基于改进差分进化算法的化工参数估计

为提高化工参数估计的精度,本文提出一种改进的差分进化(improved differential evolution,IDE)算法,并将其应用于甲醇转化烃类物质的参数估计问题。IDE算法设计了一种混合差分变异策略,主要利用种群中的当前个体、较优个体和指导个体实现算法寻优,并对参数进行了调整。该算法在提高种群多样性的同时能够加快收敛速度,在一定程度上降低搜索陷入局部最优的可能性。为验证算法在甲醇转化烃类物质的参数估计问题上的有效性,将IDE算法与部分已有算法进行比较。实验结果表明,本文算法提高了甲醇转化为烃类物质的化工参数估计精度,具有较强的竞争性。     

融合差分进化算法的AEA算法及其在参数估计中的应用

着眼于AEA(Alopex-based evolutionary algorithm)算法本身的不足,构造出一种融合了差分进化算法和AEA的改进型算法--MAEA(modified AEA).MAEA算法将改进后的差分进化算法嵌入到AEA中,改进AEA算法中种群的生成方式,提高算法的寻优能力.改进的算法不仅拥有启发搜索和确定性搜索的优点,同时还增加了种群的多样性,使算法能够更好地进行全局和局部搜索.通过21个标准函数的测试结果表明,该算法较标准AEA算法、差分进化算法的性能有较大提升.进一步和当前具有代表性的先进算法(ISDEMS)的比较结果表明,MAEA算法有较高的精确度和稳定性.将算法用于发酵动力学模型参数的估计,通过优化得到了较好的结果,验证了本文提出的算法的可行性和有效性.     

基于差分进化粒子群混合优化算法的软测量建模

针对乙烯生产过程中,用传统方法难以直接完成对乙烯收率的在线测量的问题,提出了一种新型差分进化粒子群混合优化算法,建立了乙烯收率软测量建模。改进算法将优化过程分成两阶段,两分群分别采用粒子群算法和差分进化算法同时进行。迭代过程中引入进化速度因子进行算法局部收敛性判断,通过两个群体间的信息交流阻止算法陷入局部最优。对高维复杂函数寻优测试表明,算法的整体优化性能均强于基本粒子群算法和差分进化算法。应用结果表明,基于改进算法的软测量模型具有测量精度较高、泛化性能较好等优点。     

基于Kriging的差分进化算法及其在苯乙烯流程优化中的应用

自适应差分进化算法基于个体生成策略和控制参数自适应,无须人为设置参数,对问题有较好的适应性,但其收敛速度和精度有待提高。将具有较高预测精度的Kriging模型应用于自适应差分进化算法中,建立跟随种群变化的Kriging模型,通过模型极值点与种群最优个体竞争,对种群产生扰动,影响种群进化过程,改善算法的收敛速度和寻优性能。对10个典型测试函数的测试结果表明,该算法较标准和自适应差分进化算法收敛速度加快,收敛精度提高,且具有更好的稳定性。将基于Kriging的差分进化算法应用于苯乙烯装置的流程优化,操作运行费用显著降低。     

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。     

一种自适应差分进化算法及其在精对苯二甲酸结晶生产过程优化中的应用

提出了一种自适应差分进化算法(adaptive differential evolutionary algorithm,ADE),并将其应用于精对苯二甲酸(PTA)生产中结晶过程的优化.由于该结晶过程为5级结晶器串联组成,并且存在较多杂质等的影响,使得该结晶过程很难用机理数学模型来精确表达.为此首先利用神经网络技术建立了该对象模型,并对各主要操作变量对关键产品指标的影响进行系统分析,以满足结晶机理先验知识.然后利用自适应差分进化算法对该结晶模型进行操作点的寻优.该ADE算法是一种基于实型数值编码的并行直接搜索算法.     

