CN104331636A - 一种c8芳烃模拟移动床分离过程的建模和优化方法 - Google Patents

Abstract

本发明涉及一种C8芳烃模拟移动床分离过程的建模和优化方法，基于真实移动床建模方法，考虑吸附分离过程的压力和温度稳定不变，液相假设为弥散活塞流，固相假设为活塞流，传质速率模型采用线性推动力模型，吸附平衡通过Langmuir等温线来描述，建立C8芳烃吸附分离过程模型，并且基于该模型采用多目标教学优化算法对两个典型的模拟移动床多目标操作问题进行优化：(a)PX收率最大化和解吸剂用量最小化；(b)PX收率和纯度同时最大化。建立的模型能够获得吸附分离塔各床层的各个组分信息、抽出和抽余液中主要产物的收率和纯度，结合优化算法对模型中解吸剂流量、抽出液流量以及抽余液流量等操作变量的分析可以为提高模拟移动床运行水平提供指导。

Description

一种C8芳烃模拟移动床分离过程的建模和优化方法

技术领域

本发明涉及一种用于C8芳烃模拟移动床分离过程建模和优化方法，该方法可用于模拟移动床分离过程模拟仿真和操作优化。

背景技术

对二甲苯(PX)是一种重要的有机化工原料，是聚酯产品链的龙头产品。混合二甲苯分离是PX生产工艺中难度最大的一个环节，分离混合二甲苯的主要工业方法有深冷结晶法和吸附分离法其次还有络合萃取法、共晶法以及磺化法等，其中基于连续逆流模拟移动床的分子筛吸附分离技术是目前生产对二甲苯的主流工艺技术。

模拟移动床(SMB)分离技术是20世纪60年代兴起的一种连续逆流色谱分离技术，它可以提高固定相的利用率与产品纯度，在提高产品收率的同时也可以减小解吸剂的消耗，近年来在手性药物、石油化工分离等领域的应用受到越来越广泛的关注。

图1是二甲苯模拟移动床操作示意图，在二甲苯吸附分离过程中，通过利用对二甲苯(PX)和其他三种异构体(间二甲苯(MX)、邻二甲苯(OX)、乙苯(EB))对吸附剂的亲和力不同来达到分离效果，另外再通过解吸剂对二乙苯(PDEB)的作用使得强被吸附组分PX从抽出液中提取出来，而弱被吸附组分从抽余液中提取出来。

在二甲苯模拟移动床的实际工况操作中，技术人员主要关注如何确定合适的操作条件，使整个系统在满足PX纯度和收率满足分离要求的前提下，尽可能减少解吸剂的消耗，提高生产效率。然而模拟移动床吸附分离过程机理复杂，操作变量多且耦合性强，很难对其进行系统的分析,因此一直以来就缺乏较为有效的方法来为实际工况确定操作条件。

目前，许多学者基于三角形理论对其操作优化过程进行了深入的研究，但三角形理论忽略了轴向扩散和传质阻力，仅在理想状态下对模型进行优化，其预测的结果不能很好的描述真实的分离过程。此外，还有学者采用传统的多目标优化算法来优化模拟移动床操作过程，如NSGA-II算法等，但采用这些方法求得的pareto解集分布性和收敛性较差，不利于找到最优操作点，对实际工况的操作选择带来较大的局限性。

发明内容

针对上述问题，本申请提出将一种多目标教学优化算法用于C8芳烃模拟移动床分离过程操作优化，基于真实移动床方法建模，结合多目标教学优化算法(MOTLBO)对工艺操作条件进行优化，对指导实际工况的操作具有十分重要的意义。

本发明的特点如下：

1.与真实的模拟移动床结构完全一致，能够准确反映模拟移动床的操作变化如区域回流比、步进时间和冲洗液对吸附分离塔内流动、传质、分离过程的影响，由此可以获得吸附分离塔内详细的组分浓度分布以及抽出液和抽余液中关键组分的收率和纯度。

