[发明专利]一种基于神经网络的同位素分离仿真方法及系统

说明书

本发明公开了一种基于神经网络的同位素分离仿真方法及系统，应用于同位素分离技术领域，包括：基于工艺流程模拟软件，构建同位素分离装置；获取同位素分离装置的运行参数以及同位素分离丰度，训练同位素分离装置的同位素分离丰度神经网络模型；输入待测运行参数至分离丰度神经网络模型，得到同位素分离丰度结果。本发明不仅保证了同位素分离过程在最优的分离环境条件下发生，有效提升了所分离同位素的丰度，还因应用了同位素分离丰度神经网络模型，有效解决了工艺流程模拟软件在进行多复杂运行参数同时输入时，输出结果较慢的问题。

技术领域

本发明涉及同位素分离技术领域，特别涉及一种基于神经网络的同位素分离仿真方法及系统。

背景技术

同位素分离是研究同一元素的不同同位素之间的分离，被分离的同位素应属同一原子序数的同一元素。同一元素的各种同位素有相同的核内质子数和核外电子数，故其化学性质极为相似，分离难度很大。但它们的核内中子数不同，因而其原子量不同，这就引起同位素或其分子在热力学性质上的差异，利用同位素间在物理性质和化学性质上的细微差别，可以达到分离的目的。

现有的同位素分离方法可分为四大类：第一大类为直接利用同位素质量差别，如电磁分离，离心分离；第二大类为利用平衡分子传递性质的差别，如扩散、热扩散、离子迁移，分子蒸馏；第三大类为利用热力学性质上的差别，包括化学平衡和相平衡，如精馏、化学交换、萃取、吸收、吸附、离子交换、结晶；第四大类为利用同位素化学反应动力学性质上的差别，如电解、光化学分离。但是，在通过上述方法进行同位素分离的过程中，分离装置的运行参数设置往往达不到最优，即，无法保证同位素分离过程在最优的分离环境条件下发生，从而影响所分离同位素的丰度。

为此，如何提供一种能够得到分离装置的最优运行参数，保证同位素分离过程在最优的分离环境条件下发生，从而有效提升所分离同位素的丰度的基于神经网络的同位素分离仿真方法及系统是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提出了一种基于神经网络的同位素分离仿真方法及系统。基于同位素分离装置仿真的运行参数以及其所对应的同位素分离丰度，训练同位素分离丰度神经网络模型，以获得最优运行参数。

为了实现上述目的，本发明采用如下技术方案：

一种基于神经网络的同位素分离仿真方法，包括：

步骤(1)：基于工艺流程模拟软件，构建同位素分离装置。

步骤(2)：获取同位素分离装置的运行参数以及同位素分离丰度，训练同位素分离装置的同位素分离丰度神经网络模型。

步骤(3)：输入待测运行参数至同位素分离丰度神经网络模型，得到同位素分离丰度结果，以确定最优运行参数。

可选的，步骤(1)中，工艺流程模拟软件包括：Aspen Plus、DESIGN ll、ProMax。

可选的，同位素分离装置包括：依次连接的过滤装置、第一精馏塔、第二精馏塔、渗透汽化膜分离器。

可选的，过滤装置由活性炭吸附装置、离子交换树脂装置、反渗透装置以及EDI电除盐装置中的一种或两种以上组成。

可选的，步骤(2)中，运行参数包括：第一精馏塔和第二精馏塔的级数、塔高、塔径、进料量、回流比、塔顶压力以及渗透汽化膜分离器的级数、膜材料、压强、预热器温度、侧冷凝器冷却温度、膜面积。

可选的，步骤(2)中，同位素分离丰度包括：渗透渗透汽化膜分离器的氧十七水丰度以及被渗透汽化膜分离器截留的氧十八水丰度。

可选的，步骤(3)中，根据渗透所述渗透汽化膜分离器的氧十七水丰度以及被所述渗透汽化膜分离器截留的氧十八水丰度，确定最优运行参数，如下：