混合多目标骨干粒子群优化算法在污水处理过程优化控制中的应用

通过对污水生化处理过程的分析,选取能耗和罚款最低为优化目标,建立污水生化处理过程多目标优化控制模型。为了提高Pareto最优解集的收敛性和多样性,提出一种基于Pareto支配和分解的混合多目标骨干粒子群优化算法(HBBMOPSO)。该方法采用带自适应惩罚因子的分解方法选取个体引导者,采用Pareto支配和拥挤距离法维护外部档案和选取全局引导者。此外,采用精英学习策略增强粒子跳出局部Pareto前沿的能力。最后,将HBBMOPSO与自组织模糊神经网络预测模型和自组织控制器相结合,实现污水生化处理过程溶解氧和硝态氮设定值的动态寻优、智能决策和底层跟踪控制。利用国际基准仿真平台BSM1进行实验验证,结果表明所提HBBMOPSO方法在保证出水水质参数达标的前提下,能够有效降低污水处理过程的能耗。     

基于改进粒子群算法的乙苯脱氢过程多目标优化

设计了一种基于支配关系构造非支配解集的多目标粒子群算法(MOPSO),将当前找到的非支配解保存到一个外部集——最优解集,利用支配更新其最优解集,多次迭代后得到Pareto最优解集。把乙苯脱氢反应过程的收率和选择性作为优化目标,动力学模型和实际生产状况作为约束条件构造乙苯脱氢过程的多目标优化问题,利用改进的多目标粒子群算法进行优化求解。基于求得的Pareto最优解集研究了各个操作条件对乙苯脱氢生产过程收率和选择性的影响,为后续乙苯催化脱氢系统实施先进控制奠定了基础。     

分批补料发酵过程多目标优化的分布式强化学习策略

发酵过程优化问题通常包含有互相冲突的多重优化目标,另外反应本身具有诸多复杂性。提出一种基于Pareto的分布式Q学习多目标策略,用以求解赖氨酸分批补料发酵过程流加速率轨迹的Pareto最优解。该策略中,Q学习算法和Pareto排序法将结合来产生非支配解集,并使之逼近真实的Pareto前沿,利用奖赏机制来描述多重目标之间的关系,并同时使用多组含有随机初始值的agent共同作用改善搜索能力。将所提出的方法应用于赖氨酸分批补料发酵过程的优化中,并与粒子群优化进行了对比,验证策略的性能。     

多目标粒子群算法用于补料分批生化反应器动态多目标优化

多目标优化是过程系统工程的重要课题，通常以加权或约束方式将其转换为单一目标，未能反映多目标间的复杂关系，不利于随时根据需求作出有效的决策。基于群智能的粒子群算法具有全局优化性能，且易于实现。为使其适于多目标优化，应拓展功能，实施改造。以Pareto支配概念评价种群个体的优劣，设计了确定局部最优点和全局最优点的操作。又利用各粒子的局部最优点信息进行速度更新，以加强种群的多样性，避免因早熟而陷于局部最优。还设置了外部优解库，并通过分散度计算，以适当的策略进行更新，使之逐步均匀地逼近于Pareto最优解集。由此构建一种多目标粒子群优化算法（multi-objective particle swarm optimization，MOPSO），并用于补料分批生化反应器的动态多目标优化，取得了满意的结果。可基于所搜得的Pareto最优解集，分析目标间的关系，为合理决策提供有效的支持。经与NSGA-II比较，MOPSO算法具有更为优良的性能。     

基于多目标粒子群算法的污水处理智能优化控制

为了满足污水处理过程出水水质排放达标的同时降低运行能耗,提出了一种基于多目标粒子群的污水处理多目标智能优化控制方法。首先,通过分析污水处理运行数据,建立了基于自适应回归核函数的污水处理能耗和出水水质模型;其次,设计出一种污水处理多目标优化方法,利用多目标粒子群优化算法同时对污水处理自适应能耗和出水水质模型进行优化,获得溶解氧和硝态氮浓度的优化设定值;最后,利用PID控制器对溶解氧和硝态氮浓度优化设定值进行跟踪控制,实现了污水处理过程的多目标优化控制。基于污水处理基准仿真平台BSM1的实验结果显示,该多目标优化控制方法不但能够保证出水水质达标,而且能有效降低污水处理过程的能耗。     