2.具有完善的吸附动力学体系，能够从吸附分离原理上描述不同C8芳烃异构体在吸附剂上吸附和解吸过程，计算得到吸附分离过程各组分浓度沿吸附塔床层的分布。

3.优化采用的多目标教学优化算法(MOTLBO)相较于其他优化算法，如NSGA-II，不仅在收敛性和分布性上具有优越性，而且求解时间也比较短。

根据上述特点，对C8芳烃模拟移动床分离过程进行建模和优化。首先，采用真实移动床方法(True Moved Bed，简称TMB)方法，考虑吸附分离过程的压力和温度稳定不变，液相假设为弥散活塞流，固相假设为活塞流，传质速率模型采用线性推动力模型，吸附平衡通过Langmuir等温线来描述，建立了完全符合色谱分离实际过程的工艺模型，精确描述塔内区域流量、液体流动速度、关键组分吸附解吸速度以及沿塔层的组分分布。

具体技术方案如下：

一种C8芳烃模拟移动床分离过程的建模和优化方法，包括如下步骤：

(1)：根据实际模拟移动床装置确定特定温度和压力下的设计参数和操作参数，并设定吸附平衡动力学参数初始值；；

所述设计参数包括塔长、塔径和塔板数，所述操作参数包括流量和步进时间；

(2)：确定模拟移动床建模方法及模型方程；

(3)：对二甲苯吸附分离模型进行求解；

(4)：基于实际工业运行数据校正模拟移动床吸附平衡动力学参数；

(5)：确定优化策略；

(6)：进行优化计算。

所述平衡动力学参数主要包括：扩散系数，传质系数，Pelect数和Langmuir吸附平衡常数。

所述建模方法为真实移动床(TMB)建模方法，假设压力和温度恒定不变，液相为弥散活塞流，固相为活塞流，传质速率模型采用线性推动力模型，吸附平衡采用Langmuir等温吸附描述。其模型方程如下：

液相物料衡算方程：

$D_{\mathrm{Lj}}\frac{d^2{c}_{i,j}}{{\mathrm{dz}}^2}-v_j\frac{{\mathrm{dc}}_{i,j}}{\mathrm{dz}}-\frac{1-\mathrm{\ϵ}}{\mathrm{\ϵ}}{K}_{\mathrm{Li}}(c_{i,j}-{\stackrel{\‾}{c}}_{\mathrm{pi},j})=0;$

颗粒内物料衡算方程：

$u_S({\mathrm{\ϵ}}_p\frac{d{\stackrel{\‾}{c}}_{\mathrm{pi},j}}{\mathrm{dz}}+{\mathrm{\ρ}}_p\frac{{\mathrm{dq}}_{i,j}}{\mathrm{dz}})+k_{\mathrm{Lj}}(c_{i,j}-{\stackrel{\‾}{c}}_{\mathrm{pi},j})=0;$

吸附平衡方程：

$q_{i,j}^{*}=\frac{q_{\mathrm{mi}}{K}_i{\stackrel{\‾}{c}}_{\mathrm{pi},j}}{1+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{K}_i{\stackrel{\‾}{c}}_{\mathrm{pi},j}};$

解吸剂入口：

Q_IIIA＝Q_IV+Q_D

$c_{i,\mathrm{IIIA}}^{\mathrm{in}}=(Q_{\mathrm{IV}}{c}_{i,\mathrm{IV}}^{\mathrm{out}}+Q_D{c}_{i,D})/Q_{\mathrm{IIA}};$

一次冲洗液出口：

Q_III＝Q_IIIA-Q_H

$c_{i,\mathrm{III}}^{\mathrm{in}}=c_{i,\mathrm{IIIA}}^{\mathrm{out}},c_{i,H}=c_{i,\mathrm{IIIA}}^{\mathrm{out}};$

