应用群能量恒定粒子群优化算法的批次流加发酵过程批次间优化(英文)

An iterative optimization strategy for fed-batch fermentation process is presented by combining a run-to-run optimization with swarm energy conservation particle swarm optimization (SEC-PSO). SEC-PSO, which is designed with the concept of energy conservation, can solve the problem of premature convergence frequently appeared in standard PSO algorithm by partitioning its population into several sub-swarms according to the energy of the swarm and is used in the optimization strategy for parameter iden-tification and operation condition optimization. The run-to-run optimization exploits the repetitive nature of fed-batch processes in order to deal with the optimal problems of fed-batch fermentation process with inaccurate process model and unsteady process state. The kinetic model parameters, used in the operation condition optimization of the next run, are adjusted by calculating time-series data obtained from real fed-batch process in the run-to-run optimization. The simulation results show that the strategy can adjust its kinetic model dynamically and overcome the instability of fed-batch process effectively. Run-to-run strategy with SEC-PSO provides an effective method for optimization of fed-batch fermentation process.     

基于新策略粒子群算法优化换热网络

换热网络综合优化是过程系统中最广泛研究的方向。尽管如此,MINLP的复杂性给粒子群算法的应用提供了广泛的空间。首先,提出两种不同机理的局部搜索策略来完善粒子群算法作为启发式算法局部搜索能力不强和精度不高的问题,使算法能更有利地接近全局最优的局部极值。其次,对含固定投资费用的算例,采用费用计算替换公式的策略,来避免迭代计算初期面积较小时因为固定投资费用权重较大而使算法陷入局部最优问题。最后用4个四股流算例分别从不同侧面说明以上两种策略的有效性,并都得到了该算例目前为止最好的局部极值。     

CMPSO算法在参数辨识中的应用

通过对系统数学模型的分析,将系统参数辨识问题转化为优化问题,然后利用改进粒子群优化算法实现系统参数辨识.提出的混沌变异粒子群(CMPSO)搜索算法提高了搜索效率并增强了摆脱陷入局部最优的能力.     

军用汽车伪装涂料和涂装技术

主要对我国军用汽车伪装涂料和涂装现状作简单的介绍,针对汽车伪装涂料和涂装中的问题提出一些意见。     

基于粒子群优化算法的板翅式换热器优化设计

以板翅式换热器的质量作为目标函数,以换热器芯体外形尺寸和翅片参数作为优化变量,采用粒子群优化算法对其结构尺寸进行优化设计,获得了换热器质量减轻、体积减小的效果。     

两群微粒群算法及其在油品调和优化中的应用

针对复杂的非线性约束优化问题,提出了一种含变异算子的两群微粒群算法。算法构造了两个粒子群,分别设置了不同的搜索速度上限,并设计了粒子群间的协调机制和变异算子,使算法的寻优能力得到增强。针对油品调和配方优化进行了实例仿真,研究结果表明所提出的算法能获得较理想的调和配方,在满足调和利润最大的同时能保证对调和指标的卡边,使调和成品油的指标富余量大大降低。     

免疫PSO_WLSSVM最优聚丙烯熔融指数预报

熔融指数（MI）是聚丙烯生产的重要指标,建立可靠的熔融指数预报模型非常重要。针对标准粒子群算法(PSO)在迭代过程中易出现粒子过早收敛而陷入局部最优的缺陷,通过引入免疫系统的抗体选择机制,构造了一种基于免疫机制的免疫粒子群优化算法(ICPSO),来保持更新粒子的多样性,从而克服标准粒子群算法过早收敛的缺陷;然后利用ICPSO方法对鲁棒最小二乘支持向量机预报模型(WLSSVM)进行参数寻优,得到最优的ICPSO_WLSSVM预报模型。以实际聚丙烯生产的熔融指数预报作为实例进行研究,结果表明所提出的ICPSO_WLSSVM模型的有效性和良好的预报精度。     

基于代价敏感主动学习的氧化铝蒸发过程故障检测

针对氧化铝蒸发过程故障检测中标注者不切实际的假设和控制参数难以确定问题,提出改进的代价敏感主动学习方法。给出了代价敏感主动学习形式化描述和放松了标注者不切实际的假设。为了提高分类精度和减少标注代价,该方法结合粒子群优化和代价敏感主动学习。利用连续的粒子群优化代价敏感主动学习的控制参数,该参数用于最大化未标注样本的信息度和最小化标注代价。将所提出的方法应用于氧化铝蒸发过程故障检测,实验结果表明,该方法能正确地选择控制参数,有效地减少了误分类代价和标注代价,提高了故障检测率。     

颗粒物计数法用于给水处理的评述

从测定原理入手,讨论了颗粒数与浊度的关系,提出颗粒数能弥补浊度指标在低浊度水水质监测上的不足,是浊度的有效补充;从水质安全的角度探讨了颗粒数与“两虫”数目的相关性,指出颗粒数很可能成为“两虫”的有效替代指标;阐述了颗粒计数仪在水厂运行优化中的实际应用,为此项技术的进一步发展与应用提供参考。     

Melt index prediction based on fuzzy neural networks and PSO algorithm with online correction strategy

