基于高斯过程回归和信息分析法的常压塔操作优化

针对常压塔操作优化问题,通过高斯过程回归建立常压塔的元模型,并用信息分析法进行迭代计算,最终获取常压塔的最优操作条件。用2个实验验证了该算法的有效性:(1)固定常压塔三侧线产品的全塔效益最大化;(2)全塔综合效益最大化。从结果中可以看到,采用高斯过程回归建立常压塔模型进行优化,能够提高常压塔的经济效益。     

基于原油TBP曲线校正的常减压装置操作的多目标优化

常减压装置的模拟与优化的效果取决于原油的实沸点(TBP)数据,针对进料原油物性时常变化,且实沸点(TBP)数据(曲线)测定费时和成本高的情况,提出了一种校正原油TBP曲线的方法。该方法以各侧线产品干点的模拟值与工况值误差平方和最小为目标,将TBP曲线的校正转化为最优化问题来求解。采用该方法能使模拟的精度显著提高。在此基础上,以汽提蒸汽量、侧线采出量、中段回流量为操作变量,以常压塔的拔出率最大化和能耗最小化为优化目标,建立了常减压装置的多目标优化模型。应用带精英策略的非支配遗传算法(NSGA-Ⅱ)对常减压装置进行优化求解,得到了常压塔总收率-能耗的最优Pareto解集,为常减压装置的操作优化提供了依据。     

改进的PSO算法在常压塔参数调优中的应用

鉴于标准粒了群算法在常压塔参数优化问题中不易收敛的不足,本文针对常压塔参数优化问题本身,在粒子速度更新公式中加入了化工先验知识抽象获得的"控制因子(ChemMat)",通过该"控制因子"调整粒子的速度方向,进而调整模型的输入变量,使得产品干点满足工艺要求.改进的粒子群算法应用于优化常压塔模型,以常压塔进料物流温度、气提蒸汽进料流量和常压塔操作参数共15个变量作为控制变量,在4个产品的干点值满足工艺要求条件下最大化轻油产量和最小化能量消耗量.经过仿真实验证明,与标准粒子群算法以及自适应惯性权值改进的粒子群算法相比,采用控制因子的粒子群算法能够在较短的迭代次数里获取优于当前状态的常压塔操作参数.在相同的迭代次数的条件下,采用控制因子的粒子群算法能够搜寻到更优的操作参数.     

常减压蒸馏装置流程模拟及优化研究

在实际生产过程中,对流程模拟的研究关系到产品的质量和产量.根据石化炼油厂常减压蒸馏装置中初馏塔和常压塔的生产工艺和原油精馏原理,结合现场工艺数据,并基于Aspen Plus化工流程模拟软件,实现了初馏塔和常压塔的流程模拟.同时,通过灵敏度分析工具优化操作条件,指导操作人员对常压塔的操作条件进行有效调节,调节效果令人满意.     

基于隐马尔可夫链的自适应MODE及应用

不同的控制参数设定和生成策略（交叉和变异）都会对多目标差分进化算法的性能产生显著影响。为实现其控制参数和变异策略的实时自适应调整,提出一种基于隐马尔可夫链的自适应多目标差分进化算法。该算法利用隐马尔可夫模型对种群信息进行分析并得到最优序列,通过最优序列与实际状态序列的对比得出变异缩放因子[F]与交叉概率[CR]的最大似然估计值,从而实现控制参数的自适应调整;同时,通过隐马尔可夫模型得到一组策略链来辅助多目标差分进化算法来选择合适的变异策略。通过与其他9种多目标进化算法在16个测试函数上的对比研究,结果表明所提算法的整体性能优于其他比较算法。最后,将该算法用于求解海铁联运能耗优化问题,所得结果能够为决策者提供多种可行方案。     

基于多目标文化差分进化算法的污水处理厂活性污泥单元多目标操作优化（英文）

污水处理厂活性污泥单元的操作优化旨在保证出水最佳水质的同时,提高过程的运行效率和经济效益。本文在活性污泥系统机理模型基础上,选取进水流量、出水生物需氧量(BOD)和运行成本作为优化目标,建立基于过程的单目标和多目标非线性规划(NLP)模型,包括一个单目标NLP模型、二个双目标NLP模型和一个三目标NLP模型。通过单目标三层混合文化差分进化算法(3LM-CDE)和基于Pareto准则的多目标三层混合文化差分进化算法(MO-3LM-CDE)对以上模型进行求解,得到单目标问题的唯一最优解和多目标问题的一组非支配解集。计算结果表明,三目标问题模型对实际工况的考量更为周全,并且在过程效率、净化质量和经济效益方面均表现出了良好的优化效果。     

基于Mean-Shift优化的TLD视频长时间跟踪算法

针对TLD(tracking learning detection)算法同时包含了跟踪、检测和学习三个部分,具有较高计算量的缺点,提出了采用Mean-Shift算法替换原TLD跟踪器部分的光流跟踪算法.该优化方法利用具有计算量小的Mean-Shift算法替换计算量较大的光流法进行跟踪,以通过目标模型和候选目标模型之间的巴氏系数与阈值的比较来判定跟踪失败的自检测,并通过计算Mean-Shift跟踪返回的目标框和上一帧TLD返回的目标框之间的相似度来进一步得到跟踪的有效性,在发生跟踪失败时由检测器重新初始化跟踪.实验结果表明,该优化方法在视频长时间跟踪算法中具有较高的鲁棒性和准确性,并且与原TLD算法相比,该优化方法在跟踪速度上得到了提升.     

