一种新的多种群竞争粒子群优化算法及高密度聚乙烯装置操作优化

利用模糊C均值聚类对种群自适应划分,提出一种基于模糊C均值聚类的多群竞争粒子群优化算法。根据种群规模选择不同的寻优策略,规模大者采用标准粒子群算法寻优,规模小者在最优解邻域随机搜索,增大跳出局部最优概率。在每个聚类内部,个体相互通信,通过竞争学习分别找到各聚类种群的适应值,按照不同聚类的适应值排序,再把适应值小者向其邻近的适应值大者融合,通过种群间的竞争保证种群向最优解搜索。该算法避免陷入局部最优,提高了算法的全局搜索能力,通过标准函数验证了算法的有效性。最后,把提出的优化算法应用到高密度聚乙烯装置（HDPE）乙烯单体总消耗的优化操作,实际应用效果良好。     

不确定条件下石化企业供应链计划优化

针对石化企业供应链计划层的不确定性,提出了一种多周期、多产品的计划优化模型。基于离散时间建模方法,利用模糊可能性方法将不确定性问题转化为确定性问题,建立了混合整数线性规划模型。同时采用模型预测控制思想,利用模型的动态属性为决策者提供了不同满意度下的决策序列。以某炼油企业供应链为实例,证明了本方法的有效性。     

基于代价敏感主动学习的氧化铝蒸发过程故障检测

针对氧化铝蒸发过程故障检测中标注者不切实际的假设和控制参数难以确定问题,提出改进的代价敏感主动学习方法。给出了代价敏感主动学习形式化描述和放松了标注者不切实际的假设。为了提高分类精度和减少标注代价,该方法结合粒子群优化和代价敏感主动学习。利用连续的粒子群优化代价敏感主动学习的控制参数,该参数用于最大化未标注样本的信息度和最小化标注代价。将所提出的方法应用于氧化铝蒸发过程故障检测,实验结果表明,该方法能正确地选择控制参数,有效地减少了误分类代价和标注代价,提高了故障检测率。     

基于粒子群优化Hopfield网络匹配的稀相颗粒速度测量

提出了一种基于粒子群算法(PSO)和Hopfield神经网络相结合的粒子跟踪测速算法。该方法采用高速摄影系统拍摄气固两相流的稀相颗粒运动图像,经图像处理后,提取形心参数。将粒子匹配问题转化为优化问题,采用粒子群优化算法与Hopfield神经网络相结合的方法进行优化,求出最优解来实现颗粒的正确匹配,然后计算出颗粒的速度矢量,并与互相关法求出的速度进行对比,实验结果表明,该方法能准确地跟踪稀相颗粒,是一种有效的稀相流场速度测量方法。     

基于拉曼技术的汽油辛烷值测定系统设计

汽油辛烷值的实时检测对生产高品质的汽油及控制调和装置具有重要意义。针对传统辛烷值检测方法的不足,设计了基于拉曼分析技术的汽油调和过程中辛烷值的测定系统。系统由拉曼光谱检测、汽油拉曼光谱数据的预处理、汽油辛烷值预测模型组成。实践证明,该辛烷值测定系统能够准确检测调和过程中汽油辛烷值,并实时显示调和过程中汽油拉曼谱图。     

侧反应与精馏集成过程的故障动态特性模拟研究

针对甲苯氯化侧反应与精馏集成生产过程,在对实际生产过程合理简化与假设基础上,研制了该生产过程含控制策略的动态模拟系统。在动态模拟系统中合理设置引起反应能力与分离能力不匹配故障因素,如反应器进料配比失调、回流量过低和塔釜加热量不足等过程扰动,进行故障动态仿真研究。分析在故障扰动下整个系统的故障动态特性,获得有效的故障数据,解决了在实际生产装置上无法进行故障实验研究获取系统故障信息的难题。     

基于全局正交配置的非线性预测控制算法

针对非线性预测控制(NMPC)在线优化计算量大这一关键问题,提出一种基于全局正交配置的非线性预测控制算法。该算法以高阶插值正交多项式为基函数同时配置优化时域内的状态变量和控制变量,将连续动态优化问题转化为非线性规划问题(NLP)求解。全局正交配置可以使用较少的配置点而获得较高的逼近精度,这样即使NMPC使用很长的优化时域,离散化后得到的NLP问题的规模也比较小,能够有效地降低在线优化计算量。最后,以连续聚合反应过程为例验证了算法的有效性。     