抽出液出口：

Q_IIA＝Q_III-Q_E

$c_{i,\mathrm{IIA}}^{\mathrm{in}}=c_{i,\mathrm{III}}^{\mathrm{out}},c_{i,E}=c_{i,\mathrm{III}}^{\mathrm{out}};$

二次冲洗液入口：

Q_II＝Q_IIA+Q_X

$c_{i,\mathrm{II}}^{\mathrm{in}}=(Q_{\mathrm{IIA}}{c}_{i,\mathrm{IIA}}^{\mathrm{out}}+Q_X{c}_{i,X})/Q_{\mathrm{II}};$

一次冲洗液入口：

Q_IIB＝Q_II+Q_H

$c_{i,\mathrm{IIB}}^{\mathrm{in}}=(Q_{\mathrm{II}}{c}_{i,\mathrm{II}}^{\mathrm{out}}+Q_H{c}_{i,H})/Q_{\mathrm{IIB}};$

进料入口：

Q_I＝Q_IIB+Q_F

$c_{i,I}^{\mathrm{in}}=(Q_{\mathrm{IIB}}{c}_{i,\mathrm{IIB}}^{\mathrm{out}}+Q_F{c}_{i,F})/Q_I;$

抽余液出口：

Q_IV＝Q_I-Q_R

$c_{i.\mathrm{IV}}^{\mathrm{in}}=c_{i,I}^{\mathrm{out}},c_{i,R}=c_{i,I}^{\mathrm{out}}.$

所述平衡动力学参数初始值为同系列吸附剂的吸附平衡动力学参数。

所述C8芳烃为三个二甲苯异构体(MX，PX，OX)和乙苯(EB)，解吸剂为对二乙苯(PDEB)。

所述优化策略为：针对两种不同的优化问题分别进行求解和分析：(a)PX收率最大化和解吸剂用量最小化；(b)PX收率和纯度同时最大化。

所述优化计算过程中决策变量的范围是通过对模型进行灵敏度分析得到，约束条件是抽出液中PX纯度高于99.7％以及抽出液中PX收率高于92％。

所述优化计算采用多目标教学优化算法(MOTLBO)。

本发明的有益效果如下：

1.采用CTP1，CTP5为测试函数，对MOTLBO进行性能测试，结果表明，无论对于连续解集的CTP1还是非连续解集的CTP5，MOTLBO在收敛性和分布性都要优于NSGA-II。此外，采用MOTLBO算法在求解时间上比NSGA-II短；

2.将MOTLBO应用于C8芳烃吸附分离模型上，避免了采用三角形理论只能在理想状态下对模型进行优化的不足，同时针对二甲苯模拟移动床分离过程变量多，优化目标多等特点，该算法在优化过程中表现了较好的优化效果；

3.针对C8芳烃模拟移动床两种不同优化策略进行分析，可以根据生产过程中对纯度、收率以及解吸剂用量的要求，指导实际工况选择最优操作点。

附图说明

图1是二甲苯模拟移动床的操作示意图；

图2-1是采用测试函数CTP1时各算法与真实最优前沿的比较示意图；其中(a)是NSGA-II算法最优前沿与真实最优前沿的比较，(b)是MOTLBO算法最优前沿与真实最优前沿的比较；

图2-2是采用测试函数CTP5时各算法与真实最优前沿的比较示意图；其中(a)是NSGA-II算法最优前沿与真实最优前沿的比较，(b)是MOTLBO算法最优前沿与真实最优前沿的比较；

图3-1是MOTLBO与常用多目标优化算法分别对模拟移动床优化问题a进行优化的结果比较图；

图3-2是MOTLBO与常用多目标优化算法分别对模拟移动床优化问题b进行优化的结果比较图。

具体实施方式

下面结合实施例对本发明进一步说明。

将一种多目标教学优化算法(MOTLBO)用于C8芳烃模拟移动床操作优化过程，根据实际工况要求，选择最优操作点。

实施例1

如图1所示，二甲苯的模拟移动床的操作示意图，本实施例包括以下步骤：

1根据实际模拟移动床装置确定特定温度和压力下的参数：包括设计参数(塔长、塔径、塔板数等)以及操作参数(流量、步进时间等)，并设定吸附平衡动力学参数初始值；

2确定模拟移动床色谱模型

本实施例采用TMB模型方法，该模型假设压力和温度恒定不变，液相为弥散活塞流，固相为活塞流，传质速率模型采用线性推动力模型，吸附平衡通过Langmuir等温线来描述，并且不考虑传输线死体积对进出料管线的污染，模型方程如下：

