间歇过程多杂质用水网络的研究

对含有多个杂质的间歇用水网络进行综合研究,提出了用水周期的概念,基于不失问题的内在特性原则,提出了模型简化的基本假设,并通过增加中间储罐来跨过时间约束,提出了基于超结构的多杂质用水网络模型,建立了该超结构模型的数学规划模型;提出了该数学模型的分步求解策略:①不考虑时间约束,将看成1个拟连续过程,获得间歇用水的目标网络;②引入时间约束,调整间歇用水网络结构,优化未稳定用水单元,向目标网络逼进;③最终获得最优的间歇用水网络结构.实例研究表明,本文提出的方法是问歇过程多杂质用水网络结构设计的有效工具,可在较少周期后获得稳定的网络结构,新鲜水用量可节省34.9%.     

基于时间Petri网优化设计单杂质间歇过程用水网络

近20年来,间歇过程用水网络的研究得到了人们的广泛关注,并取得了一定的发展。以往对间歇过程的水网络集成研究多采用图解法和数学规划法,图解法无法解决与水质、水量无关的目标或约束,数学规划法计算复杂且较难确定最优解。Petri网具有直观的图形表现能力和严密的数学基础,并且具有强有力的分析技术与手段,非常适合于系统的描述和分析。同时时间Petri网是在Petri网的基础上加入时间因素,可用来建立间歇系统的动态模型。故针对半连续间歇化工过程的单杂质用水网络,本文提出了基于时间Petri网建模的方法,分别对有中间储罐和无中间储罐间歇用水网络进行了研究,首先采用水级联分析法构建了夹点分析通用模型,能够快速准确地确定用水过程的水夹点位置和最小新鲜水需求量。然后根据Petri网的逻辑表述能力、动态传播特性、自主学习机制以及水网络设计原则、水网络综合基本原则和水源匹配规则建立了水网络综合Petri网通用模型,对有中间储罐的情况还确定了中间储罐的位置、数量与容量,实现了单杂质间歇过程用水网络的优化设计。最后对文献中实例进行了研究,得到的夹点位置、新鲜水用量以及用水网络与文献中一致,表明提出的方法是可行和有效的。该方法模型简单、直观,避免了水级联表格的繁复计算,拓展了Petri网在过程领域的应用。     

间歇过程用水网络优化设计方法研究

间歇过程用水网络的研究已经引起了人们的关注,近十年取得了一定的发展.本文对带有非传质及有流率变化的间歇化工用水过程用数学规划法进行优化设计,确定过程的最小新鲜水用量、最小废水排放量以及优化后的用水网络.该方法利用中间储罐来排除时间对水再利用的限制,考虑了用水单元的流率限制,建立用水网络超结构和非线性规划数学模型,利用GAMS求解该模型,得到间歇过程最小新鲜水用量、废水量以及优化后的网络结构.实例计算证明该模型可行、方法简单.     

基于自适应模拟退火遗传算法的多杂质用水网络设计

水资源的短缺和环境污染的日益严重,对过程工业提出了减少新鲜水用量和废水排放量的要求,且通常废水中都含有多种污染物,由此本文提出了考虑回用的多杂质用水网络设计。不但建立了多杂质用水网络超结构MINLP模型,而且针对MINLP问题求解困难的现状,开发了自适应模拟退火遗传算法。实例研究结果表明该算法可以找到全局最优解且计算时间可满足要求。另外,该算法可有效避免陷入局部最优,也不要求提供初始可行解。     

多杂质用水网络设计方法的改进与比较

通过引入分配因子和最小限制流量对多杂质用水网络超结构模型进行改进,使模型更简捷高效;在逐步线性规划法中引入改进的超结构模型,提供了用水过程的排序依据,可代替枚举法直接排序,提高了求解效率。通过实例比较了改进前后的两种设计方法,找出了它们之间的优势和劣势,结果表明,本文的改进策略可以快速和准确地解决多杂质用水网络设计问题。     

关于多污染因子用水网络的建模与优化方法

当前对大规模多污染因子水网络的研究尚未深入,故用水网络设计多缺乏实际意义。今利用用水过程污染物传质模型构造水回用网络模型,以配合法求解多污染因子情况下最小新鲜水用量的实现方法,每1用水过程入水以新鲜水、低污染回用水和高污染回用水配合获得,使各过程关键污染因子为依据的进水流量比尽可能趋近1。各过程按出口极限浓度之积由低到高依次运算。该方法以过程为运算单元,避免软件求解,不受用水网络规模的限制,此方法在用水网络优化技术方面有所创新。最后通过实例说明该方法有效,以其指导某石化企业,节水效率达到17.81%。     

