间歇过程多杂质用水网络的超结构模型及求解

增加中问储罐摆脱时间约束,将间歇过程多杂质用水网络看成一连续过程.先建立引入分配因子的间歇用水网络的超结构模型,求解出最优网络,其次引入时间约束,确定再用次序,在最短的周期内使网络结构达到稳定,最后通过优化储罐和分配器的数量,找出间歇过程多杂质用水网络的最优结构.实例证明本文的方法可以有效解决间歇过程多杂质用水网络的问题.     

间歇过程多杂质用水网络的研究

对含有多个杂质的间歇用水网络进行综合研究,提出了用水周期的概念,基于不失问题的内在特性原则,提出了模型简化的基本假设,并通过增加中间储罐来跨过时间约束,提出了基于超结构的多杂质用水网络模型,建立了该超结构模型的数学规划模型;提出了该数学模型的分步求解策略:①不考虑时间约束,将看成1个拟连续过程,获得间歇用水的目标网络;②引入时间约束,调整间歇用水网络结构,优化未稳定用水单元,向目标网络逼进;③最终获得最优的间歇用水网络结构.实例研究表明,本文提出的方法是问歇过程多杂质用水网络结构设计的有效工具,可在较少周期后获得稳定的网络结构,新鲜水用量可节省34.9%.     

基于自适应模拟退火遗传算法的多杂质用水网络设计

水资源的短缺和环境污染的日益严重，对过程工业提出了减少新鲜水用量和废水排放量的要求，且通常废水中都含有多种污染物，由此本文提出了考虑回用的多杂质用水网络设计。不但建立了多杂质用水网络超结构MINLP模型，而且针对MINLP问题求解困难的现状，开发了自适应模拟退火遗传算法。实例研究结果表明该算法可以找到全局最优解且计算时间可满足要求。另外，该算法可有效避免陷入局部最优，也不要求提供初始可行解。     

水夹点技术的应用研究

水资源的逐年匮乏和环境污染的日趋严重对过程工业提出了废水最小化的要求.本文介绍了应用水夹点技术进行单杂质用水网络设计的过程,尤其是格子图的构造和网络调优.针对多杂质系统,除了应用单杂质系统的设计方法,必须很好地选择参考杂质,并在网络设计时注意浓度转移的表示.最后,比较了水夹点技术设计单杂质和多杂质用水系统的异同.     

基于非线性规划法的多杂质体系水和能量同时最小化研究

为实现同步综合多杂质体系用水网络和换热网络,降低求解难度,本文提出基于超结构的非线性数学规划法对问题进行研究.对于多杂质体系用水网络,采用确定关键组分方法合理给定操作单元最小新鲜水用量,利片j改进的换热网络超结构即冷(热)流股分流换热后非等温混合的方法对其进行能量集成.首先,以年度总费用最小为目标函数,建立多杂质体系用水网络NLP数学模型和换热网络NLP数学模型;然后,依据过程流股的进出门温度判断冷(热)流股,根据相关变量的传递连接2个子网络;最后,应用自适应模拟退火遗传算法,通过C++语言编程对模型求解.通过分别采用分步综合方法和本文提出的同步综合方法对1个石油炼制工业的应用实例进行研究,求解得到不同的最优网络结构并对其进行数据分析,结果表明同步综合方法获得最优网络结构更为简单,其年度总费用较分步综合方法节省了3.9%.所以本文提出的NLP数学模型及同步求解策略是可行有效地,能够在简化计算的同时合理寻求到网络的全局最优解,在实际生产中有一定的应用价值.     

用水与换热网络同步优化综合

通常采用分步策略进行用水与换热网络综合集成,难以实现新鲜水与公用工程的同时权衡。因此本文提出首先序贯求解用水网络综合子问题的非线性规划和换热网络综合子问题的混合整数非线性规划,以获取可行初值;然后,进行流程完备结构拓扑,并构造连接方程实现相关变量的传递;最后,联立用水与换热网络优化综合问题,基于GAMS平台采用DICOPT求解器,通过MATLAB接口控制求解程序流程,采用随机初值策略强化获得全局最优解的机会,以获取高置信度的全局最优解。最后通过对单杂质和多杂质系统实例计算,结果表明本文提出的方法能实现用水和用能网络的权衡,不但获得了比文献结果更好的优化网络方案,而且找出了包括文献结果的若干近优方案,为过程设计提供了多种备用选择。     

