基于RBF网络模型气辅成型工艺参数的优化

针对气辅成型过程中多个工艺参数的优化配置问题,提出了气辅成型工艺参数径向基函数(RBF)网络预测模型。该模型基于均匀设计思想,以RBF网络为基础,用正交最小二乘训练法对基函数的中心、方差和RBF网络权值进行优化,提高了网络预测模型对气辅成型制品质量指标的预测可靠性。以挂式空调前面板为例,对其进行CAE仿真分析,结果表明,该优化模型可实现对制品质量指标的快速预测,为工艺参数进一步优化奠定了基础。     

催化剂配方的神经网络建模与遗传算法优化

采用神经网络对催化剂配方实验数据建模,在网络模型仿真实验的基础上应用遗传算法对配方组成进行优化,得到的优化配方经实验验证,证实了该算法的实际应用意义.该算法对化工产品的配方及工艺优化也有实用意义.     

多目标满意优化在注塑工艺参数自适应控制中的应用

提出了一种注塑工艺参数自适应控制系统的设计方法,通过构建注塑工艺和质量指标之间的多维非线性预测模型,在过程工艺参数的扰动下,基于满意优化理论,系统能根据满意度要求实时自动调整多个工艺参数,优化综合质量指标.多目标综合满意度函数的权系数可以由实验数据或实时数据库通过熵值赋权法确定,减少了人为因素对于优化设计的影响.实验结果验证了该方法的有效性和实用性.     

基于BP神经网络的挤出型材线径预测模型的开发及应用

分析了小型单螺杆挤出机耗材生产线工艺因素与三维（3D）打印耗材线径间的相互关系,建立了一个基于反向传播（BP）神经网络的预测模型,将生产线的定径模头温度（三段）、机筒温度、螺杆转速、牵引机转速作为输入变量,耗材线径作为输出变量。结果表明,该BP神经网络预测模型能获得较精确的结果,预测模型性能较好,并基于所开发的网络模型设计开发生产线预测软件,该软件对高效地合理安排加工工艺具有一定指导意义。     

基于混合粒子群优化的异类多模型软测量方法研究与应用

基于异类组合预测模型可提高模型的预测精度及鲁棒性的思想,提出一种基于混合粒子群优化的异类多模型非线性组合软测量建模的新方法。即先分别用混合粒子群优化的径向基函数神经网络、最小二乘支持向量机及部分最小二乘算法对训练集训练得出子模型,然后将具有性能互补性的三个子模型的输出作为反向传播网络的输入得到最后结果。用混合粒子群优化的方法来选取径向基函数神经网络和最小二乘支持向量机的模型参数,该方法克服了常用的交叉验证法耗时与盲目性问题。三层反向传播网络具有无限逼近特性,使得整个组合预测模型具有更好的泛化能力和预报精度。将其应用于汽油调合系统中研究法辛烷值的预测,仿真结果表明,该方法是可行且有效的。     

基于神经网络-遗传算法优化生物柴油制备工艺

根据生物柴油制备的实验数据,用人工神经网络(ANN)的反向传播(BP)算法建立了生物柴油转化率神经网络预测模型,提出了适宜的人工神经网络拓扑结构,讨论了BP算法中学习速率、动量系数及过拟合现象对网络的影响。实验数据检验表明,ANN方法能准确地关联生物柴油制备工艺条件与转化率的关系,转化率预测平均相对误差为1.917%,复相关系数R为0.9996;该神经网络预测模型用遗传算法优化,得到了最佳生物柴油制备条件。     

基于神经网络和遗传算法的薄壳件注塑成型工艺参数优化

本文建立了基于神经网络和遗传算法并结合正交试验的薄壳件注塑成型工艺参数优化系统。正交试验法用来设计神经网络的训练样本，人工神经网络有效的创建了翘曲预测模型；遗传算法完成了对影响薄壳塑件翘曲变形的工艺参数（模具温度、注射温度、注射压力、保压时间、保压压力和冷却时间等）的优化，并计算出了它们的优化值，按该参数进行试验，效果良好，可以有效地减小薄壳塑件翘曲变形，其试验数值与计算数值基本相符，说明所提出的方法是可行的。     

