-
公开(公告)号：CN119272451A
公开(公告)日：2025-01-07
申请号：CN202411340727.4
申请日：2024-09-25
Applicant: 重庆大学
IPC: G06F30/18 , G06F30/20 , G06Q10/04 , G06Q50/06 , G06F111/10 , G06F111/04 , G06F119/08
Abstract: 本发明涉及一种基于结构枚举算法的无分流换热网络全局优化方法，包括如下步骤：S1提取工艺物流和公用工程物流数据；S2采用分级超结构建立换热网络设计的数学模型，在模型中添加冷热工艺物流无分流限制约束方程；S3开发无分流换热网络全局优化的结构枚举算法；S4对无分流换热网络设计的超结构数学模型进行优化求解，获取无分流换热网络设计的全局最优解，记录优化求解时间和最小化年度总费用；本发明建立了无分流换热网络设计的混合整数非线性规划模型(MINLP)，通过添加结构剔除约束，剔除掉重复性的换热网络结构，减少可行的网络结构数目，缩小了可行解设计方案的搜索空间，提升了无分流换热网络设计的优化求解效率。
-
公开(公告)号：CN118230838A
公开(公告)日：2024-06-21
申请号：CN202410306588.7
申请日：2024-03-18
Applicant: 重庆大学
IPC: G16C20/10 , G16C20/70 , G06F30/27 , G06N3/0464 , G06N3/126 , G06F111/06
Abstract: 本发明涉及一种融合甲醇生产系统机理的多目标自适应智能优化算法，首先利用现有的模拟工具建立包括三重二氧化碳进料，蒸汽甲烷重整SMR反应器，干式甲烷重整DMR反应器，甲醇合成反应器以及两个精馏塔的一套完整的甲醇生产系统对应的机理模型，其次选取决策变量并生成决策变量数据集，将决策变量数据集中数据输入机理模型得到对应的输出变量，然后将决策变量数据集中的数据和输出变量进行归一化，再利用归一化后的数据寻找帕累托最优解集，最后采用优劣解距离法从帕累托最优解集中确定最优方案。使用该方法优化后的CO2排放和能耗分别降低了18.50％和3.15％，CH4转化率和CH3OH产率分别提高了1.75％和2.03％。
-
公开(公告)号：CN117852222A
公开(公告)日：2024-04-09
申请号：CN202311653975.X
申请日：2023-12-05
Applicant: 重庆大学
IPC: G06F30/18 , G06F30/20 , G06F111/04 , G06F119/08
Abstract: 本发明涉及一种集成有机朗肯循环的换热网络优化方法，S1提取流股以及有机朗肯循环ORC的工艺参数和物性数据，S2建立换热网络HEN与ORC耦合集成的MINLP模型，并给出基本约束；S3将S2所建立的MINLP模型分解成混合整数线性规划MILP和非线性规划NLP两个子问题。首先，令目标函数等于0得到MILP模型，迭代运行MILP，枚举出所有可行的网络结构，然后针对每一个可行的网络结构以年度总费用TAC最小化为目标NLP模型，利用全局优化求解器求得该可行的网络结构的TAC，使用限制条件约束剔除枚举所得的相同的可行的网络结构。S4初始化模型参数；S5求解MINLP获得优化后的换热网络。
-
公开(公告)号：CN111943807A
公开(公告)日：2020-11-17
申请号：CN202010741769.4
申请日：2020-07-20
Applicant: 重庆大学
IPC: C07C29/151 , C07C29/80 , C07C31/04 , C01B3/34
Abstract: 本发明公开了一种热集成甲醇合成四补碳位置的工艺设计。该发明将一段甲烷蒸汽转化(SMR)和二氧化碳甲烷重整(DMR)结合，并在SMR转化炉前后、DMR转化炉前和循环气处分别补加二氧化碳，并对整个过程进行热集成。依次按照下述步骤进行：一段甲烷蒸汽转化、二氧化碳甲烷重整、压缩、甲醇合成、精馏，最终获得纯度为1(质量分数)的精甲醇。本发明有效的解决了传统甲醇工艺存在的能耗高和CO2排放量大等问题。
-
公开(公告)号：CN119066877B
公开(公告)日：2025-03-25
申请号：CN202411234197.5
申请日：2024-09-04
Applicant: 重庆大学
IPC: G06F30/20 , G06F17/10 , G06F111/10
Abstract: 本发明提出一种基于线性数学模型的氢网络分步设计方法，包括五个步骤。S1：提取氢公用工程、用氢单元及燃料系统的工艺参数，包括公用工程出口压力、纯度、流量上限；用氢单元进出口压力、纯度及流量；燃料系统压力；S2：以最小化公用工程流量为目标，建立线性规划模型，获取最小公用工程用量，计算年度总费用；S3：固定公用工程用量为最小值，以最小化压缩费用为目标，建立混合整数线性规划模型，根据优化结果计算年度总费用；S4：对同一出口的压缩机进行合并处理，减少压缩机数量，获取最优设计方案，计算年度总费用；S5：根据合并压缩机的结果，采用Aspen Plus模拟压缩机功耗，重新计算年度总费用，绘制最优设计方案。