间歇用水系统中废水回用的调度与操作周期调优

针对单杂质间歇用水网络中的新鲜水消耗量最小化问题,本文建立了基于连续时间的优化模型,用于废水直接回用的用水调度优化,并提出了操作周期长度调优的方法。目的在于通过调度优化增加废水回用机会以提高用水系统的废水回用率。采用GAMS软件对所建立的MINLP模型进行求解。研究表明:本文的数学优化模型能够有效地提高单杂质间歇用水过程的废水回用率并具有最优的操作周期长度。通过2个实例阐明了本文优化方法的有效性。     

基于非支配排序的多目标蚁群优化算法

蚁群优化算法是一种受自然界蚂蚁觅食启发而设计的智能优化算法,由于其优异的全局搜索性能,近年来在研究和工程领域都得到了广泛关注。本文针对连续域单目标蚁群优化算法进行改进,对多目标优化问题进行求解。首先分析了现有连续域蚁群算法,发现解集排序方法需要改进以适应多目标优化问题求解。对解存档结构进行改进,将每个解的目标值修改为目标向量。在此基础上,通过引入非支配排序方法,对解集分层;然后在层内通过拥挤度进行排序,实现解集的整体排序。所改进的算法通过仿真实验与NSGA-II算法进行了对比,结果表明算法的求解质量更好,并且单次迭代耗时更短。     

基于时间Petri网优化设计单杂质间歇过程用水网络

近20年来,间歇过程用水网络的研究得到了人们的广泛关注,并取得了一定的发展。以往对间歇过程的水网络集成研究多采用图解法和数学规划法,图解法无法解决与水质、水量无关的目标或约束,数学规划法计算复杂且较难确定最优解。Petri网具有直观的图形表现能力和严密的数学基础,并且具有强有力的分析技术与手段,非常适合于系统的描述和分析。同时时间Petri网是在Petri网的基础上加入时间因素,可用来建立间歇系统的动态模型。故针对半连续间歇化工过程的单杂质用水网络,本文提出了基于时间Petri网建模的方法,分别对有中间储罐和无中间储罐间歇用水网络进行了研究,首先采用水级联分析法构建了夹点分析通用模型,能够快速准确地确定用水过程的水夹点位置和最小新鲜水需求量。然后根据Petri网的逻辑表述能力、动态传播特性、自主学习机制以及水网络设计原则、水网络综合基本原则和水源匹配规则建立了水网络综合Petri网通用模型,对有中间储罐的情况还确定了中间储罐的位置、数量与容量,实现了单杂质间歇过程用水网络的优化设计。最后对文献中实例进行了研究,得到的夹点位置、新鲜水用量以及用水网络与文献中一致,表明提出的方法是可行和有效的。该方法模型简单、直观,避免了水级联表格的繁复计算,拓展了Petri网在过程领域的应用。     

Job-shop排序问题的遗传强化学习算法

针对Job-shop排序问题的复杂性,提出一种遗传强化学习算法对其求解。通过引入多个随机变量,把Job-shop排序问题转换成多阶段决策问题,通过仿真手段构建作业排序问题模型环境,求取系统性能指标并保证解的可行性。设计一个多智能体Q-Learning算法和遗传算法相结合的算法用于解决Job-shop排序问题。仿真优化实验结果验证了该算法的有效性。     

逐步非线性规划法求解多组分废水最小化问题

对多组分用水系统的优化设计即废水最小化问题进行了研究，在逐步线性规划法的基础上，提出了逐步非线性规划法的过程优化设计方法。新方法首先按每个组分的限定浓度对各操作进行排序，然后对每个操作序列进行逐级优化匹配。然后通过比较选出一个用水量最小的设计，作为过程的最终设计。其中，对单元操作i的优化匹配就是解非线性规划问题。并通过一个实例计算结果表明，本文算法是简单而有效的。     

基于改进人工鱼群算法与RBF神经网络的股票价格预测

股票价格受多种因素影响,这对股票价格预测造成了巨大挑战。近年来,机器学习方法被广泛用于股票价格预测的研究中,然而,现有方法存在相对误差较大、时间复杂度高等缺点。对此,提出基于引力搜索的改进人工鱼群算法AFSA_GS。该算法将引力搜索中计算质量和加速度的策略分别用于调节人工鱼的视野和步长,从而提高了人工鱼群算法在优化过程中的自适应能力;AFSA_GS算法还优化了RBF神经网络的相关参数,并使用优化后的网络预测股票价格。在多家上市公司股票数据上进行了实验,实验结果表明,相对于传统的优化算法,采用AFSA_GS算法优化的RBF神经网络,可以获得更好的股票预测性能。     

