余热锅炉单相受热面动态建模与模型参数优化

作为余热利用环节中最重要的部分,余热锅炉的启动、变工况运行和停机特性直接决定锅炉的寿命及效率。基于工质热力学性质和质量、动量及能量守恒方程,以Matlab/Simulink为平台,构建了余热锅炉单相受热面的动态仿真模型。结合某水泥厂自主设计的直流余热锅炉实验数据,基于遗传算法和粒子群算法,对动态模型进行了参数优化。结果表明,经过优化后,余热锅炉动态模型与实验数据匹配程度高,模拟与实验结果的误差为0.93%~4.39%。因此,本文所建立的单相受热面变工况动态模型可以准确反映余热锅炉受热面动态特性。两种算法的对比表明,粒子群算法适应度函数收敛更优;在收敛迭代次数上,粒子群算法在54~64代达到收敛,遗传算法在93代后达到收敛。粒子群算法在参数优化方面优于遗传算法。     

粒子群算法最优同步综合换热网络

采用粒子群算法,对无分流换热网络综合问题提出改进的优化策略.运用超结构建立换热网络模型,以最小年度总费用为优化目标,按顺序求解思路优化换热器换热量.该算法比遗传算法简单,所需调节参数少,且不易陷入局部最优解,能迅速得到换热网络的结构与参数,具有获得全局最优解的能力.仿真研究验证了方法的有效性.     

基于PSO的丁二酸发酵动力学模型参数优化

丁二酸是一种重要的化工原料,对丁二酸发酵过程进行模型化研究可以为工艺放大提供必要的基础数据。根据丁二酸发酵过程的实验数据,在已有的丁二酸发酵动力学模型的基础上,采用粒子群优化算法进行模型参数优化研究,求得最优参数并利用其进行过程仿真。结果表明优化后的模型能够更好地模拟丁二酸分批发酵过程。和采用遗传算法进行的研究结果相比,粒子群算法提高了模型计算值与实验测量值的拟合程度,且算法简单,易于实现。     

基于遗传算法的油气混输管网参数优化设计

在地面油气混输管网优化的研究中,结构参数优化是极为重要的一个问题.本文对多目标非线性的规划问题,使用遗传算法对管网结构参数进行优化,提出了目标函数、水力及热力学模型.并得到了应用遗传算法的相关结论     

基于遗传算法和粒子群优化算法的电力系统无功优化

从数学的角度分析,电力系统无功优化是一个多变量、多约束、非连续性的混合非线性规划问题,因此,优化过程十分复杂.以减少有功网损为目标函数建立电力系统无功优化计算的数学模型,基于遗传算法和粒子群优化算法,提出一种新颖的混合策略来求解无功优化问题.IEEE 6和IEEE 14节点系统的仿真计算结果表明:与单一的遗传算法或粒子群优化算法相比,该混合策略在优化效果方面具有明显的优势.     

复合粒子群优化算法在模型参数估计中的应用

化工非线性模型的参数估计是较为困难的寻优问题，经典方法常会陷入局部极值。粒子群算法操作简便、容易实现且全局搜索功能较强，适用于非线性参数估计。但其参数值的确定与问题相关，若设定不当，会严重影响全局搜索的性能。今提出引入遗传算法，在粒子群算法的搜索过程中，逐代优选参数，包括惯性权值，加速常数，以此构建为复合粒子群优化算法。分析与测试表明，其全局搜索性能有显著改善。进一步的工作又将两种粒子群算法成功地应用于重油热解模型的参数估计。采用复合粒子群优化算法估计参数构建的重油热解模型，其预报相对误差比常规粒子群优化算法降低了8.97％，比简单遗传算法降低了23.21％，效果明显。     

CO2提纯塔控制参数的优化

研究了CO2提纯塔的影响因素对塔釜CO2出口浓度的影响.针对常规遗传算法的不足,对算法进行了有效的改进.运用改进的遗传算法,结合CO2提纯塔模型,对提纯塔的可控参数进行优化,得到了不同CO2进料浓度下的最优控制参数.实际生产检验表明,优化方法可行,优化结果有效.     

