BP神經網絡模型用于芳烴油加氫工藝條件考察

陳玉龍，楊基和，劉英杰，崔文龍

（常州大學江蘇省精細石油化工重點實驗室，江蘇 常州213164）

稠環芳烴（PAHs）是具有兩個及兩個以上苯環相連的芳香烴化合物，含直接相連三環的PAHs具有致癌性［1］。對于含有大量PAHs的傳統芳烴油，加工成橡膠制品之后，經過磨損、風化依然可能進入到環境中，對人體造成傷害［2］。研究人員對芳烴油中稠環芳烴的脫除技術進行了研究，鄭炎松等［3］采用高達20次的萃取操作脫除PAHs，但產品收率低；馮佰榮等［4］采用吸附操作，但原料起始PAHs含量低。

PAHs含量較高的芳烴油，通過選擇性加氫，可以確保產品在高液體收率的基礎上降低PAHs含量。對于含硫原料，若直接選用活性高的貴金屬催化劑，易中毒［5］。為此，可以選擇普通催化劑進行一段加氫，脫除部分PAHs及大量的硫，再選擇活性高的催化劑進行二段加氫。

PAHs種類繁多，加氫機理復雜，有些學者采用BP神經網絡模型考察反應條件［6－8］，取得較好的效果。本研究以BP人工神經網絡為基礎，建立芳烴油加氫脫PAHs過程的預測模型，對一段加氫工藝進行研究。

1 原料及催化劑

原料為某廠催化裂化油漿經萃取、切割得到的芳烴油餾分，性質見表1。

表1 原料的主要性質

采用工業硫化態 Ni－W/γ－Al2O3催化劑，比表面積為72.7m2/g、孔體積為0.24cm3/g、孔徑為12.0nm。

2 實驗過程

采用間歇釜反應器，通過單因素實驗方法考察反應時間、反應溫度和反應壓力對芳烴油加氫脫PAHs的影響；根據單因素實驗結果用MATLAB軟件建立BP神經網絡模型，預測芳烴油脫PAHs的最佳工藝條件；并通過實驗考察劑油比及溶劑對PAHs脫除率的影響。

3 結果與討論

3.1 工藝條件的單因素考察實驗結果

對芳烴油加氫脫PAHs的反應時間（2～10h）、反應溫度（240～320 ℃）、反應壓力（5～9MPa）進行了單因素實驗，劑油比固定為0.15，結果如表2所示。

表2 芳烴油加氫工藝條件的單因素法考察結果

由表2可知，在反應時間6h、反應溫度280℃、反應壓力8.0MPa的條件下，PAHs的脫除率最高，為46.24%。但單因素法各因素水平之間存在若干漏點，如考察溫度時，選取了240，260，280，300，320℃5個實驗點，加氫反應是一個放熱反應，降溫有利于反應正向進行；而升溫則有利于分子的熱運動，提高物料分子碰撞幾率，因此存在最佳反應溫度。在已經得出的最佳溫度280℃附近（如270～290℃）是否有更理想的點呢？若繼續用單因素考察則需要20次實驗，若把時間5～7h、壓力7.5～8.5MPa計算在內則共需要20×3×10次實驗。

3.2 BP神經網絡模型的建立

針對單因素法的漏點問題，根據表2中的數據建立了三層BP神經網絡，如圖1所示，分別是輸入層、隱含層和輸出層。輸入層共有3個神經元，分別是反應時間（t）、反應溫度（T）、反應壓力（P）；隱含層的神經元數待定；輸出層為PAHs脫除率（X）。

圖1 3－n－1BP人工神經網絡結構

3.2.1 模型算法 首先對輸入條件進行歸一化處理，選擇算法pn＝2（p－minp）/（maxp－minp）－1，輸入的數據經歸一化之后落入［－1，1］。模型輸入層傳遞函數為tansig，隱含層傳遞函數為tansig，輸出層的傳遞函數為purelin，訓練函數為trainlm。輸出結果要經過反歸一化進行還原。輸入信息（反應時間、溫度、壓力）從輸入層經隱含層計算傳向輸出層（PAHs脫除率），各層之間通過權值相關聯，同層神經元之間通過閥值相關聯。若輸出層未達到預期效果，誤差則通過逆向傳遞，從輸出層經隱含層，返還到輸入層，通過不斷調節與修正權值、閾值，直到誤差落在允許的范圍之內。