液相物料衡算方程：

$D_{\mathrm{Lj}}\frac{d^2{c}_{i,j}}{{\mathrm{dz}}^2}-v_j\frac{{\mathrm{dc}}_{i,j}}{\mathrm{dz}}-\frac{1-\mathrm{\ϵ}}{\mathrm{\ϵ}}{K}_{\mathrm{Li}}(c_{i,j}-{\stackrel{\‾}{c}}_{\mathrm{pi},j})=0---\left(1\right)$

颗粒内物料衡算方程：

$u_S({\mathrm{\ϵ}}_p\frac{d{\stackrel{\‾}{c}}_{\mathrm{pi},j}}{\mathrm{dz}}+{\mathrm{\ρ}}_p\frac{{\mathrm{dq}}_{i,j}}{\mathrm{dz}})+k_{\mathrm{Lj}}(c_{i,j}-{\stackrel{\‾}{c}}_{\mathrm{pi},j})=0---\left(2\right)$

吸附平衡方程：

$q_{i,j}^{*}=\frac{q_{\mathrm{mi}}{K}_i{\stackrel{\‾}{c}}_{\mathrm{pi},j}}{1+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{K}_i{\stackrel{\‾}{c}}_{\mathrm{pi},j}}---\left(3\right)$

边界条件：

$\begin{array}{cc}z=0;& c_{i,j}^{\mathrm{in}}=c_{i,j}-\frac{D_{\mathrm{Lj}}}{v_j}\frac{{\mathrm{dc}}_{i,j}}{\mathrm{dz}}\end{array}---\left(4a\right)$

$\begin{array}{cc}z=L;& \frac{{\mathrm{dc}}_{i,j}}{\mathrm{dz}}=0;\stackrel{\‾}{c}\mathrm{pi},j,L=\stackrel{\‾}{c}\mathrm{pi},j-\mathrm{1,0};---\left(4b\right)\end{array}$

解吸剂入口：

Q_IIIA＝Q_IV+Q_D     (5a)

$c_{i,\mathrm{IIIA}}^{\mathrm{in}}=(Q_{\mathrm{IV}}{c}_{i,\mathrm{IV}}^{\mathrm{out}}+Q_D{c}_{i,D})/Q_{\mathrm{IIIA}}---\left(5b\right)$

一次冲洗液出口：

Q_III＝Q_IIIA-Q_H       (5c)

$c_{i,\mathrm{III}}^{\mathrm{in}}=c_{i,\mathrm{IIIA}}^{\mathrm{out}},c_{i,H}=c_{i,\mathrm{IIIA}}^{\mathrm{out}}---\left(5d\right)$

抽出液出口：

Q_IIA＝Q_III-Q_E     (5e)

$c_{i,\mathrm{IIA}}^{\mathrm{in}}=c_{i,\mathrm{III}}^{\mathrm{out}},c_{i,E}=c_{i,\mathrm{III}}^{\mathrm{out}}---\left(5f\right)$

二次冲洗液入口：

Q_II＝Q_IIA+Q_X      (5g)

$c_{i,\mathrm{II}}^{\mathrm{in}}=(Q_{\mathrm{IIA}}{c}_{i,\mathrm{IIA}}^{\mathrm{out}}+Q_X{c}_{i,X})/Q_{\mathrm{II}}---\left(5h\right)$

一次冲洗液入口：

Q_IIB＝Q_II+Q_H      (5i)

