[发明专利]一种基于遗传算法的油类氧化反应动力学模型确定方法

权利要求书

1.一种基于遗传算法的油类氧化反应动力学模型确定方法，其特征在于：包括如下步骤：

1)对油样进行多次升温速率不同且每次升温速率固定的热重实验；

2)基于油样在热重实验的氧化过程中子反应阶段的数量建立相应的多步连续反应模型；

3)确定遗传算法寻优搜索的目标函数；

4)设置遗传算法的运行参数；

5)利用Matlab软件运行遗传算法和多变量非线性回归算法，对目标函数进行最小化优化，得到寻优参数；

6)将寻优参数代入多步连续反应模型，得到油样的氧化反应动力学模型。

2.根据权利要求1所述一种基于遗传算法的油类氧化反应动力学模型确定方法，其特征在于：步骤1)中，对油样进行至少三次升温速率不同且每次升温速率固定的热重实验。

3.根据权利要求1所述一种基于遗传算法的油类氧化反应动力学模型确定方法，其特征在于：步骤2)中，基于油样的种类、物性特征和热重曲线变化确定油样在氧化过程中子反应阶段的数量。

4.根据权利要求1所述一种基于遗传算法的油类氧化反应动力学模型确定方法，其特征在于：步骤3)中，目标函数定义为热重实验的实际转化率和计算转化率差值的平方和，表达式如下：

其中，N表示热重实验所得数据点的总数目，α_i,exp表示热重实验的实际转化率，α_i,cal表示热重实验的计算转化率。

5.根据权利要求1所述一种基于遗传算法的油类氧化反应动力学模型确定方法，其特征在于：步骤4)中，遗传算法的运行参数包括种群规模、迁移间隔、拟合精度、变异概率和交叉概率。

6.根据权利要求1所述一种基于遗传算法的油类氧化反应动力学模型确定方法，其特征在于：步骤5)中，寻优参数包括油样在热重实验的氧化过程中每个子反应阶段对应的频率因子、活化能和生成系数。

7.根据权利要求5所述一种基于遗传算法的油类氧化反应动力学模型确定方法，其特征在于：步骤5)中，若遗传算法的拟合精度在迭代次数内满足要求，则终止对目标函数进行最小化优化，将目标函数当前最小值所确定的频率因子、活化能和生成系数作为寻优参数，否则返回步骤4)重新调整运行参数。

8.根据权利要求1所述一种基于遗传算法的油类氧化反应动力学模型确定方法，其特征在于：还包括步骤7)Matlab软件基于步骤6)得到的氧化反应动力学模型得到与油样热重实验对应的模拟预曲线；将基于热重实验得到的实际曲线与模拟预测曲线进行拟合以便验证分析。

9.根据权利要求8所述一种基于遗传算法的油类氧化反应动力学模型确定方法，其特征在于：步骤7)中，模拟预测曲线和实际曲线为转化率曲线或失重曲线。