-
Patent Agency Ranking
公开(公告)号：CN119066877A
公开(公告)日：2024-12-03
申请号：CN202411234197.5
申请日：2024-09-04
Applicant: 重庆大学
IPC: G06F30/20 , G06F17/10 , G06F111/10
Abstract: 本发明提出一种基于线性数学模型的氢网络分步设计方法，包括五个步骤。S1：提取氢公用工程、用氢单元及燃料系统的工艺参数，包括公用工程出口压力、纯度、流量上限；用氢单元进出口压力、纯度及流量；燃料系统压力；S2：以最小化公用工程流量为目标，建立线性规划模型，获取最小公用工程用量，计算年度总费用；S3：固定公用工程用量为最小值，以最小化压缩费用为目标，建立混合整数线性规划模型，根据优化结果计算年度总费用；S4：对同一出口的压缩机进行合并处理，减少压缩机数量，获取最优设计方案，计算年度总费用；S5：根据合并压缩机的结果，采用Aspen Plus模拟压缩机功耗，重新计算年度总费用，绘制最优设计方案。
-
公开(公告)号：CN117892457A
公开(公告)日：2024-04-16
申请号：CN202410233172.7
申请日：2024-03-01
Applicant: 重庆大学
Abstract: 本发明涉及一种螺旋板式换热器详细设计方法，S1提取冷热物流的工艺参数和物性数据。S2建立螺旋板式换热器的非线性数学规划NLP模型。S3用二进制整型变量和一系列参数值表示离散变量，将每个离散值和一个二进制整型变量关联起来，将S2中的NLP模型转化为与之等价的混合整数非线性规划MINLP模型。S4用一组二进制整型变量表示所有设计变量离散值的组合，即每个二进制整型变量表示与一组设计变量离散值组合的候选解。采用线性化方法消除模型中的非线性项，将MINLP模型转化为与之等价的混合整数线性规划MILP模型。S5求解MILP模型获取满足传热需求的最小换热器面积和最优设计变量值。
-
公开(公告)号：CN110600085B
公开(公告)日：2024-04-09
申请号：CN201910500140.8
申请日：2019-06-01
Applicant: 重庆大学
IPC: G16C20/30 , G16C20/70 , G06N3/0442 , G06N3/082
Abstract: 一种基于Tree‑LSTM的有机物物理化学性质预测方法，包括生成预测模型和预测物理化学性质两部分，该生成预测模型包括：1)有机物的分子结构进行规范化和编码并生成树状数据结构(分子特征描述符)；2)利用分子特征描述符和有机物的物理化学性质实验数据训练Tree‑LSTM模型，获得基于LSTM的海表面温度预测模型；该预测有机物物理化学性质包括：将分子结构进行规范化并编码输入预测模型，得到有机物物理化学性质的输出结果。本发明能够使计算机自动化的提取分子结构与物理化学性质之间的关系，更适合学习各种有机物的分子结构信息，可取得较好的预测结果。
-
公开(公告)号：CN110903167A
公开(公告)日：2020-03-24
申请号：CN201911078629.7
申请日：2019-10-28
Applicant: 重庆大学
IPC: C07C31/04 , C07C29/84 , C07C255/03 , C07C253/34 , B01D3/40 , C01B5/00
Abstract: 本发明公开了一种热集成三塔减压萃取精馏分离乙腈-甲醇-水混合物的方法以及适用于该方法的装置。该装置主要包括：乙腈塔T1，甲醇塔T2，溶剂回收塔T3，进料预热器H1，冷却器C1。该方法采用甘油为萃取剂，乙腈-甲醇-水混合物经预热后进入乙腈塔T1，与萃取剂逆流接触进行分离，塔顶得到乙腈产品，塔底物料进入甲醇塔T2进行分离；甲醇塔T2塔顶得到甲醇产品，塔底的萃取剂和水混合物进入溶剂回收塔T3；水从溶剂回收塔T3塔顶采出，萃取剂从溶剂回收塔T3塔底采出后进入进料预热器H1与进料物流进行换热，换热后再经冷却循环使用。该方法具有工艺简单、能耗低、分离的乙腈和甲醇产品纯度高的优点。
-
公开(公告)号：CN118280471B
公开(公告)日：2024-09-27
申请号：CN202410360282.X
申请日：2024-03-27
Applicant: 重庆大学
Abstract: 本发明涉及一种融合数据平衡与分子碎片化的化合物毒性评价方法，该方法首先根据毒性端点选择建模方法，然后使用练数据集对两种建模方法下的模型进行训练分别得到全局建模元模型和顺序建模元模型；对待预测化合物分子选择元模型并判断其是否在元模型的应用域内，如果在应用域内则将待预测化合物分子输入对应的元模型中进行预测，并对预测结果进行毒性悬崖测试，通过的预测结果如果大于给定共识分数阈值做则作为最终预测结果输出。如果不在应用域内直接输出无法预测。本方法可以智能灵活地选择合适的建模块，从而在不同的目标上实现化合物毒性属性的准确预测。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.022 seconds)