基于差分进化算法和HYSYS机理模型的催化重整过程优化

选取催化重整18集总31反应集总动力学模型,以流程模拟软件HYSYS为工具,建立了催化重整机理模型。以最大化芳烃产率为优化目标,以4个反应器入口温度为决策变量,建立了过程优化模型。利用差分进化算法求解该优化问题,并利用可行性规则处理约束。仿真结果表明,芳烃产率有较大提高,证实了差分进化算法的有效性。     

混沌广义差分进化算法及其在Texaco气化过程中的应用

在Texaco水煤浆气化工艺中,合成气中各组分的含量是衡量气化效率的关键参数。以某厂Texaco气化装置为研究背景,设计了一种合成气组分含量的预测模型。该模型选取三层前馈神经网络结构,并采用一种具有广义差分项的混沌差分进化算法(ChaoDEGD)作为模型参数的学习方法。ChaoDEGD算法在差分进化算法的变异操作中引入了广义的个体差异信息,并在不同进化时期,对不同适应度等级的个体施加混沌映射,保证了种群的多样性,帮助种群有效跳出了局部极小点。实验结果表明,基于ChaoDEGD的神经网络预测模型能够较好地估计合成气中CO、H₂、CO₂三类关键组分的含量,为Texaco水煤浆气化过程的安全稳定运行提供了有利指导。     

基于群体信息挖掘的协同差分进化算法及其应用

为了提高差分进化算法的寻优速度和寻优效能,提出了一种基于群体信息挖掘的协同差分进化算法。该算法首先利用协同进化的思想,将种群分解成不同的子种群,每个子种群采用不同的差分策略进行独立的差分和交叉操作,再将各个子种群合并成一个种群,并根据每个个体的适应度值挑选出最优个体;为了提高差分进化算法的局部搜索能力,引入了多元回归分析和模式搜索算法,对于整个种群,利用最小二乘法求得种群的寻优方向信息,并以此来指导种群中的每一个个体进行模式搜索。仿真试验和在精对苯二甲酸生产过程对羧基苯甲醛含量软测量模型参数估计中的实际应用表明：该算法的性能比传统的差分进化算法有较大的提高,取得了较好的效果。     

文化差分进化算法及其在化工过程建模中的应用

提出了一种新的文化差分进化算法,该算法将差分进化算法作为文化算法的种群空间,在文化算法的信念空间和影响函数设计中提出了基于多种知识源的设计方法,通过多种知识指导差分进化的变异操作和交叉操作,使知识的表达和指导种群进化的能力得到加强。函数测试结果表明,基于知识机制的引入使得文化差分进化算法在寻优性能上比差分进化算法有了较大的提高,而对参数的敏感性却相对较小。将文化差分进化算法用于训练补偿模糊神经网络,建立乙烯精馏塔产品质量软测量模型。通过训练与泛化能力的比较结果表明,基于文化差分进化算法的补偿模糊神经网络软测量模型在建模精度和泛化性能上均优于常规补偿模糊神经网络、模糊神经网络以及采用遗传算法优化的模型,具有更好的应用前景。     

微分进化算法研究及其在热工过程参数辨识中的应用

被控对象的数学模型,对控制系统的设计和分析有着极为重要的意义.采用微分进化算法对被控对象参数进行辨识.这种算法与其它进化算法的不同之处在于它的变异算子是由种群中任意选取的多对向量的差值得到的,并且主要用于实参数优化问题.微分进化算法虽然有简单、搜索效率高的特点,但是仍存在局部最优的问题.因此,在对微分进化算法搜索机理进...     

基于差分进化算法的控制变量参数化方法及其在化工过程动态优化中的应用(英文)

Two general approaches are adopted in solving dynamic optimization problems in chemical processes, namely, the analytical and numerical methods. The numerical method, which is based on heuristic algorithms, has been widely used. An approach that combines differential evolution (DE) algorithm and control vector parameterization (CVP) is proposed in this paper. In the proposed CVP, control variables are approximated with polynomials based on state variables and time in the entire time interval. Region reduction strategy is used in DE to reduce the width of the search region, which improves the computing efficiency. The results of the case studies demonstrate the feasibility and efficiency of the proposed methods.     