基于三维模型的粒子滤波行人跟踪算法

针对传统行人跟踪算法得到运动轨迹与真实轨迹差异巨大的问题,提出一种基于三维模型的粒子滤波行人跟踪算法.该方法利用摄像机标定信息和图像帧信息建立行人的三维模型,解决图像中目标尺度的变化问题,并得到目标的真实运动轨迹.同时该方法利用双指数预测模型对粒子滤波算法进行优化,以解决短时遮挡问题,同时降低运算复杂度.实验表明,基于三维模型的粒子滤波行人跟踪算法能够较准确地建立行人三维模型,对比标准粒子滤波和KPF算法,能够对行人进行有效跟踪,对短时遮挡和尺度变化有较强的鲁棒性.     

常减压装置的先进控制和实时优化

针对常减压装置(CDU)需要加工多种不同性质原油的特性,设计了一套在常减压装置中实现先进控制和实时优化的系统。该系统利用在线分析仪和实时数据装置,通过流程模拟计算操作变量和被控变量的优化目标。优化目标包括常压炉和减压炉出口温度,以及常压塔和减压塔主要产品拔出量等。通过多变量模型预测控制器,系统实现了对装置的稳定控制,按生产条件逐步实现工艺点接近计算的优化目标。应用结果表明,该优化系统能达到维持工艺参数安全、稳定和高效的目标。     

经费分配中基于多目标优化的遗传规划模型

在传统遗传规划中引入多目标优化原理,探索新的经费分配方法和管理模式,建立了一种多目标优化的非线性遗传规划模型,提出了一种先进的基于正交试验的新型混合遗传算法来求解该问题.对求解过程中的选择算子、交叉算子和变异算子等进行正交试验,得到的种群个体明显优于基本遗传算法的个体.这种基于多目标优化的遗传规划模型能产生精度更高的最优解,通过对经费分配问题的实验验证,得到了较好的结果.     

常减压装置生产数据的聚类分析

为了研究数据挖掘技术在过程工业数据中的应用,采用基于Bayes原理的AutoClass聚类算法,对炼油厂常减压装置实际生产数据进行了聚类分析处理。结果表明,经过聚类分析可以从历史数据记录中提取清晰的类别信息,其中包含有用的知识。同时还通过对比实验,分析了多个聚类参数对结果的影响及原因。最后分析了聚类结果,讨论了应用该结果的方法。     

先进控制技术在常减压装置上的开发与应用

基于模型的多变量控制技术能够很好解决常减压装置中原料性质变化及相关参数耦合严重的问题,该先进控制系统选用Shell的SMOCpro和RQEpro软件包设计开发了五个子控制器,包括初馏塔、常压炉、减压炉、常压塔、减压塔等关键装置及流程.因为多变量控制器设计中考虑了很多变量的关联性,同时利用预测控制及软测量技术预测出约束到...     

基于自适应差分进化的常压塔轻质油产量多目标优化

常压塔轻质油产量最大化是提高企业效益的重要途径之一.为了适应市场需求和价格变化,生产高需求与高价值的轻质油产品,提出一种基于自适应差分进化的常压塔轻质油产量多目标优化算法.该算法采用惩罚边界交叉法的分解方法,在种群变异阶段引入择优学习算子来改进传统变异算子随机选取个体或者单纯选取最好个体的随机性和盲目性,利用自适应策略逐渐改变交叉变异算子.将改进算法应用于3种测试函数和实际炼油厂常压塔轻质油产量优化,结果表明所提出的算法在测试函数上具有明显优势,并能有效提高常压塔轻质油产量,验证了所提算法的有效性.     

Dynamic version of steady state optimizing control of a distillation column by trial method

The best optimizing control procedure using an automatic optimizing controller, based on a simple pattern-search type, steepest ascent method is presented for a distillation column. The control system is composed of a conventional feedback loop by which the composition of overhead product is maintained constant, and an optimizing control unit which holds the partial derivatives of the objective function with respect to control variables to zero. The objective function used in this study is the profit rate obtained from the distillation process, and the two control variables; feed flow rate and energy supplied to the plant, are used.     

