基于神经网络的多组分相平衡常数预测模型

以抚顺石油二厂乙苯车间的精馏工段为背景,以相平衡常数的简化计算公式为依据,利用多层前馈网络和径向基函数网络分别建立了各自的相平衡常数神经网络预测模型,并对网络训练过程中所应注意的问题进行了讨论。通过将预测结果与ＰＲＯ／Ⅱ模拟结果进行了分析比较,表明了该模型的有效性。     

大规模过程系统优化的稀疏SQP算法

提出了一种适用于大规模过程系统在线优化命题的稀疏全空间 SQP算法。该算法利用解析导数构造Hessian矩阵 ,保持了系统的稀疏结构 ,并为寻优过程提供了精确的曲率信息。与传统 SQP算法相比 ,该算法的计算效率有了明显提高。对开放式方程精馏塔模型的实例计算表明 ,该算法在求解大规模过程系统优化命题时是可行和有效的。     

解析导数及稀疏矩阵技术在大规模过程优化命题中的应用

The performance of analytical derivative and sparse matrix techniques applied to a traditional dense sequential quadratic programming (SQP) is studied, and the strategy utilizing those techniques is also presented.Computational results on two typical chemical optimization problems demonstrate significant enhancement in efficiency, which shows this strategy is promising and suitable for large-scale process optimization problems.     

基于神经网络的在线优化软件的设计与实现

提出了一种基于神经网络的在线优化体系 ,设计并实现了基于神经网络的在线优化软件包NEUMAX ,结合NEUMAX对此类软件的特点进行了讨论 ,最后对它的应用前景作了展望     

一种化工过程优化的稀疏SQP算法

根据开放式方程模型结构统一、所得优化命题普遍稀疏的特点 ,提出了一种稀疏SQP算法 .利用一阶 /二阶导数构造Hessian矩阵 ,保持了系统的稀疏结构 .通过一个预处理过程获得命题的稀疏结构信息 ,显著减少构造高维矩阵所需工作量 .计算示例表明 ,该算法优于传统SQP法 ,也表明该算法的有效性