基于NSGA-Ⅱ算法的含汞天然气脱水脱烃单元工艺参数优化

在含汞天然气的脱水脱烃处理过程中,部分汞会进入外输干气。为降低外输干气中汞的质量流量并考虑系统能耗,利用HYSYS软件模拟了高含汞天然气脱水脱烃单元,探究低温分离器进料温度、乙二醇质量分数、乙二醇质量流量对外输干气中汞质量流量以及系统能耗的影响。在此基础上,依据响应面法建立各关键参数与外输干气中汞质量流量以及系统能耗的多目标优化模型,并使用NSGA-Ⅱ(非支配排序遗传算法Ⅱ)进行多目标寻优。结果表明：经过NSGA-Ⅱ算法计算出的Pareto解值与HYSYS模拟值误差小于1%,其结果精确度较高。且经优化后的外输干气中汞的质量流量以及系统能耗均有所下降,故可利用NSGA-Ⅱ算法求解得到的Pareto解集可为天然气脱水脱烃流程的参数优化提供指导。     

基于多目标粒子群算法的污水处理智能优化控制

为了满足污水处理过程出水水质排放达标的同时降低运行能耗,提出了一种基于多目标粒子群的污水处理多目标智能优化控制方法。首先,通过分析污水处理运行数据,建立了基于自适应回归核函数的污水处理能耗和出水水质模型;其次,设计出一种污水处理多目标优化方法,利用多目标粒子群优化算法同时对污水处理自适应能耗和出水水质模型进行优化,获得溶解氧和硝态氮浓度的优化设定值;最后,利用PID控制器对溶解氧和硝态氮浓度优化设定值进行跟踪控制,实现了污水处理过程的多目标优化控制。基于污水处理基准仿真平台BSM1的实验结果显示,该多目标优化控制方法不但能够保证出水水质达标,而且能有效降低污水处理过程的能耗。     

基于多目标优化的两段提升管重油催化裂解自优化控制

针对两段提升管重油催化裂解过程经济运行要求和工艺特点,从多目标优化角度出发,提出一种自优化控制方法。首先,基于过程稳态模型,考虑操作约束条件,构造同时最大化丙烯产量和最小化干气产量的多目标操作优化问题,并采用标准化法向约束方法求解获得完整、均匀分布的Pareto最优解;然后,根据多目标优化结果所揭示的最优操作条件与积极约束之间的关系,提出了一种基于串级控制的自优化控制策略。仿真结果表明,与传统的提升管出口温度设定值跟踪控制相比,本文方法在干扰作用下能够及时调整操作条件,降低干扰对过程优化运行的不利影响。     

基于多目标优化的两段提升管重油催化裂解自优化控制

针对两段提升管重油催化裂解过程经济运行要求和工艺特点,从多目标优化角度出发,提出一种自优化控制方法。首先,基于过程稳态模型,考虑操作约束条件,构造同时最大化丙烯产量和最小化干气产量的多目标操作优化问题,并采用标准化法向约束方法求解获得完整、均匀分布的Pareto最优解;然后,根据多目标优化结果所揭示的最优操作条件与积极约束之间的关系,提出了一种基于串级控制的自优化控制策略。仿真结果表明,与传统的提升管出口温度设定值跟踪控制相比,本文方法在干扰作用下能够及时调整操作条件,降低干扰对过程优化运行的不利影响。     

基于均匀分布NSGAII算法的污水处理多目标优化控制

针对污水处理过程控制中能耗过大、出水水质超标严重等问题，提出了一种基于均匀分布的NSGAII(non-dominated sorting genetic algorithm II based on uniform distribution, UDNSGAII)多目标优化智能控制系统。首先，该方法以污水处理能耗和出水水质作为优化目标，建立多目标优化模型。其次，为了获得溶解氧和硝态氮的优化设定值，提高Pareto解的性能，该算法将种群映射到目标函数对应的超平面, 并在该平面上进行聚类以增加解的多样性。此外，加入分布性判断模块和分布性加强模块提高解的分布性。最后，采用比例积分微分(proportional integral derivative, PID)控制器对溶解氧和硝态氮的优化设定值进行底层跟踪控制。为了验证该算法的有效性，采用国际基准的污水处理仿真平台(benchmark simulation model No.1, BSM1)来进行实验。结果显示，所提出的UDNSGAII多目标优化控制方法能够在满足出水水质达标的同时，有效地降低污水处理过程能耗。     

模糊多目标粒子群算法在乙烯裂解工业中的应用研究

文中研究了模糊多目标粒子群算法（MOPSO）在乙烯裂解工业中应用。算法在Pareto排序基础上引入子目标的最优操作条件来扩展属于非劣解集的操作条件范围,使非劣解集对于每个单目标而言都有较广的覆盖范围,确保非劣解集（操作条件）均匀分布,改进了非劣解集的质量,同时对非劣解引入工况实际要求,通过后验的模糊评价,来确定非劣解的满意操作条件,为决策者提供了明确的操作条件。将模糊多目标粒子群算法用于解决乙烯裂解过程中乙烯和丙烯收率多目标优化问题,较好地平衡了两种目标之闯的冲突,为流程工业多目标优化问题提供了理论指导。     

