化工多相流多尺度數(shù)學模擬與應用

第1章 緒論001
1.1 概述002
1.2 化工模擬技術的發(fā)展歷史002
1.3 化工模型分類004
1.4 化工模擬技術國內外對比與發(fā)展趨勢006
1.5 化工模擬未來的發(fā)展方向007
參考文獻007
第2章 分子模型009
2.1 概述010
2.2 分子模型分類010
2.2.1 量子化學(QC) 010
2.2.2 分子動力學(MD) 011
2.2.3 分子力學(MM) 012
2.2.4 蒙特卡羅(MC) 012
2.3 分子動力學模型建模的關鍵013
2.3.1 模型化合物的選擇013
2.3.2 力場的選擇014
2.3.3 反應條件的選擇016
2.4 分子動力學模型建模過程017
2.5 應用實例019
2.5.1 煤氣化過程020
2.5.2 廢塑料熱解過程028
2.5.3 廢輪胎氣化過程035
2.6 展望043
參考文獻043
第3章 CFD 模型046
3.1 概述047
3.2 CFD 模型分類049
3.2.1 歐拉-歐拉模型049
3.2.2 歐拉-拉格朗日模型050
3.2.3 其他模型053
3.3 CFD 模型建模的關鍵056
3.3.1 網格劃分056
3.3.2 模塊選擇057
3.3.3 模型求解063
3.4 CFD 模型建模過程066
3.5 應用實例067
3.5.1 噴霧干燥制備CL-20過程068
3.5.2 薄膜反應器中的傳熱過程099
3.6 展望101
參考文獻101
第4章 經驗模型105
4.1 概述106
4.2 經驗模型分類106
4.2.1 熱力學平衡模型107
4.2.2 反應動力學模型110
4.2.3 其他模型111
4.3 經驗模型建模的關鍵113
4.4 經驗模型建模過程114
4.5 應用實例117
4.5.1 噴霧干燥制備HMX/F2602 117
4.5.2 煤催化氣化制天然氣122
4.5.3 煤催化加氫氣化制天然氣139
4.5.4 旋轉填料床吸附苯酚155
4.6 展望164
參考文獻164
第5章 Aspen Plus 模型169
5.1 概述170
5.2 Aspen Plus 模型分類173
5.2.1 物料平衡-化學平衡-能量平衡法173
5.2.2 熱力學平衡模型法174
5.3 Aspen Plus 模型建模的關鍵174
5.3.1 物性參數(shù)的選擇174
5.3.2 模塊的選擇176
5.4 Aspen Plus 模型建模過程178
5.5 應用實例181
5.5.1 噴霧干燥制備含能材料182
5.5.2 流化床廢輪胎氣化209
5.5.3 旋轉填料床真空精餾乙醇和水221
5.5.4 旋轉填料床汽提氨氮廢水229
5.6 展望239
參考文獻239
第6章 機器學習模型243
6.1 概述244
6.2 機器學習模型分類及建模方法245
6.2.1 機器學習模型分類245
6.2.2 常用的建模方法250
6.2.3 超參數(shù)優(yōu)化算法256
6.3 機器學習模型建模的關鍵259
6.3.1 輸入參數(shù)的選擇259
6.3.2 神經網絡模型的選擇260
6.3.3 神經網絡算法的選擇260
6.3.4 隱含神經元個數(shù)的設置261
6.4 機器學習模型建模過程262
6.4.1 構建數(shù)據(jù)集263
6.4.2 選擇神經網絡模型、算法和神經元個數(shù)264
6.4.3 評價模型性能264
6.5 應用實例265
6.5.1 噴霧干燥制備含能材料265
6.5.2 煤和生物質共氣化反應動力學研究281
6.5.3 煤和生物質共氣化工藝過程302
6.5.4 煤、石油焦或生物質共氣化311
6.5.5 固定床煤的催化氣化320
6.5.6 流化床廢輪胎氣化328
6.5.7 旋轉填料床活性炭吸附338
6.5.8 旋轉填料床顆粒物脫除342
6.5.9 超臨界水氧化丙烯腈廢水347
6.6 展望351
參考文獻352