基于粒子群算法的内外翅片管换热器优化

粒子群优化算法(Particle Swarm Optimization,简称PSO)是一种新型的优化算法,今把PSO应用于内外翅片管换热器的结构尺寸优化,建立了物理数学模型,开发了C 程序.把体积作为优化目标函数,以换热面积和压降作为约束条件,对管子横向间距、纵向间距、管排数、外翅片间距、换热器在与热气流垂直方向的长度进行了优化,并与利用遗传算法的文献结果对比:在相同的设计参数和相同的优化变量搜索范围条件下,体积减小9.5%,重量减轻16%,优化计算时间减小一个量级,PSO应用于换热器优化设计优于遗传算法.     

基于EBF神经网络和粒子群算法的注射成型优化设计

基于拉丁超立方设计建立了椭球基（EBF）神经网络模型描述注塑工艺参数与翘曲值间的函数关系,将EBF神经网络模型与Kriging模型对比,说明EBF神经网络模型可以准确地描述注塑工艺参数与翘曲值之间的函数关系,并结合多目标粒子群算法对工艺参数进行优化,并与邻域培植遗传算法优化结果对比,说明多目标粒子群算法的优点。结果表明,基于EBF神经网络模型和粒子群优化算法可以使塑料出水管翘曲值减小11.64 %,同时使保压时间和冷却时间总和减小了2.13 s,从而在出水管批量生产过程中减少了生产时间。     

用免疫量子粒子群算法优化控制决策表

提出用免疫量子粒子群算法优化控制决策表,使控制决策表的参数整定简单易行.其核心思想是将控制决策表作为算法中的粒子,以迭代搜索的方式寻找全局最优粒子.该算法的全局寻优能力强,计算机实现简单,可调参数少.模糊控制器和控制决策表的优化设计在SCON-2000模糊控制平台进行了工程化实现,并对水箱液位进行模糊控制.从对比结果中可以看出,优化了控制决策表以后,系统响应更快,精度更高,抗扰动能力更强.这表明了该算法在模糊控制器参数优化中的可行性.     

A Mixed Coding Scheme of a Particle Swarm Optimization and a Hybrid Genetic Algorithm with Sequential Quadratic Programming for Mixed Integer Nonlinear Programming in Common Chemical Engineering Practice

In this paper, mixed integer nonlinear programming (MINLP) is optimized by PSO_GA–SQP, the mixed coding of a particle swarm optimization (PSO), and a hybrid genetic algorithm and sequential quadratic programming (GA–SQP). The population is separated into two groups: discrete and continuous variables. The discrete variables are optimized by the adapted PSO, while the continuous variables are optimized by the GA–SQP using the discrete variable information from the adapted PSO. Therefore, the population can be set to a smaller size than usual to obtain a global solution. The proposed PSO_GA–SQP algorithm is verified using various MINLP problems including the designing of retrofit heat exchanger networks. The fitness values of the tested problems are able to reach the global optimum.     

A novel 3-layer mixed cultural evolutionary optimization framework for optimal operation of syngas production in a Texaco coal-water slurry gasifier☆

Optimizing operational parameters for syngas production of Texaco coal-water slurry gasifier studied in this paper is a complicated nonlinear constrained problem concerning 3 BP (Error Back Propagation) neural networks. To solve this model, a new 3-layer cultural evolving algorithm framework which has a population space, a medium space and a belief space is firstly conceived. Standard differential evolution algorithm (DE), genetic algorithm (GA), and parti-cle swarm optimization algorithm (PSO) are embedded in this framework to build 3-layer mixed cultural DE/GA/PSO (3LM-CDE, 3LM-CGA, and 3LM-CPSO) algorithms. The accuracy and efficiency of the proposed hybrid algo-rithms are firstly tested in 20 benchmark nonlinear constrained functions. Then, the operational optimization model for syngas production in a Texaco coal-water slurry gasifier of a real-world chemical plant is solved effective-ly. The simulation results are encouraging that the 3-layer cultural algorithm evolving framework suggests ways in which the performance of DE, GA, PSO and other population-based evolutionary algorithms (EAs) can be improved, and the optimal operational parameters based on 3LM-CDE algorithm of the syngas production in the Texaco coal-water slurry gasifier shows outstanding computing results than actual industry use and other algorithms.     