$c_{i,\mathrm{IIB}}^{\mathrm{in}}=(Q_{\mathrm{II}}{c}_{i,\mathrm{II}}^{\mathrm{out}}+Q_H{c}_{i,H})/Q_{\mathrm{IIB}}---\left(5j\right)$

进料入口：

Q_I＝Q_IIB+Q_F      (5k)

$c_{i,I}^{\mathrm{in}}=(Q_{\mathrm{IIB}}{c}_{i,\mathrm{IIB}}^{\mathrm{out}}+Q_F{c}_{i,F})/Q_I---\left(5l\right)$

抽余液出口：

Q_IV＝Q_I-Q_R     (5m)

$c_{i.\mathrm{IV}}^{\mathrm{in}}=c_{i,I}^{\mathrm{out}},c_{i,R}=c_{i,I}^{\mathrm{out}}---\left(5n\right)$

3二甲苯吸附分离模型的求解；

4基于实际工业运行数据校正模拟移动床吸附平衡动力学参数；

5确定优化策略；

在二甲苯吸附分离过程中，模拟移动床的分离性能由不同的操作参数以及设计参数间的相互作用决定，但由于模拟移动床装置的复杂性，本发明仅对操作条件进行优化，即假设模拟移动床的塔长、塔径、以及塔板数是固定不变的，考虑各流股流量以及步进时间对分离过程的影响。为了获得二甲苯吸附分离过程的最优操作条件，本发明对两种不同的优化问题分别进行求解和分析：(a)PX收率最大化和解吸剂用量最小化；(b)PX收率和纯度同时最大化。此外，还需对决策变量以及约束条件进行选择，决策变量的范围是通过对模型进行灵敏度分析得来的，其取值范围比较狭窄，这是因为决策变量仅在一定范围内，才能获得有意义的最优解，同时也减小了计算量。约束条件是模拟移动床分离过程中需要满足的分离要求，根据不同的工况要求而定。

其中PX收率和纯度定义如下：

$\mathrm{pur}\_\mathrm{PX}=\frac{C_{\mathrm{PX},E}}{C_{\mathrm{PX},E}+C_{\mathrm{MX},E}+C_{\mathrm{OX},E}+C_{\mathrm{EB},E}}\×100\%$

$\mathrm{rec}\_\mathrm{PX}=\frac{C_{\mathrm{PX},E}{Q}_E}{C_{\mathrm{PX},F}{Q}_F}\×100\%$

式中，pur_PX代表抽出液中PX纯度，rec_PX代表抽出液中PX收率。

6优化计算。

首先对多目标教学优化算法(MOTLBO)进行简单介绍：

该算法模拟教师给学生的教学过程和学生的学习过程，其中学生人数为算法的种群数，学生学习的不同科目为决策变量，学生的学习结果为目标函数值，教师为当前最好解。目的是通过教师的“教”和学员之间的相互“学习”来提高学员的学习成绩。该算法主要分为两个阶段：教师阶段和学习阶段。

步骤如下：

1初始化。班级中每个学生都在N维D列的搜索空间中随机生成种群P。N代表种群数，D代表科目数，X_i代表第i个个体各科的成绩，种群的迭代次数为G。再计算种群中N个个体的目标函数值。

2教学阶段。根据目标函数值支配关系对种群中个体进行非支配排序和拥挤距离计算，并以拥挤距离为适应度值，采用轮盘赌的方法从非劣解前沿中选择一个个体作为教师，学生通过教师的教学来提高成绩。

3学习阶段。此阶段是学生之间通过随机进行互相交流来提高学习成绩。此阶段子代种群的形成方法不同于一般的多目标优化方法，对于有两个目标函数的MOTLBO，分别以两个目标函数值为不同的适应度值来对种群进行更新，得到子代种群Q，Q中种群数为2N，将Q和P混合后产生种群数为3N的混合种群X，然后对X进行非支配排序分级，选择等级高的N个个体进入下一代，此外，对X中的最优个体采用外部存档集进行更新。通过这样的选择机制，保持了种群的多样性，防止陷入局部最优。

