汽油二次反应催化剂的复杂失活机制及失活动力学研究

进行汽油二次反应催化剂失活反应动力学研究，探讨催化剂失活机理和失活历程，探讨催化剂组成与结构、反应条件等对催化剂失活的影响，探讨失活对二次反应的理想和非理想反应以及对产品分布和性质的影响，明确催化剂失活的双刃作用。基于载流时间独立失活理论和催化剂选择性失活理论，将选择性活和非选择性失活策略有机耦合，建立二次反应催化剂失活的机理性动力学模型，为实现催化剂失活的最优控制，以及清洁油品的可控生产而提供理论指导。.将微粒群算法同基因算法、混合进化策略、模拟退火思想以一种全新的方式相耦合，开发一种全局搜索能力强、收敛速度快、抑制早熟的能力强的混合微粒群优化算法，实现对上述多参数复杂反应动力学模型的解析，同时为解决化学工程领域大空间、非线性、全局寻优问题提供有力武器。

汽油二次反应，不仅能有效降低催化裂化汽油的烯烃和硫含量，而且可增产丙烯和异丁烯等化工原料，是保证车用汽油新标准顺利实施的一条重要途径。. 结合汽油二次反应过程中催化剂的快速失活特征，本项目分析了由于催化剂积碳而引起的快速失活行为与规律，探明了催化剂失活对二次反应体系的双重作用；提出了选择性失活耦合非选择性失活的新策略，基于该策略建立了催化剂的反应物导向选择性失活模型，采用载流时间而非积碳量的幂指数失活函数来描述催化剂失活历程；并进一步建立了考虑反应物导向选择性失活的汽油二次反应八集总反应动力学模型。针对该复杂反应动力学模型解析所面临的实际困难，本项目在基因算法中引入模拟退火思想和自适应进化策略，提出了一种改进的自适应基因算法。该算法具有收敛速度快、优化效率高、爬坡能力强、能有效避免早熟和局部最优陷阱等优点。应用新算法求解了动力学模型，结果表明：与未考虑失活的动力学模型对比，考虑反应物导向选择性失活动力学模型的动力学参数和模拟结果更加合理、可靠，且具有更佳的计算精度和预测能力，能更加确切地、真实地描述二次反应体系。. 为了满足日益强劲的丙烯市场需求，本项目开展了汽油二次反应过程增产丙烯研究以及操作条件优化。提出了基于莱温伯格马夸特改进支持向量机的LM/SVM新方法，并采用该方法建立了汽油二次反应的液化气和丙烯产率预测模型。采用序列二次规划算法对二次反应增产丙烯过程进行优化，得到了最大化生产丙烯的最佳操作条件和最优产率，为二次反应增产丙烯提供了理论基础。. 辛烷值是车用汽油重要的质量指标，本项目采用多元线性回归和BP神经网络算法分别建立了二次反应清洁汽油的研究法辛烷值预测模型。实例计算验证和对比分析结果表明：BP神经网络模型其强大的非线性映射能力能够更好地反映汽油研究法辛烷值与各集总组分之间的复杂关系，具有较高的模拟精度和较好的可行性，且应用简便。. 本项目为实现催化剂失活的控制，以及清洁油品的可控生产提供了理论指导。