计算机辅助催化剂设计PPT

优化方法
遗传 算法
蚁群 算法
其他 方法
优化方法
遗传算法
遗传算法优点：具有良好的全局搜索能力，而不会陷入局部最优解的快 速下降陷阱；并且利用它的内在并行性，可以方便地进行分布式计算， 加快求解速度。
遗传算法改进：ห้องสมุดไป่ตู้1、以基本遗传算法为基础,引入 多重退火交叉 2、亲子竞争和最优个体保护策 略相结合的新遗传算方法 3、人工神经网络和混合遗传算 法的催化剂配方设计方法
蚁群算法
蚁群算法优点：蚁群算法是一个用来求解组合优化问题的具有通用 性质的内启发式优化组合算法。具有稳健性强、全局优化、智能搜 索、分布式计算、易于其他方法结合等优点，是求解复杂的组合优 化问题的有力工具
其他方法
1、差分进化算法 基于流程模拟软件 HYSYS 建立了催化重整机理模型，并 引入差分进化算法进行全局寻优，可行性规则法处理约 束 2、混合粒子群优化算法 粒子群优化算法简单、容易实现,而且可以避免传统方法 对初始值的依赖,混合粒子群优化算法得到的动力学参数 可以保证模型的预测精度。
设计难点
1、基本无理论 催化剂设计从全凭经验和技艺发展到现在相当程度的理论 指 导,而 这些理论指导很大程度是建立在经验上, 现代催化理论还有待于突 破 2、催化过程内在复杂性 催化剂整个设计过程 极其复杂,影响催化剂性能的因素多, 流化床 反应器必须采用高机械性能和高耐磨性能的催化剂,相反又限制了 催化剂的物理特性和化学组成,而这些又必须采取适当的化学组成 使主反应更有效地进行
数学模型法
一旦给定特定化学过程 , 给 催化过程模 型提供催化剂 的类 型、动力学与传递特 性及机理等信息 , 这模型就 可用于催化剂设计 ; 模型设 计出的参数 用于具体 的实 验过程 , 而从实验过程得到 的数据又反馈回模型本身 , 通过不断地反复 , 直至求出 最佳效果的催化剂 . 催化过 程用数学模型设计的领域 通常包括表面化学动力学 和反应动力学催化剂的孔 结构及扩散催 化 剂失活 等
专题五、工业催化设计
主讲人：何强 班级学号：能化1402 5120144079 主讲课题：计算机辅助催化剂设计
计算机辅助催化剂设计
概述 计算 机辅 助催 化剂 设计 设计难点 现状
优化
结语
概述
计算机辅助催化剂设计方法可分为三类 1、数学模型法 数学模型法提供的信息确定有助于推动催化 理论的发展 2、专家系统法 专家系统法继承专家的经验，有助于以后的 催化剂设计 3、混合法 混合法结合数学模型法和专家系统法的特点，是 辅助催化剂设计最有效的手段 随着现有计算机运算速度猛增和非数值求解的发展，计算机 辅助催化剂设计成为可能，并在催化剂中扮演越来越重要的 角色。
专家系统法
典型专家系统辅助催化剂 设计如图所示在专家的指 导下建立催化知识库 , 当 用户向系统提问时 , 推理 机通过访间催 化知识库 中的知识给以解答和解 释 . 这样一个专家系统中 , 催化知识库的组织是非常 关键的 . 经过探索与发展 建 立知识库系 统,其 知识 库被有效 地 分为四类:即 制备的 完 备性、制备的 匀性、催 化剂的体相和 表面 相 以 及反应的机理.
结语
计算机辅助催化剂设计在我们的工业生产和现实生活中都是不可缺少的方法。利 用不同的设计方法能达到我们需要的要求，数学模型法和专家系统法在我们的生 活中非常常见，利用模型放大、前人经验对我们非常有利。在工业催化这一个领 域，靠纯理论是无法实现化工生产的，因此我们需要通过理论的知识设计模型然 后进行放大结合前人的经验设计出一套完美的催化方案。身边的事物能够激发我 们对科学的探索，就比如催化系统的优化就用到了身边的事物来解决工业催化上 面的问题。科技在发展，需要在工业上面改进的还有很多，以此来满足科技化进 程，不断地在计算机辅助催化剂上面推陈出新是我们前进道路上的一个挑战也是 一个机遇。
混合法
数学模型根据实 验数据模拟催化 剂 设 计,提供 了 确 定 性 的 信 息, 但催 化 剂设 计 过 程 实 际上 却是 以 试验 性为 主的 过程.因此 只 有把确 定 性 的 模 型 和 非 确定 性 模 型综 合 起 来 考 虑,才 能 更有 效 地 辅助 催 化 剂 计.图 3 简单的描述了混 合 辅助 催化 剂设 计.
现状
1、目前催化剂广泛应用化学工业、石油加工工业、食品工业 以及其他许多工业部门 2、随着科技发展，催化剂设计过程已提出许多模型，有些模 型已经应用到催化剂设计中 3、催化剂设计是复杂的，因此在优化催化剂设计时，必须把 催化剂特性和反应器及过程反应特性联系起来 4、用模型设计时会遇到某些问题，一方面由于影响催化剂设 计因素之间高度的非线性比，所需要的计算量极大；另一方 面催化知识中包含大量非素质知识，用传统的计算方法不能 解决