3.2.2 模型訓練結果與分析 利用MATLAB軟件將表2中的數據建立BP神經網絡，所有權值、閾值賦予初始值0.5，利用for循環函數設定隱含層神經元數為1～20，分別進行循環訓練。對預測結果與實驗結果的誤差進行分析，誤差最小時隱含層神經元數為16，訓練函數隨訓練次數的收斂曲線如圖2所示。由圖2可以看出，網絡經過訓練可以迅速收斂，達到訓練目標。訓練值見表2，經計算，實驗值與訓練結果的相對偏差在－1.39%～1.49%范圍波動，兩者較為接近，表明該網絡的訓練效果良好，可在一定范圍內進行芳烴油加氫脫PAHs工藝的模擬與仿真。

圖2 網絡的訓練曲線

3.2.3 模型預測結果與分析 對于芳烴油加氫脫PAHs，反應溫度和反應壓力是關鍵因素。為此將時間固定，分別對不同溫度、壓力下的PAHs脫除率進行預測。利用MATLAB軟件建立一個3－16－1的神經網絡，權值、閥值采用上述訓練后的數值，輸入條件利用矩陣生成［t，P，T］的形式，經歸一化、網絡訓練、反歸一化，反應時間6h和7h下的預測結果三維圖分別見圖3和圖4。

圖3 反應時間6h下不同溫度、壓力時的PAHs脫除率預測結果

圖4 反應時間7h下不同溫度、壓力時的PAHs脫除率預測結果

圖3中PAHs脫除率出現峰值的反應條件為6h，9MPa，271～273℃，PAHs脫除率為46.27%。通過單因素法得到的最優條件為6h，8MPa，280℃，PAHs脫除率為46.24%。可見提高反應壓力、降低反應溫度時有利于脫除PAHs，但變化不明顯。

圖4中反應條件為7h，9MPa，271～273℃時的PAHs脫除率約為46%，與圖3中相同條件下的PAHs脫除率相當，說明芳烴油在9MPa、270℃左右加氫6h已達到動態平衡，此時延長反應時間至7h并不能打破平衡，必須改變反應溫度或壓力。圖4中PAHs脫除率峰值在反應條件為7h，9MPa，278～280℃時出現，達到47.35%。與圖3中的峰值相比較，將反應時間由6h延長至7h，溫度由270℃增加至280℃后，PAHs脫除率由46.27%增加至47.35%，增加了2.3%。

圖5 反應時間6～10h下神經網絡模型預測峰值與實驗值

在圖3和圖4結果的基礎上，采用BP神經網絡模型分別預測了反應時間為8，9，10h時PAHs脫除率隨溫度和壓力的變化，預測的溫度區間為270～290℃，壓力區間為5～9MPa，并將得到的最優操作條件繪于圖5。由圖5可見，在反應時間為6～10h時達到最優預測值的反應壓力都為9MPa，即所采用壓力范圍的最高值，而最優溫度有所不同。由圖5中預測值曲線可見，延長反應時間，同時提高反應溫度，可以提高PAHs脫除率，但9h后，最佳溫度恒定在285℃，PAHs脫除率基本不變，因此，預測得到的最佳條件為8h，9MPa，285℃。由圖5中實驗值曲線可知，在6h和7h時實驗值與預測值較為接近，但7h后，二者的偏差增大。通過BET表征發現，7h后，Ni－W催化劑的比表面積由73.5m2/g降到1.36m2/g，孔體積由0.26cm3/g降到0.007 8cm3/g，即催化劑明顯失活，比表面積變小導致反應物物料分子吸附量降低，碰撞幾率減小，加氫效率降低。因此，結合網絡預測及實驗結果，最終選擇7h，9MPa，279℃為實際的最佳加氫工藝條件。

在最佳條件下PAHs脫除率的實驗值為47.89%，比單因素考察的最高值（46.24%）提高了3.6%；與預測值（47.35%）的偏差為1.13%，說明采用神經網絡模型對于單因素實驗或正交實驗等各因素水平之間的漏點具有較好的預測效果。