基于仿射传播聚类的发酵过程建模

针对花生四烯酸(ARA)发酵过程复杂,机理模型表达不够准确以及单模型泛化能力弱的问题,提出采用基于仿射传播聚类的支持向量机(SVM)多模型建模算法进行该过程建模。该算法首先用仿射传播聚类(AP)算法对ARA样本数据进行聚类,再用SVM算法对各子类样本分别建立子模型。测试样本根据相似性的测度进行归类,并用所属子类的模型进行预测输出。ARA发酵过程的建模实验表明,与其他建模算法相比,基于仿射传播聚类的SVM多模型建模算法所建立的模型具有更高的回归精度和良好的泛化能力。     

二次求解具有控制切换结构的动态优化问题

基于多级表述策略,提出了二次求解具有控制切换结构动态优化问题的数值方法。基于常用的优化方法获得初始控制结构。动态优化问题根据控制结构进行分级,每一级对应一个特定的控制弧段,进而将原问题表述为一个多级动态优化问题。基于控制向量参数化(CVP),多级动态优化问题转化为一个非线性规划(NLP)问题进行求解。控制参数和级长作为优化变量。基于Pontryagin极大值原理,构造多级伴随系统,进而获得NLP求解器所需的梯度信息。仿真实例验证了方法的有效性。     

基于非线性鲁棒连续回归的汽油干点软测量

针对RCR算法难以建立高精度的非线性软测量模型的问题,提出了一种径向基函数(radial basis function,RBF)与鲁棒连续回归(robust continuum regression,RCR)相结合的非线性RCR(nonlinear RCR,NLRCR)建模方法。该方法首先应用RBF将非线性样本数据映射到高维特征空间中,然后在高维特征空间中建立RCR线性回归模型。本文通过仿真实验,验证了方法的有效性。并将其应用于延迟焦化汽油干点的软测量建模中,获得了比RCR和RBF-PLS算法更高的预测精度。     

基于EGO算法的常压塔能量优化

常减压装置能量消耗约占炼厂总用能的25%～30%,在保证产品产量与质量的条件下,优化常减压蒸馏塔操作条件,可有效降低能耗.为了避免随机优化算法对常压塔机理模型进行操作优化时,存在计算资源消耗大、效率低的问题,文中采用基于代理模型的全局优化方法优化常压塔的余热回收过程,在优化迭代过程中用Kriging代理模型来代替耗时的精确模型评估.实验表明模型调用次数相较于粒子群优化算法减少了90%,优化时间减少了85%,实现了能量优化并且保证了侧线产品之间的分离精度.     

一种混合粒子群优化的沉降ARMAX模型

为了提高氧化铝生产质量和降低能耗,分析了氧化铝沉降工艺中影响沉降过程的各种因素,采用系统辨识的方法建立沉降系统的带外部输入的自回归滑移ARMAX模型.为此提出了基于二阶混沌的混合粒子群算法,解决了粒子群算法容易早熟以及全局寻优效率偏低等问题,进而建立了基于二阶混沌的混合粒子群优化算法的沉降槽密度ARMAX模型.仿真实验...     

基于鲸鱼优化算法的汽轮机热耗率模型预测

为了准确地建立汽轮机热耗率预测模型,提出了一种基于反向学习自适应的鲸鱼优化算法（AWOA）和快速学习网（FLN）综合建模的方法。首先将改进后的鲸鱼算法与经典改进的粒子群、差分进化算法和基本鲸鱼算法进行比较,结果证明其具有更高的收敛精度和更快的收敛速度;然后采用某热电厂600 MW超临界汽轮机组现场收集的运行数据建立汽轮机热耗率预测模型,并将改进后的鲸鱼算法优化的快速学习网模型的预测结果与基本快速学习网及经典改进的粒子群、差分进化算法和基本鲸鱼算法优化的快速学习网模型预测结果相比较。结果表明,AWOA-FLN预测模型具有更高的预测精度和更强的泛化能力,更能准确地预测汽轮机的热耗率。     

应用群能量恒定粒子群优化算法的批次流加发酵过程批次间优化(英文)

An iterative optimization strategy for fed-batch fermentation process is presented by combining a run-to-run optimization with swarm energy conservation particle swarm optimization (SEC-PSO). SEC-PSO, which is designed with the concept of energy conservation, can solve the problem of premature convergence frequently appeared in standard PSO algorithm by partitioning its population into several sub-swarms according to the energy of the swarm and is used in the optimization strategy for parameter iden-tification and operation condition optimization. The run-to-run optimization exploits the repetitive nature of fed-batch processes in order to deal with the optimal problems of fed-batch fermentation process with inaccurate process model and unsteady process state. The kinetic model parameters, used in the operation condition optimization of the next run, are adjusted by calculating time-series data obtained from real fed-batch process in the run-to-run optimization. The simulation results show that the strategy can adjust its kinetic model dynamically and overcome the instability of fed-batch process effectively. Run-to-run strategy with SEC-PSO provides an effective method for optimization of fed-batch fermentation process.     