A black‐box modeling scheme to predict melt index (MI) in the industrial propylene polymerization process is presented. MI is one of the most important quality variables determining product specification, and is influenced by a large number of process variables. Considering it is costly and time consuming to measure MI in laboratory, a much cheaper and faster statistical modeling method is presented here to predicting MI online, which involves technologies of fuzzy neural network, particle swarm optimization (PSO) algorithm, and online correction strategy (OCS). The learning efficiency and prediction precision of the proposed model are checked based on real plant history data, and the comparison between different learning algorithms is carried out in detail to reveal the advantage of the proposed best‐neighbor PSO (BNPSO) algorithm with OCS. © 2011 American Institute of Chemical Engineers AIChE J, 2012     

军用隐身涂料技术的研究进展

主要介绍了吸波隐身涂料、伪装涂料和兼容性多频谱隐身涂料的研究与发展状况,指出了隐身涂料应用研究的重点。     

微粒群优化算法研究进展

围绕微粒群优化(PSO)算法的原理、特点、改进、应用等方面进行全面综述,介绍针对复杂环境的PSO研究内容,包括多目标、约束、离散和动态优化等,提出PSO有待进一步研究的若干方向和内容。     

基于粒子群算法的喷水减温器建模研究

根据质量守恒和能量守恒定律建立喷水减温器的机理模型。为了提高模型精度,利用粒子群优化算法对喷水减温器的机理模型参数进行优化,并利用Matlab进行仿真,仿真结果很好地证明了模型的精确性。     

基于随机学习因子混沌PSO算法的甲醇合成转化率测量

粗甲醇转化率不仅是粗甲醇的主要技术指标,也是直接影响粗甲醇经济指标的重要因素。在之前工作的基础上,提出了两类随机学习因子混沌粒子群优化算法(RLFPSOC)。两种新算法分别从种群进化初期和后期两个方面引入混沌遍历性的特点,有效提高了算法的全局寻优能力。典型测试函数的仿真实验验证RLFPSOC算法的有效性。最后,将提出的RLFPSOC算法用于神经网络参数的优化,并建立甲醇合成塔转化率预测模型。实验结果表明,基于RLFPSOC的神经网络模型能够较好地预测甲醇合成转化率,并进一步验证了RLFPSOC算法的全局收敛性能。     

基于时延挖掘模糊时间认知图的化工过程多变量时序预测方法

模糊认知图(fuzzy cognitive maps, FCM）作为一种复杂系统的建模工具;能够对系统的非线性和不确定性进行处理。由于工业过程变量间往往存在着时间延迟;传统的FCM模型难以处理这类多变量的时间序列数据;建立的预测模型往往不能反映系统内各变量真实的因果关系;从而导致预测结果的解释性差、准确度低等问题。为此;提出了一种时延挖掘模糊时间认知图(time-delay-mining fuzzy time cognitive maps, TM-FTCM);它使用互相关函数(cross-correlation function;CCF)从数据中挖掘时延信息;并通过在推理机制中添加自我影响因子和偏置及优化转换函数等参数;有效地解决了由于工业过程变量间的时延导致的预测模型不准确等问题。通过数值仿真实例及实际化工过程数据;验证了所提方法的有效性。     

基础油供应链生产-分销计划模型及其优化

随着市场全球化的飞速发展,供应链思想已渗透到各行各业,是一种新型的企业管理思想。然而在一些 产业结构不合理、急需产业升级的领域,几乎没有相关的供应链研究,譬如石油化工领域的量化研究少之又少。 本文分析了在独立决策下基础油供应链生产、分销系统中,信息不共享,生产商、分销商以及客户只追求各自 利益最大化,忽视甚至是损害了供应链整体利益的现象。针对上述现象,构建了生产-分销集成计划模型,以实 现供应链总成本和总反应时间最小,提出了一种基于粒子群算法寻找多目标供应链网络Pareto 最优解的方法。 仿真实例的结果表明了集成模型的可行性和优越性。     

多样性分布参数的粒子群算法及其在过程动态优化中的应用

提出一种多样性分布参数的粒子群算法(DDPPSO)。在DDPPSO算法中,每个粒子在初始化时拥有各自的惯性权重和加速因子。在迭代时由每个粒子的寻优性能决定其参数的权重,进而计算参数群体的加权平均值。根据加权平均值与自适应方差,通过正态分布产生下一代参数个体,从而实现参数群体的多样性分布,为算法的寻优提供实时最佳的控制参数。标准测试函数实验表明,在寻优性能上DDPPSO算法较新改进的PSO算法有较大提高。最后,将DDPPSO算法应用于Park-Ramirez生物反应器的动态优化,获得满意的结果。     

粒子群优化算法的研究

粒子群优化算法是一种基于群体智能的优化算法。介绍粒子群优化算法及其基本原理,给出各种改进技术及研究现状,并展望未来的发展趋势。     

基于粒子群算法的软仪表技术

在软测量建模中,最常见的非机理建模方式就是利用神经网络进行建模,而近年来兴起的粒子群算法目前已应用于神经网络的训练。在对粒子群算法提出改进方案后,提出了基于改进的粒子群算法的前馈神经网络训练方案。然后再将神经网络应用到焦化装置分流塔柴油95％点软仪表模型参数估计中,得到了满意的结果,可以满足工业过程中的实际需要。