采用测试函数CTP1和CTP5对MOTLBO算法进行性能测试。结果如图2-1和图2-2所示，无论对于连续解集的CTP1还是非连续解集的CTP5，MOTLBO在收敛性和分布性都要优于NSGA-II。

本实施例将MOTLBO算法应用到C8芳烃模拟移动床分离过程操作中，其设计步骤如下：

1针对本实施例的分离要求，确定优化目标分别为(a)解吸剂用量最小化和PX收率最大化(b)PX纯度和收率同时最大化。

2根据模拟移动床各操作变量之间的约束关系，选定抽出液流量、抽余液流量以及步进时间为决策变量，其余流量为固定变量，各决策变量的范围通过对模型进行灵敏度分析求得，这为了保证获得有意义的最优解。约束条件为抽出液中PX纯度高于99.7％以及抽出液中PX收率高于92％。

3在此优化过程中，设定种群规模和最大迭代次数均为50。

图3-1和图3-2中显示了本发明优化方法与NSGA-II对C8芳烃模拟移动床分离过程优化的结果。

从图3-1和图3-2中可以看到，两种算法在处理这两个多目标优化问题上所得pareto最优前沿趋势相同。但是，采用MOTLBO获得的解集在分布性和收敛性上均明显优于NSGA-II。这说明MOTLBO在优化二甲苯吸附分离过程多目标问题上是十分有优势的。此外通过对MOTLBO在两种优化策略上的比较，对于优化目标b，纯度要求较高时，解吸剂用量明显高于目标a，这是因为解吸剂流量在这个问题中不作为目标函数进行优化，而为了使纯度最大化，需要更高的解吸剂流量。如在优化问题a中收率达到97.5％时，解吸剂用量为340m³/h左右，PX纯度为99.7％，而在优化问题b中，达到相同收率需要的解吸剂流量为370m³/h左右，但PX纯度高达99.86％。因此，我们可以根据实际需要来选择最合适的操作参数，从而指导实际工况操作。

基于以上步骤建立的模型和优化方法可应用于模拟移动床工业过程模拟仿真以及操作条件优化，提高操作运行水平。

综上所述仅为发明的较佳实施例而已，并非用来限定本发明的实施范围。即凡依本发明申请专利范围的内容所作的等效变化与修饰，都应为本发明的技术范畴。

Claims (8)

1.一种C8芳烃模拟移动床分离过程的建模和优化方法，其特征在于，包括如下步骤：

(1)根据实际模拟移动床装置确定特定温度和压力下的设计参数和操作参数，并设定吸附平衡动力学参数初始值；

所述设计参数包括塔长、塔径和塔板数，所述操作参数包括流量和步进时间；

(2)确定模拟移动床建模方法及模型方程；

(3)对二甲苯吸附分离模型进行求解；

(4)基于实际工业运行数据校正模拟移动床吸附平衡动力学参数；

(5)确定优化策略；

(6)进行优化计算。

2.根据权利要求1所述的建模和优化方法，其特征在于，所述平衡动力学参数包括：扩散系数，传质系数，Pelect数和Langmuir吸附平衡常数。

3.根据权利要求1所述的建模和优化方法，其特征在于，所述建模方法为真实移动床建模方法；假设压力和温度恒定不变，液相为弥散活塞流，固相为活塞流，传质速率模型采用线性推动力模型，吸附平衡采用Langmuir等温吸附描述；

其模型方程如下：

液相物料衡算方程：

$D_{\mathrm{Lj}}\frac{{d^{2}c}_{i,j}}{{\mathrm{dz}}^2}-v_j\frac{{\mathrm{dc}}_{i,j}}{\mathrm{dz}}-\frac{1-\mathrm{\ϵ}}{\mathrm{\ϵ}}{K}_{\mathrm{Li}}(c_{i,j}-{\stackrel{\‾}{c}}_{\mathrm{pi},j})=0;$