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。     

基于(火用)分析的氧化铝蒸发过程能耗优化

为提高氧化铝蒸发过程能量利用率,在蒸发过程有效能火用分析的基础上,建立了最大化火用利用率的能耗优化模型。针对优化模型紧约束条件的限制,提出了一种结合鲁棒函数和谷跳跃不可行解修正法的约束条件处理方法,弱化约束违反度大的解带来的不利影响,保留不可行解提供的有效信息。并采用一种具有涡旋拓扑结构的粒子群算法对优化模型进行有效求解。工业实例分析表明,优化模型可同时兼顾火用回收利用率和系统热力学完善程度,优化操作在保证产品产量及质量的条件下可有效提高能量利用率。     

Soft-sensing modeling and intelligent optimal control strategy for distillation yield rate of atmospheric distillation oil refining process

It is a challenge to conserve energy for the large-scale petrochemical enterprises due to complex production process and energy diversification. As critical energy consumption equipment of atmospheric distillation oil refining process, the atmospheric distillation column is paid more attention to save energy. In this paper, the optimal problem of energy utilization efficiency of the atmospheric distillation column is solved by defining a new energy efficiency indicator — the distillation yield rate of unit energy consumption from the perspective of material flow and energy flow, and a soft-sensing model for this new energy efficiency indicator with respect to the multiple working conditions and intelligent optimizing control strategy are suggested for both increasing distillation yield and decreasing energy consumption in oil refining process. It is found that the energy utilization efficiency level of the atmospheric distillation column depends closely on the typical working conditions of the oil refining process, which result by changing the outlet temperature, the overhead temperature, and the bottom liquid level of the atmospheric pressure tower. The fuzzy C-means algorithm is used to classify the typical operation conditions of atmospheric distillation in oil refining process. Furthermore, the LSSVM method optimized with the improved particle swarm optimization is used to model the distillation rate of unit energy consumption. Then online optimization of oil refining process is realized by optimizing the outlet temperature, the overhead temperature with IPSO again. Simulation comparative analyses are made by empirical data to verify the effectiveness of the proposed solution.     

基于群体智能算法的换热网络同步最优综合

换热网络同步综合方法一般需要建立复杂的混合整数非线性数学规划模型,该模型具有非凸、非线、不连续的特点,属于最难求解的一类NP-hard问题,应用传统的优化算法很难确定其全局最优解,尤其是对大规模换热网络综合问题,甚至无法在合理时间内接近全局最优的局部最优解。针对换热网络同步综合问题,提出基于群体智能算法的分层优化策略,外层采用离散粒子群算法与遗传算法相结合的混合群体智能算法优化换热网络结构,内层在结构变量给定条件下利用改进粒子群算法优化冷热物流分流比与换热负荷。两个典型算例研究证明了该方法能以较高的效率和稳定性得到较好的优化结果。     

基于自适应竞争群优化算法的无分流换热网络综合

换热网络模型具有非凸和非线性的特性,对于大规模超结构优化问题,采用经典的智能算法优化效率低,容易陷入局部最优值。以年综合费用为目标函数,基于自适应竞争群优化算法对无分流分级超结构换热网络模型进行优化。该方法采用对粒子平均位置的递减学习,通过自适应调节速度权重提高换热网络结构的全局优化能力和局部优化能力。通过两个典型算例分析表明,该方法相比量子粒子群算法大幅减少了模型调用次数,缩短了运行时间,并且找到了更好的优化结果。     

PTA装置氧化反应过程的优化

在PTA装置氧化反应过程模型和反应器尾气COx关联模型的基础上,利用基于相位角粒子群算法,对PX氧化反应过程的操作参数进行了优化,并根据离线优化结果对装置进行了调优,在满足产品品质的前提下,降低了尾气COx含量,从而降低了乙酸和PX的燃烧单耗。