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。     

间歇过程用水网络优化设计方法研究

间歇过程用水网络的研究已经引起了人们的关注,近十年取得了一定的发展.本文对带有非传质及有流率变化的间歇化工用水过程用数学规划法进行优化设计,确定过程的最小新鲜水用量、最小废水排放量以及优化后的用水网络.该方法利用中间储罐来排除时间对水再利用的限制,考虑了用水单元的流率限制,建立用水网络超结构和非线性规划数学模型,利用GAMS求解该模型,得到间歇过程最小新鲜水用量、废水量以及优化后的网络结构.实例计算证明该模型可行、方法简单.     

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。     

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.     

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。     

多杂质用水网络设计方法的改进与比较

通过引入分配因子和最小限制流量对多杂质用水网络超结构模型进行改进,使模型更简捷高效;在逐步线性规划法中引入改进的超结构模型,提供了用水过程的排序依据,可代替枚举法直接排序,提高了求解效率。通过实例比较了改进前后的两种设计方法,找出了它们之间的优势和劣势,结果表明,本文的改进策略可以快速和准确地解决多杂质用水网络设计问题。     

基于虚拟温度法的间歇过程换热器网络综合

提出了基于时间段模型(TSM)综合间歇过程换热器网络的方法,用虚拟温度法代替传统的单一最小传热温差,将各流股的温差贡献值作为决策变量,年度总费用最小作为目标函数建立数学模型.应用遗传膜拟退火算法对上述数学模型进行求解,分别获得每个时间间隔内的子换热器网络结构,并进一步对总换热器网络做结构优化,使其既满足流股的换热要求,又满足年费用最小.方法应用于实例计算,结果比基于最小传热温差获得的换热器网络年度总费用节省6.0%,换热器减少5台,说明这种方法既节省费用,又简化了网络结构.     

产品开发方案优化的模糊机会约束规划模型及求解

为解决项目网络计划中产品开发方案的时间、成本、质量的不确定优化问题,在模糊机会约束规划的框架下分别建立了基于关键路线的项目周期优化模型、基于资源使用的项目周期-成本优化模型和基于质量功能展开(QFD)的产品周期-质量优化模型,在此基础上构建了项目周期-成本-质量多目标优化模型;在使用模糊模拟技术处理3个目标函数约束的过程中,构建了一个基于遗憾度的适应度函数,然后利用离散微粒群算法对多目标优化模型进行求解.最后,以滚珠丝杆副产品开发项目的方案优化为例验证了文中模型的合理性和算法的有效性;实验结果表明,周期-成本-质量多目标优化模型的求解得到的方案能够取得时间、成本和质量的平衡优化,为产品开发项目的规划提供了定量、可靠的决策依据.     

动态信息网络中基于角色的结构演化与预测

动态信息网络是当前复杂网络领域一个极具挑战的新问题,其动态的演化过程具有时序、复杂、多变的特点.结构是网络最基本的特征,也是进行网络建模和分析的基础,研究网络结构的演化过程对全面认识复杂系统的行为倾向具有重要意义.使用“角色”来量化动态网络的结构,得到动态网络的角色模型,应用并改进多类标分类问题的“问题转换”思想,将动态网络的角色预测问题视为多目标回归问题,以历史网络数据作为训练数据构建模型,预测未来时刻网络可能的角色分布情况,提出基于多目标回归思想的动态网络角色预测方法MTR-RP.该方法不仅克服了基于转移矩阵方法忽略时间因素的不足,并且考虑了多个预测目标之间可能存在的依赖关系,实验结果表明,本文提出的MTR-RP方法具有更准确且更稳定的预测效果.     

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。     

关于多污染因子用水网络的建模与优化方法

当前对大规模多污染因子水网络的研究尚未深入,故用水网络设计多缺乏实际意义。今利用用水过程污染物传质模型构造水回用网络模型,以配合法求解多污染因子情况下最小新鲜水用量的实现方法,每1用水过程入水以新鲜水、低污染回用水和高污染回用水配合获得,使各过程关键污染因子为依据的进水流量比尽可能趋近1。各过程按出口极限浓度之积由低到高依次运算。该方法以过程为运算单元,避免软件求解,不受用水网络规模的限制,此方法在用水网络优化技术方面有所创新。最后通过实例说明该方法有效,以其指导某石化企业,节水效率达到17.81%。     

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。     

Estimation and model predictive control of non-linear batch processes using linear parameter varying models

In this paper, feedback control is implemented for batch processes using linear models which describe the batch dynamics locally along its optimal trajectory. A Linear Parameter Varying (LPV) model obtained by interpolation between these multiple models is used to emulate the behaviour of the non-linear batch. The interpolation functions and state estimates are computed using a recursive Bayesian technique. The control technique is based on model predictive control (MPC) which is used for regulation and targeting the product specifications at the end of the batch.     

Constrained latent variable model predictive control for trajectory tracking and economic optimization in batch processes

A constrained latent variable model predictive control (LV-MPC) technique is proposed for trajectory tracking and economic optimization in batch processes. The controller allows the incorporation of constraints on the process variables and is designed on the basis of multi-way principal component analysis (MPCA) of a batch data array rearranged by means of a regularized batch-wise unfolding. The main advantages of LV-MPC over other MPC techniques are: (i) requirements for the dataset are rather modest (only around 10–20 batch runs are necessary), (ii) nonlinear processes can efficiently be handled algebraically through MPCA models, and (iii) the tuning procedure is simple. The LV-MPC for tracking is tested through a benchmark process used in previous LV-MPC formulations. The extension to economic LV-MPC includes an economic cost and it is based on model and trajectory updating from batch to batch to drive the process to the economic optimal region. A data-driven model validity indicator is used to ensure the prediction’s validity while the economic cost drives the process to regions with higher profit. This technique is validated through simulations in a case study.     

A real-time warehouse operations planning system for small batch replenishment problems in production environment

A factory consists of numerous production workstations, multiple production lines and many production floors. Due to the characteristics of just-in-time and make-to-order mode manufacturing, small batches of production materials are required for production lines within a short period of time in order to facilitate daily production operations. In this paper, a real-time warehouse operation planning system (R-WOPS) for solving small batch replenishment problems is described. Through using R-WOPS, real-time production and warehouse operations are monitored by radio frequency identification (RFID) technology, and a genetic algorithm (GA) technique is applied to formulate feasible small batch replenishment solutions. Simulation tests show that R-WOPS generates pick-up and delivery route plans for small batch replenishment orders very efficiently.     

Multivariate statistical monitoring of two-dimensional dynamic batch processes utilizing non-Gaussian information

Dynamics are inherent characteristics of batch processes, and they may exist not only within a particular batch, but also from batch to batch. To model and monitor such two-dimensional (2D) batch dynamics, two-dimensional dynamic principal component analysis (2D-DPCA) has been developed. However, the original 2D-DPCA calculates the monitoring control limits based on the multivariate Gaussian distribution assumption which may be invalid because of the existence of 2D dynamics. Moreover, the multiphase features of many batch processes may lead to more significant non-Gaussianity. In this paper, Gaussian mixture model (GMM) is integrated with 2D-DPCA to address the non-Gaussian issue in 2D dynamic batch process monitoring. Joint probability density functions (pdf) are estimated to summarize the information contained in 2D-DPCA subspaces. Consequently, for online monitoring, control limits can be calculated based on the joint pdf. A two-phase fed-batch fermentation process for penicillin production is used to verify the effectiveness of the proposed method.