基于神经网络和遗传算法的薄壳件注塑成型工艺参数优化

建立了基于神经网络和遗传算法并结合正交试验的薄壳件注塑成型工艺参数优化系统。正交试验法用来设计神经网络的训练样本，人工神经网络有效的创建了翘曲预测模型；遗传算法完成了对影响薄壳塑件翘曲变形的工艺参数（模具温度、注射温度、注射压力、保压时间、保压压力和冷却时间等）的优化，并计算出了它们的优化值。按该参数进行试验，效果良好，可以有效地减小薄壳塑件翘曲变形，其试验数值与计算数值基本相符，说明所提出的方法是可行的。     

基于灰色关联分析的注塑成型工艺多目标优化

针对复杂曲面构件注塑成型过程中体积收缩率、翘曲变形量和缩痕指数最小化等多目标优化问题,采用正交试验法设计了六因素五水平的聚甲醛叶轮注塑加工试验;基于灰色关联分析将多目标优化问题转化为单目标优化问题,利用主成分分析法确定体积收缩率、翘曲变形量和缩痕指数对灰色关联度的影响权重;通过对试验数据的回归分析,建立了灰色关联度与注塑成型主要工艺参数的二阶预测模型;基于各工艺参数对体积收缩率、翘曲变形量和缩痕指数影响规律的分析,确定了注塑工艺参数的优化方案。利用响应曲面求解注塑成型参数优化问题并进行注塑成型仿真实验,结果表明:由该优化方法获得的注塑成型工艺参数组合可以使制品的体积收缩率、翘曲变形量和缩痕指数均大幅减小。     

高浓度甲缩醛生产过程换热网络优化

变压精馏工艺虽然是生产高浓度甲缩醛的主要方法，但该工艺存在能耗高的缺点。本文基于变压精馏分离甲缩醛和甲醇共沸物的工艺方法，利用Aspen plus软件对10万t/a高浓度甲缩醛生产过程进行模拟，基于模拟数据和Aspen Energy analyzer软件对该过程换热网络进行分析和优化。结果表明：在最小传热温差为10℃时，常规变压精馏工艺夹点温度为84.03℃(热物流)和74.03℃(冷物流),充分利用甲缩醛加压精馏塔塔顶物流潜热及塔底物流显热的换热网络节能效果显著，优化后的换热网络可节省热公用工程3.732 MW、冷公用工程3.701 MW,热节能率为33.68%。     

基于改进差分进化算法的神经网络管道泄漏检测

提出了一种基于神经网络与差分进化算法的天然气泄漏预测方法,该方法采用RBF神经网络作为泄漏预测模型,引入改进的差分算法对网络的初始连接权值进行优化。为了在全局搜索和局部搜索之间取得最佳平衡,提出了一种自适应变异因子和交叉概率的改进算法,并将其应用于泄漏预测神经网络模型优化。将所提出的方法与原始算法的前向网络预测方法进行了比较。结果表明:所提出的方法收敛速度快,所得模型的预测误差小、准确率较高、迭代次数少、泛化能力强,对天然气的泄漏预测有很好的参考作用。     

一种基于分类模型的注塑工艺参数优化方法

针对注塑工艺参数设置过程中出现的收敛性差的问题,提出了一种基于最大间隔分类模型的工艺参数优化方法。该方法先根据工艺参数与制品质量的关系将制品缺陷划分为两种对立的类别,通过试模采样,基于样本数据建立最大间隔分隔面来获得优化的工艺参数。与基于模糊推理方法对比发现,该方法获取的工艺参数收敛性更好。     

基于NSGA-II结合BP网络算法的乙醇制备 C4烯烃优化模型

乙醇偶合制备C4烯烃工艺广泛应用于化工生产，探寻实现乙醇转化率与烯烃收率最大化的催化剂组合与温度条件具有重要意义。根据反应过程性能数据，分别运用多元回归与BP网络建立反应条件与烯烃收率的回归预测模型，结果表明BP网络模型对烯烃收率的预测值有较高的精度。建立多目标优化模型，基于BP网络良好的预测能力，采用NSGA-II算法进一步优化可得满足目标的催化剂与温度方案，此时乙醇转化率与烯烃收率分别为64.67%,35.921%。随后进一步分析比较NSGA-II算法和经典遗传算法分别优化BP网络模型获得的烯烃收率预测误差，验证了所用算法的精确性与有效性。     

非线性时变系统的小波预测控制

从小波分析原理出发,给出了一种正交小波网络辨识非线性动态系统的方法,并以此网络作为预测模型,同时通过递推最小二乘法在线修正模型;采用遗传算法优化控制器输出,通过对遗传算子和优化指标的修改,减少了在线寻优计算量.仿真实验表明该算法对非线性时变系统有良好的控制效果.     