3.3 劑油比對PAHs脫除率的影響

在確定的最佳條件（7h，9MPa，279℃）下，考察劑油比對PAHs脫除率的影響，結果見圖6。由圖6可知，隨著劑油比的增大，PAHs脫除率不斷增大；劑油比增加到0.3時，PAHs脫除率為51.02%。因劑油比增大，增加了氣固相接觸面積，加氫效率提高；選擇性加氫為可逆反應，劑油比增大到一定程度，催化劑表面上物料分子的吸附、反應、脫附達到動態平衡，PAHs脫除率趨于穩定。故最佳劑油比為0.3。

圖6 劑油比對PAHs脫除率的影響

3.4 溶劑對PAHs脫除率的影響

本研究采用間歇釜反應器，原料硫含量較高，產生的H2S氣體可能抑制PAHs的脫除。添加溶劑可以稀釋原料中的硫及重金屬，防止過量的硫及雜金屬原子加速催化劑中毒，且溶劑的加入便于加氫產品的吸附及過濾。從溶劑與原料的相容性考慮，要求溶劑具有苯環或環狀結構；從溶劑的易回收性考慮，要求溶劑的沸點低；從最佳溫度為279℃考慮，要求溶劑的超臨界溫度在此溫度點附近。因此選擇具有環狀結構的環己烷、苯及甲苯作為溶劑。溶劑與油按體積比1∶1混合，在壓力為9.0MPa、劑油比為0.3、溫度為各溶劑臨界溫度之上5℃的條件下分別加氫7h，結果如圖7所示。

由圖7可知：苯及環己烷對加氫過程幾乎無影響；甲苯對脫PAHs及脫硫有一定的效果，將PAHs的脫除率從51.02%提高到54.29%，產品硫質量分數降至0.5%以下。主要是由于甲苯極性最強，與原料的相容性最好所致。以甲苯作溶劑可以拓寬原料的黏度范圍，重芳烴組分可以得到充分利用。若要進一步提高PAHs的脫除率，需更換活性更強的催化劑進行多段加氫，或采取萃取、吸附等其它操作。

圖7 溶劑對PAHs脫除率及產品硫含量的影響

4 結 論

采用MATLAB軟件對芳烴油加氫脫PAHs過程的單因素實驗結果進行神經網絡訓練，建立BP神經網絡模型，預測PAHs脫除率隨反應時間、溫度和壓力的變化趨勢，得到脫PAHs的最佳工藝條件為279℃，9.0MPa，7h，預測的PAHs脫除率為47.35%，此條件下的實驗值為47.89%，二者偏差為1.13%，說明所建立的模型預測效果較好。最佳劑油比為0.3，PAHs脫除率達到51.02%；添加甲苯溶劑時PAHs脫除率達到54.29%。

［1］謝忠麟.多環芳烴與橡膠制品［J］.橡膠工業，2011，58（6）：359－376

［2］石威，楊基和，林富榮.萃取法研制環境友好型橡膠操作油［J］.石油煉制與化工，2011，42（4）：70－73

［3］鄭炎松，宋松.用催化裂化油漿制取環保芳烴油的方法：中國，CN 101906317［P］.2010－12－08

［4］馮佰榮，馬劍鋒.一種環保芳烴油的生產方法：中國，CN 102146297［P］.2011－08－10

［5］Barrio V L，Arias P L，Cambra J F，et al.Aromatics hydrogenation on silica－alumina supported palladium－nickel catalysts［J］.Appl Catal A：General，2003，242（1）：17－30

［6］劉迎新，未作君，陳吉祥，等.采用BP神經網絡優化間二硝基苯催化加氫的反應條件［J］.催化學報，2005，26（1）：20－24

［7］汪洋，余定華，孫鵬，等.基于BP神經網絡的乳酸脫水制丙烯酸仿真模擬［J］.化工學報，2009，60（1）：83－88

［8］王國清，杜志國，張利軍，等.應用BP神經網絡預測石腦油裂解產物收率［J］.石油化工，2007，36（7）：699－704