混沌遗传算法估计反应动力学参数

为了准确地估计反应动力学参数 ,提出一种混沌遗传算法 (chaosgeneticalgorithm ,CGA) ,它基于混沌变量的遗传操作 ,将使子代个体均匀地分布于定义空间 ,从而可避免早熟 ,以较大的概率实现全局最优搜索 .与传统的遗传算法相比较 ,CGA的在线和离线性能都有较大的改进 .将CGA应用于 2 -氯苯酚在超临界水中氧化反应动力学参数的估算 ,获得了满意的结果     

基于SHPSO-GA-BP的成品汽油调和中加氢汽油组分辛烷值的预测

针对成品汽油调和配方建模中加氢汽油组分辛烷值难以实时获取，考虑遗传算法（genetic algorithm，GA）、粒子群算法（particle swarm optimization，PSO）优化反向传播（back propagation，BP）网络存在的问题，提出了一种串行混合粒子群遗传算法（serial hybrid PSO-GA，SHPSO-GA）优化BP网络，并用于辛烷值的预测建模。该方法首先将PSO算法的输出依据适应度值分为优劣2个种群，弃劣留优；然后对留优种群再进行GA的交叉变异操作，进一步优化种群，经过每一代PSO和GA的交替优化，并将最优种群用于BP网络参数优化；最后基于该方法和工业历史数据，建立了加氢汽油组分辛烷值的预测模型，仿真结果表明，较传统BP，以及改进的GA-BP、PSO-BP、PSO-GA-BP等方法，SHPSO-GA-BP由于将PSO与GA进行更优的深度融合，具有更好的预测性能，可以用于辛烷值的预测。     

基于双种群算法的模拟移动床多目标操作优化

以有限元法求解模拟移动床的稳态TMB模型和动态SMB模型,提出基于Pareto非劣解集的多目标双种群遗传粒子群算法;利用动态SMB模型仿真模拟移动床色谱吸附分离过程,以分离纯度和性能指标分别作为约束条件和目标函数进行多目标操作优化设计.仿真结果表明,SMB模型较之TMB模型更真实可靠,双种群遗传粒子群算法也较单一种群的...     

复杂壳体类塑料件气体辅助注射成型工艺参数优化研究

以21英寸彩电前壳作为研究对象,将Moldflow 2010作为CAE模拟试验平台,以熔体温度、模具温度、熔体注射时间、气体延迟时间、气体压力为关键工艺因素,考察了复杂壳体类塑料件气体辅助注射成型(GAIM)时制件的翘曲变形量和气体穿透情况。以正交试验设计方法为基础,利用遗传算法并结合径向基神经网络建立GAIM工艺参数优化系统,可用于工艺参数组合的快速确定,为GAIM过程中工艺参数优化提供了一种新的求解思路。     

模糊自适应遗传算法及其在化工中的应用

Considering that the performance of a genetic algorithm (GA) is affected by many factors and their rela-tionships are complex and hard to be described,a novel fuzzy-based adaptive genetic algorithm (FAGA) combined a new artificial immune system with fuzzy system theory is proposed due to the fact fuzzy theory can describe high complex problems.In FAGA,immune theory is used to improve the performance of selection operation.And,crossover probability and mutation probability are adjusted dynamically by fuzzy inferences,which are developed according to the heuristic fuzzy relationship between algorithm performances and control parameters.The experi-ments show that FAGA can efficiently overcome shortcomings of GA,i.e.,premature and slow,and obtain better results than two typical fuzzy GAs.Finally,FAGA was used for the parameters estimation of reaction kinetics model and the satisfactory result was obtained.