基于Kriging和NSGA-Ⅱ的辅以困气改善的熔接痕优化策略

从熔接痕的成型机理出发,考虑了困气状况和熔合温度对熔接痕熔合质量的影响,提出一种以困气改善辅助提升熔接痕熔合质量的方法,建立了以“气穴面积”和“熔接痕处流动前沿温度”为熔接痕熔合质量指标的多目标评价体系,并构建了一种基于Kriging模型和非支配排序遗传算法（NSGA-Ⅱ）的多目标寻优策略,以实现工艺参数的择优选择。以多孔板熔接痕优化为例,选用拉丁超立方抽样（LHS）设计实验,建立并检验反映工艺参数和优化目标之间影响规律的Kriging模型,采用NSGA-Ⅱ确定多目标优化问题的Pareto前沿及其最优解。仿真及生产实验结果表明所建立的多目标优化策略能有效实现熔接痕的多目标优化,同时以困气改善辅助提升熔接痕熔合质量的方法效果显著。     

An Approach to Continuous Approximation of Pareto Front Using Geometric Support Vector Regression for Multi-objective Optimization of Fermentation Process

The approaches to discrete approximation of Pareto front using multi-objective evolutionary algorithms have the problems of heavy computation burden, long running time and missing Pareto optimal points...     

Multi-objective optimisation of batch separation processes

This paper considers for the first time the simultaneous multi-objective optimisation of design and operation of batch distillation as well as of batch hybrid distillation/pervaporation processes. The overall problem is formulated as a multi-objective mixed integer dynamic optimisation (MO-MIDO) problem. The optimisation strategy comprises of different ranking procedures that allow the determination of the Pareto optimal set. A case study for the separation of a homogeneous tangent-pinch (acetone–water) mixture is presented for a dual-criteria optimisation case of minimising capital investment while at the same time minimising the energy consumption rate during the batch. It is found that the proposed distance ranking procedure yields the best Pareto optimal set when compared to other non-dominated sorting procedures. Furthermore, the distance ranking procedure was found to be further improved when used with an elitism operator.     

芳烃抽提过程多目标优化

芳烃抽提是芳烃生产过程的重要环节,其生产调优对提高整个芳烃联合装置的效益具有重要意义。基于流程模拟及响应面分析方法,得到了芳烃抽提过程的产品纯度模型及能耗模型。建立了以产品纯度最大化及过程能耗最小化的多目标优化模型。提出了一种改进的自适应加权求和算法,并用于多目标优化模型的求解。求解结果表明新算法在Pareto最优解分布的均匀性上与原算法相当,但求解效率要高于原算法。给出了不同产品等级下的最佳操作参数,采用优化后的操作参数可有效地提高产品纯度并降低过程能耗。提出的多目标优化模型及求解算法用于芳烃抽提过程的操作调优,可有效地提高决策的准确性。     

基于改进NSGA-Ⅱ算法的FCC分离系统多目标优化

应用流程模拟软件HYSYS对某炼厂65万吨/年重油催化裂化装置进行全流程模拟。以最大目的产品（汽油+液化气）收率与最小分离系统能耗为优化目标,采用改进的非支配排序遗传算法（NSGA-Ⅱ）对FCC分离系统进行多目标优化。通过对决策变量的择优选取、最优算法参数的研究（包括种群规模、P_c与P_m自适应策略、遗传代数）、最优点的决策建立了一套缜密的多目标优化方法。优化结果显示,目的产品（汽油+液化气）收率提升4.32个百分点,分离系统能耗降低16.88%,为FCC分离系统的操作变量优化提供了重要的数据支持与优化建议。     

Multi-objective modeling and optimization for scheduling of cracking furnace systems

Cracking furnace is the core device for ethylene production. In practice, multiple ethylene furnaces are usual y run in parallel. The scheduling of the entire cracking furnace system has great significance when multiple feeds are simultaneously processed in multiple cracking furnaces with the changing of operating cost and yield of product. In this paper, given the requirements of both profit and energy saving in actual production process, a multi-objective optimization model contains two objectives, maximizing the average benefits and minimizing the average coking amount was proposed. The model can be abstracted as a multi-objective mixed integer non-linear programming problem. Considering the mixed integer decision variables of this multi-objective problem, an improved hybrid encoding non-dominated sorting genetic algorithm with mixed discrete variables (MDNSGA-I ) is used to solve the Pareto optimal front of this model, the algorithm adopted crossover and muta-tion strategy with multi-operators, which overcomes the deficiency that normal genetic algorithm cannot handle the optimization problem with mixed variables. Finally, using an ethylene plant with multiple cracking furnaces as an example to illustrate the effectiveness of the scheduling results by comparing the optimization results of multi-objective and single objective model.