阅读
南京炼油厂计划把原有的柴油手工调和工艺改为自动化调和工艺，实现对调合组分配方的优化控制。建立能适应调合工况变化、并能正确测定调和柴油质量指标的数学模型是关键。根据实测的南京炼油厂柴油调合生产，建立了以常二线、常三线、催化柴油和精制柴油4路组分柴油的流量和倾点为输入参数，调和柴油倾点为输出参数的柴油调合RBF神经元网络模型。与回归模型和BP神经网络模型比较，RBF模型无论对训练数据集还是对检验数据集，均能更精确地预测实际生产过程的调合柴油产品倾点值，显示了良好的工程应用前景。