线性规划法确定用水网络最小用水量

水污染和水资源短缺是人类面临的重大问题。因此,改善用水过程以节约新鲜水,减少废水排放是值得认真研究的课题。本文提出了确定用水过程最小用水量的新方法一线性规划法。分别研究了单组分再利用、再生再利用、再生循环最小用水量问题,把它们归结为线性规划来求解,其中对于再生再利用和再生循环分别提出了两步线性规划法。对于再生再利用过程,第一步建立线性规划l,以确定整个过程的最小新鲜水和相应的最小再生水用量,第二步将第一步所获得的整个过程的最小用水量和相应的最小再生量以及最低再生浓度区间作为已知量,采用与线性规划l同样的约束建立线性规划2,再次求解即可得最低再生浓度c。。此外,本文发现再生再利用过程的最小用水量和再生浓度之间存在两种关系,这两种关系表明获得最小新鲜水用量和再生量的最低再生浓度存在两种可能：夹点处和夹点之上,从而得出了与文献“夹点处再生能获得最小新鲜水用量”不同的结论,即夹点处再生未必总能获得最小新鲜水用量。给出了一个实例,计算结果表明本文方法是有效和简便易行的。     

改进的井下人员定位PDR算法研究

传统的行人航位推算(PDR)算法用于井下人员定位时,因步频检测、步长估计和航向估计阶段的姿态累计误差导致定位误差逐渐增大,而常用的零速校正、航向漂移消除、步态信号优化等误差修正方法无法改变PDR算法的固有缺陷,定位精度有待提高。提出采用改进的峰值检测法实现PDR算法中步频检测,基于深度循环神经网络(RNN)实现步长估计。将改进的PDR算法用于井下人员定位:首先采用手机加速度传感器、陀螺仪、磁力计获取行人运动数据;然后采用改进的峰值检测法获取固定时间间隔内的平均步频,与时间间隔、加速度及加速度方差作为特征输入训练后的深度RNN模型进行步长估计;最后结合估计的航向角预测人员当前位置。试验结果表明,改进的井下人员定位PDR算法对测试集数据的预测相对误差为5.9%,对实际测试路线的定位相对误差为1.6%~3.9%,小于传统PDR算法定位误差,有效提高了井下人员定位精度。     

基于光伏电池输出特性的MPPT算法研究

为了寻找更好的实现光伏发电系统最大功率点跟踪控制方法,基于单个光伏电池的物理特性建立了太阳能光伏电池阵列的Matlab仿真模型,分析了太阳能光伏电池阵列所具有的随着光照强度和温度不同而变化的P-U和I-U非线性特性.基于光伏电池的动态特性,在最大功率点跟踪算法的设计中增加一个电流监测回路,并结合自寻优技术对电导增量法进行改进,提出了一种自适应变步长寻优算法.仿真结果表明,该算法能够快速准确的跟踪最大功率点.     

一种基于高阶累积量的因果结构学习算法

从观测数据中学习因果结构具有重要的应用价值。目前,一类学习因果结构的方法是基于函数因果模型假设,通过检验噪声与原因变量的独立性来学习因果结构。然而,该类方法涉及高计算复杂度的独立性检验过程,影响结构学习算法的实用性和鲁棒性。为此,提出了一种在线性非高斯模型下,利用高阶累积量作为独立性评估的因果结构学习算法。该算法主要分为两个步骤,第一个步骤是利用基于条件独立性约束的方法学习到因果结构的马尔可夫等价类,第二个步骤是定义了一种基于高阶累积量的得分,该得分可以判别两个随机变量的独立性,从而可以从马尔可夫等价类中搜索到最佳独立性得分的因果结构作为算法的输出。该算法的优势在于：a)相比基于核方法的独立性检验,该方法有较低的计算复杂度;b)基于得分搜索的方法,可以得到一个最匹配数据生成过程的模型,提高学习方法的鲁棒性。实验结果表明,基于高阶累积量的因果结构学习方法在合成数据中F₁得分提高了5%,并在真实数据中学习到更多的因果方向。     

Radon变换与功率谱结合的PSA图像倾斜度自动校正算法

针对卟啉传感阵列(PSA)图像中卟啉点阵列可能发生倾斜的现象,设计了一种自动校正算法.算法之初对图像进行滤波、对比度增强操作,并求得图像的二值形态学边界,利用此二值边界图像作为求取倾斜角度运算的输入,减少了噪声的影响,同时也降低了时间的花费;而后利用radon变换与功率谱结合的方法来求取倾斜角度,解决了单纯的radon...