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。     

基于主元相似度的间歇过程操作曲线递推优化

针对一类较长周期的间歇过程操作优化问题，提出了一种基于正常运行批次的数据驱动型操作曲线递推优化方法。首先采用分段离散化方法将原非线性优化问题转化为线性优化问题，再利用主元分析对离散化后的高维时段变量进行降维处理，然后在降维后的主元平面中，基于时段变量与最终产品指标间的余弦相似度，实现对原操作曲线的摄动优化。考虑到时段变量方差和相似度随批次会发生变化，建立了递推算法以实现操作曲线的递推更新。最后将该方法应用于某化工产品的间歇结晶过程中，结果验证了所提方法的有效性。     

基于主元相似度的间歇过程操作曲线递推优化

针对一类较长周期的间歇过程操作优化问题,提出了一种基于正常运行批次的数据驱动型操作曲线递推优化方法。首先采用分段离散化方法将原非线性优化问题转化为线性优化问题,再利用主元分析对离散化后的高维时段变量进行降维处理,然后在降维后的主元平面中,基于时段变量与最终产品指标间的余弦相似度,实现对原操作曲线的摄动优化。考虑到时段变量方差和相似度随批次会发生变化,建立了递推算法以实现操作曲线的递推更新。最后将该方法应用于某化工产品的间歇结晶过程中,结果验证了所提方法的有效性。     

基于杂质赤字的再生回用水网络集成图示法

将氢网络中基于剩余率的集成优化法扩展至水网络，以杂质浓度为基础进行分析，提出了基于杂质赤字的再生回用水网络图像集成优化方法。该方法无需图像试差和迭代，通过构建浓度-流量图和杂质赤字图，可确定未考虑再生回用的水网络夹点位置及最小新鲜水用量。并在此基础上，考虑再生装置和水网络的优化以及二者的集成，分析水网络的新鲜水节省量与杂质脱除率、再生水源流量及再生废水浓度的定量关系；构建定量关系图确定最小新鲜水用量随各参数的变化关系、夹点位置、最大新鲜水节省量以及一定再生条件下的极限及最优提纯参数。案例分析表明，该方法简单、高效，对于各工况下的水网络，均可使新鲜水消耗量及废水排放量减小，为工艺设计和操作提供重要的参考。     

基于实验设计的L-谷氨酸连续结晶过程优化

对于采用连续振荡挡板式结晶器进行β型L-谷氨酸的冷却结晶,提出一种基于实验设计的晶体产品尺寸分布预测模型和过程操作条件优化方法。将连续管式结晶器的振荡频率、2个区段的降温速率作为操作变量,设计一个包含3因素3水平的响应面实验方案。通过检测不同实验条件下的晶体产品弦长分布,构建一个基于双层基函数的晶体产品尺寸分布预测模型。然后引入一个关于目标晶体尺寸分布和产品收率的目标函数,并且利用上述预测模型,建立一个优化过程操作条件的方法。通过对β型L-谷氨酸冷却结晶过程的仿真和实验,验证了该方法的有效性和优点。     

基于TRIZ创新方法的化工工艺优化研究-以合成氨为例

以典型化工工艺案例合成氨为例，进行了基于TRIZ创新方法的化工工艺优化研究。通过对合成氨工艺中催化剂的优化、反应设备的优化、合成气净化脱硫工段的优化研究，获得了基于TRIZ创新理论的优化办法，可以降低工艺复杂度、提高效率和资源利用率，为实现绿色、高效的合成氨生产提供了新的思路和方向。本研究为进一步优化合成氨生产工艺提供了理论指导和实践参考，有助于推动该领域的技术进步和可持续发展。