生物柴油(Biodiesel, BD)是优质的石化柴油替代品,典型“绿色能源”,因其良好的可燃性、资源可再生性、环境友好等特点,成为学术界、企业界研发的热点课题。本文对超临界两步法制备生物柴油的反应装置传热过程、亚临界水中水解反应的水解率和超临界甲醇中酯化反应的酯化率进行了数值模拟研究。传热模拟采用的是大型商用CFD软件—FLUENT进行建模和求解,水解率和酯化率的模拟以Matlab软件为平台,利用人工神经网络模型来完成非线性映射。在已有的间歇式反应装置传热模拟结果基础上设计了一种类似于壳管式换热器的连续性反应装置。利用FLUENT建立了水蒸汽、管道和反应液传热过程的数学模型,得出了固-液耦合相各时刻的温度场分布。根据模拟结果分析,该装置有效地改善了温度分布的不均匀性。作为连续性反应装置设计的关键环节,管道长度主要由升温过程中反应液流经的管道长度和恒温反应阶段反应液流经的管道长度组成,且两者均与反应液在管道中的流动速度关系密切。因此模拟了不同反应液的流动速度与升温过程流经的管道长度的对应关系。前人研究表明,设计合理的人工神经网络(ANN)模型可以任意精度实现对复非线性函数关系的映射。基于此,本文使用人工神经网络模型实现水解反应中水解率与水油体积比、温度和时间之间的映射关系,酯化反应中酯化率与醇酸体积比、温度和时间之间的映射关系。选取网络模型,根据不同网络的特点,尝试将BP和Elman神经网络应用到水解反应和酯化反应的数值模拟研究中,根据网络的系统误差和训练时间,确定了最佳BP神经网络结构为3-8-1,最佳Elman神经网络结构为3-14-1。研究结果表明在网络的泛化性能方面,BP网络优势明显,其线性回归的相关系数达到了0.998。因此,水解反应和酯化反应均采用所确定的最佳BP神经网络模型来进行数值模拟。样本数据的选择及预处理,结合均匀试验设计方法来选择样本数据,可以得到数量较少,并有高度代表性的训练样本和检验样本。利用Matlab软件提供的神经网络工具箱函数对所选择的样本数据进行了预处理,保证神经网络输入输出数据的格式一致,一定程度上提高了网络的各项性能。