颗粒内物料衡算方程：

$u_s({\mathrm{\ϵ}}_p\frac{{d\stackrel{\‾}{c}}_{\mathrm{pi},j}}{\mathrm{dz}}+{\mathrm{\ρ}}_p\frac{{\mathrm{dq}}_{i,j}}{\mathrm{dz}})+k_{\mathrm{Lj}}(c_{i,j}-{\stackrel{\‾}{c}}_{\mathrm{pi},j})=0;$

吸附平衡方程：

$q_{i,j}^{*}=\frac{q_{\mathrm{mi}}{K}_i{\stackrel{\‾}{c}}_{\mathrm{pi},j}}{1+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{K}_i{\stackrel{\‾}{c}}_{\mathrm{pi},j}};$

解吸剂入口：

Q_IIIA＝Q_IV+Q_D

$c_{i,\mathrm{IIIA}}^{\mathrm{in}}=(Q_{\mathrm{IV}}{c}_{i,\mathrm{IV}}^{\mathrm{out}}+Q_D{c}_{i,D})/Q_{\mathrm{IIIA}};$

一次冲洗液出口：

Q_III＝Q_IIIA-Q_H

$C_{i,\mathrm{III}}^{\mathrm{in}}=c_{i,\mathrm{IIIA}}^{\mathrm{out}},c_{i,H}=c_{i,\mathrm{IIIA}}^{\mathrm{out}};$

抽出液出口：

Q_IIA＝Q_III-Q_E

$c_{i,\mathrm{IIA}}^{\mathrm{in}}=c_{i,\mathrm{III}}^{\mathrm{out}},c_{i,E}=c_{i,\mathrm{III}}^{\mathrm{out}};$

二次冲洗液入口：

Q_II＝Q_IIA+Q_X

$c_{i,\mathrm{II}}^{\mathrm{in}}=(Q_{\mathrm{IIA}}{c}_{i,\mathrm{IIA}}^{\mathrm{out}}+Q_X{c}_{i,X})/Q_{\mathrm{II}};$

一次冲洗液入口；

Q_IIB＝Q_II+Q_H

$C_{i,\mathrm{IIB}}^{\mathrm{in}}=(Q_{\mathrm{II}}{c}_{i,\mathrm{II}}^{\mathrm{out}}+Q_H{c}_{i,H})/Q_{\mathrm{IIB}};$

进料入口：

Q_I＝Q_IIB+Q_F

$c_{i,I}^{\mathrm{in}}=(Q_{\mathrm{IIB}}{c}_{i,\mathrm{IIB}}^{\mathrm{out}}+Q_F{c}_{i,F})/Q_I;$

抽余液出口：

Q_IV＝Q_I-Q_R

$c_{i,\mathrm{IV}}^{\mathrm{in}}=c_{i,I}^{\mathrm{out}},c_{i,R}=c_{i,I}^{\mathrm{out}}.$

4.根据权利要求1所述的建模和优化方法，其特征在于，所述平衡动力学参数初始值为同系列吸附剂的吸附平衡动力学参数。

5.根据权利要求1所述的建模和优化方法，其特征在于，所述C8芳烃为三个二甲苯异构体和乙苯，解吸剂为对二乙苯。

6.根据权利要求1所述建模和优化方法，其特征在于，所述优化策略为：针对两种不同的优化问题分别进行求解和分析：(a)PX收率最大化和解吸剂用量最小化；(b)PX收率和纯度同时最大化。

7.根据权利要求1所述建模和优化方法，其特征在于，所述优化计算过程中决策变量的范围是通过对模型进行灵敏度分析得到，约束条件是抽出液中PX纯度高于99.7％以及抽出液中PX收率高于92％。

8.根据权利要求1所述建模和优化方法，其特征在于，所述优化计算采用多目标教学优化算法。