半导体生产线工序参数的逻辑时序微粒群优化策略

提出一种具有逻辑时序特征的微粒群优化算法，并将其应用于半导体封装生产线的工序参数优化中．对实际的半导体封装生产线进行建模，并针对生产线中机器对不同产品的加工时间最优分配这一典型的工序参数优化问题，提出了以单位时间利润值和机器均衡度为评价指标的逻辑时序微粒群优化策略．最后进行了计算机仿真和结果分析．     

碳五分离装置热偶精馏的操作特性

以碳五分离装置为例,对热偶精馏塔用于非理想体系的操作特性和节能效果进行了模拟分析与研究。根据分离 要求确定了热偶精馏塔的操作特性,研究了热偶精馏塔的节能效果,探讨其实际运用的可行性。碳五分离装置采用热 偶精馏塔,可以在满足分离要求的前提下,节能23.3％左右。     

蒸馏与换热协同的约束多目标在线操作优化方法

针对蒸馏装置与换热网络间缺乏协同优化导致的分馏精度差和能耗高的问题,提出了一种基于代理模型的约束多目标在线协同操作优化方法.为了解决蒸馏装置与换热网络操作参数协同优化时存在的计算耗时和约束的问题,构建Kriging代理模型来近似目标函数和约束条件,提出了基于随机欠采样和Adaboost的分类代理模型（RUSBoost）来解决类别不平衡的收敛判定预测问题.提出了基于多阶段自适应约束处理的代理模型的模型管理方法,该方法采用基于参考向量激活状态的最大化改善期望准则和可行概率准则更新机制来平衡优化初始阶段种群的多样性和可行性,采用支配参考点的置信下限准则更新机制加快收敛速度.通过不断与机理模型交互来在线更新代理模型,实现在线操作优化.通过测试函数和仿真实例验证了本文方法的有效性.     

Multivariable process identification for mpc: the asymptotic method and its applications

In this work we will introduce the asymptotic method (ASYM) of identification and provide two case studies. The ASYM was developed for multivariable process identification for model based control. The method calculates time domain parametric models using frequency domain criterion. Fundamental problems, such as test signal design for control, model order/structure selection, parameter estimation and model error quantification, are solved in a systematic manner. The method can supply not only input/output model and unmeasured disturbance model which are asymptotic maximum likelihood estimates, but also the upper bound matrix for the model errors that can be used for model validation and robustness analysis. To demonstrate the use of the method for model predictive control (MPC), the identification of a Shell benchmark process (a simulated distillation column) and an industrial application to a crude unit atmospheric tower will be presented.     

催化重整过程的分子模拟与优化

采用分子模拟方法对石脑油催化重整过程进行研究。原料是常压精馏后的产物，主要是C5到C10的烷烃、异构烷烃、环烷烃和芳烃，在3个连续固定床反应器中进行烷烃裂解、环烷烃及芳烃侧链裂解、加氢和脱氢等过程，得到高辛烷值的汽油产品。建立催化重整过程的分子模型，在满足产品中苯、芳烃含量限制和辛烷值(RON)指标的条件下，优化操作温度和压力，实现经济效益最大化。优化结果表明，通过对催化重整过程分子模型的优化可以显著提高效益，同时汽油调和还与其他操作过程如催化裂化(FCC)、异构化、烷烃化等有关，因此通过分子模拟对全厂操作进行优化将会获得更大的利益。     

A wave propagation approach for reduced dynamic modeling of distillation columns: Optimization and control

Reduced models enable real-time optimization of large-scale processes. We propose a reduced model of distillation columns based on multicomponent nonlinear wave propagation (Kienle 2000). We use a nonlinear wave equation in dynamic mass and energy balances. We thus combine the ideas of compartment modeling and wave propagation. In contrast to existing reduced column models based on nonlinear wave propagation, our model deploys a hydraulic correlation. This enables the column holdup to change as load varies. The model parameters can be estimated solely based on steady-state data. The new transient wave propagation model can be used as a controller model for flexible process operation including load changes. To demonstrate this, we implement full-order and reduced dynamic models of an air separation process and multi-component distillation column in Modelica. We use the open-source framework DyOS for the dynamic optimizations and an Extended Kalman Filter for state estimation. We apply the reduced model in-silico in open-loop forward simulations as well as in several open- and closed-loop optimization and control case studies, and analyze the resulting computational speed-up compared to using full-order stage-by-stage column models. The first case study deals with tracking control of a single air separation distillation column, whereas the second one addresses economic model predictive control of an entire air separation process. The reduced model is able to adequately capture the transient column behavior. Compared to the full-order model, the reduced model achieves highly accurate profiles for the manipulated variables, while the optimizations with the reduced model are significantly faster, achieving more than 95% CPU time reduction in the closed-loop simulation and more than 96% in the open-loop optimizations. This enables the real-time capability of the reduced model in process optimization and control.