影响因子寻优差异法及其在合模机构优化中应用

以差异演化算法为基础,提出了影响因子寻优差异演化法,通过对3组具有不同Pareto前沿的测试函数进行仿真实验,验证了影响因子寻优差异演化法的可行性和有效性,为多目标优化问题提供了一种新的优化方法,并将其与工程实际相结合,以注塑机合模机构为例,建立了行程比和力放大倍数2个目标函数的多目标优化数学模型,实现对注塑机合模机构的优化,同时与理想点法进行对比。结果表明,行程比和力放大倍数经影响因子寻优差异演化法优化后,比原始参数对应的值分别提高10.73 %和21.42 %,而采用理想点法优化后,比原始参数对应的值分别提高9.93 %和20.91 %;影响因子寻优差异演化法比理想点法更具有优越性。     

A Hybrid Algorithm Based on Differential Evolution and Group Search Optimization and Its Application on Ethylene Cracking Furnace

To find the optimal operational condition when the properties of feedstock changes in the cracking furnace online, a hybrid algorithm named differential evolution group search optimization (DEGSO) is proposed, which is based on the differential evolution (DE) and the group search optimization (GSO). The DEGSO combines the advantages of the two algorithms: the high computing speed of DE and the good performance of the GSO for preventing the best particle from converging to local optimum. A cooperative method is also proposed for switching between these two algorithms. If the fitness value of one algorithm keeps invariant in several generations and less than the preset threshold, it is considered to fall into the local optimization and the other algorithm is chosen. Experiments on benchmark functions show that the hybrid algorithm outperforms GSO in accuracy, global searching ability and efficiency. The optimization of ethylene and propylene yields is illustrated as a case by DEGSO. After optimization, the yield of ethylene and propylene is increased remarkably, which provides the proper operational condition of the ethylene cracking furnace.     

差分演化算法中变异策略的改进与算法的优化

自然界生物体进化现象可以形式化成一些优化算法,如差分演化算法、粒子群算法等。其中,差分演化算法在数值函数优化方面的性能要优于其它的优化算法。通过对差分演化算法的变异策略改进,使优化后的差分演化算法在函数优化方面性能得到进一步提高。通过十个基准函数的仿真测试可以验证这一结果。     

连续式差别化聚酯工程的开发

系统介绍了化学改性差别化聚酯工程的开发。结合差别化聚酯的特点,重点设计了酯化反应釜,通过系统的工程设计实现差别化聚酯的连续式生产。生产的差别化聚酯产品可适应短纤维或长丝后加工需求,并实现产品的优质及生产的低消耗。     

差别化氨纶的发展现状与展望

简述了氨纶的发展历史和我国氨纶行业的发展现状,介绍了目前氨纶的主要生产方法及特点,综述了具有耐氯性、低温易定形性、易染色性、黑色等差别化氨纶的研究进展、应用领域,指出未来差别化氨纶的发展方向。     

卫生用杀虫剂的变迁和发展

描述了卫生防疫用杀虫剂的发展沿革和发展前景。     

一种改进的差分进化算法及其在补料分批式生化反应器动态优化中的应用

动态优化是生物化工过程中的重要课题,求解动态优化问题通常有两种方法:解析法和数值法。基于智能进化算法的数值方法在动态优化中的应用越来越广泛,但是这些方法局部寻优能力不强,容易陷入局部最优,并且求解速度相对较慢。针对这些方法的不足,提出了一种改进的差分进化算法,设计了新的局部寻优算子来增强算法的局部寻优能力,并且采用一种新的控制策略表示方法来求解动态优化问题。通过求解补料分批式生化反应器的动态优化实例,证明了算法的有效性和鲁棒性。通过与其他几种方法进行对比,实验结果表明,所提出的方法在优化结果和计算代价方面都有优势。