列队竞争算法求解多产品间歇生产过程排序问题

由于组合爆炸特性,多产品厂的排序问题很难求解大规模甚至中等规模的问题,本文采用一种新的随机型进化搜索算法——列队竞争算法来对该问题进行求解,引入新的选择策略和变异方法。计算表明同已有的方法相比,该方法求解效率高、收敛速度快、使用简单方便,是一种求解多产品间歇过程排序问题的有效算法,为多目的厂间歇过程排序研究提供了新思路。     

基于遗传禁忌算法的多目的间歇过程调度问题求解

由于组合爆炸特性,多目的厂的调度问题很难求解大规模甚至中等规模的问题,本文采用一种新的随机性优化技术一基于禁忌技术的遗传算法点(Tabu-genetic algorithm,TGA)来对该问题进行求解,引入新的选择策略和变异方法．并以零等待的多目的间歇过程调度为实例,计算表明同已有的方法相比,该方法求解效率高、收敛速度快、使用简单方便,可有效的克服计算负荷和求解质量之间的冲突,是一种求解多目的厂间歇过程调度问题的有效算法。     

零等待约束下多产品间歇过程的多目标调度

针对零等待约束下多产品间歇过程的总流程时间和完工时间最小化问题,提出一种多目标离散组搜索算法求解.在采用启发式规则产生初始解的基础上,通过发现者、追随者和巡逻者的操作设计,算法不断更新Pareto前沿,同时,混合了基于插入邻域的多目标局部搜索方法.大量计算实验表明,所提出的算法获得的非支配解集在IGD和Set Coverage指标上优于非支配排序遗传算法和模拟退火算法,可为多目标决策者提供更好的决策依据,利于间歇生产过程的优化运行.     

间歇生产过程的自动机模型

在间歇生产过程中，过程的信息结构由离散状态和连续状态构成，本文以自动机为交互具，研究具有混合信息结构的间歇生产过程的描述，控制与优化等问题。     

基于虚拟温度法的间歇过程换热器网络综合

提出了基于时间段模型(TSM)综合间歇过程换热器网络的方法,用虚拟温度法代替传统的单一最小传热温差,将各流股的温差贡献值作为决策变量,年度总费用最小作为目标函数建立数学模型.应用遗传膜拟退火算法对上述数学模型进行求解,分别获得每个时间间隔内的子换热器网络结构,并进一步对总换热器网络做结构优化,使其既满足流股的换热要求,又满足年费用最小.方法应用于实例计算,结果比基于最小传热温差获得的换热器网络年度总费用节省6.0%,换热器减少5台,说明这种方法既节省费用,又简化了网络结构.     

间歇用水系统中废水回用的调度与操作周期调优

针对单杂质间歇用水网络中的新鲜水消耗量最小化问题,本文建立了基于连续时间的优化模型,用于废水直接回用的用水调度优化,并提出了操作周期长度调优的方法。目的在于通过调度优化增加废水回用机会以提高用水系统的废水回用率。采用GAMS软件对所建立的MINLP模型进行求解。研究表明:本文的数学优化模型能够有效地提高单杂质间歇用水过程的废水回用率并具有最优的操作周期长度。通过2个实例阐明了本文优化方法的有效性。     

Neural network synthesis for thermal processes

Neural networks are relatively new and highly attractive tools for modelling complex systems. The main feature of neural networks is their inherent plasticity which enables them to fit virtually any nonlinear function provided they have a sufficient number of parameters. Neural networks are a general class of nonlinear systems. Neural models can be used advantageously to model the dynamic behaviour of physical processes. In this paper, feedforward neural networks are used for modelling of dynamic thermal processes. The synthesis of neural networks is directly associated with the minimization of an objective function normally defined as the square of the difference between the output of the process being modelled and the output predicted by the network. Learning schemes are used for the evaluation of the connection weights of the feedforward neural network. In this paper, the dynamic modelling of several thermal processes using feedforward neural networks is presented. In one example, the identified neural model of the inverse of the plant is used as a controller.     

Stage-based soft-transition multiple PCA modeling and on-line monitoring strategy for batch processes

For the hard-partition and misclassification problems of stage-based sub-PCA modeling method, a new STMPCA (soft-transition multiple PCA) modeling method is introduced in this article to overcome these disadvantages. The method is based on the idea that process transition can be detected by analyzing changes in the loading matrices, which reveal evolvement of the underlying process behaviours. By setting a series of multiple PCA models with time-varying covariance structures, it reflects objectively the diversity of transitional characteristics and can preferably solve the stage-transition monitoring problem in multistage batch processes. The superiority of the proposed method is illustrated by applying it to both the real three-tank system and the simulation benchmark of fed-batch penicillin fermentation process with more reliable monitoring charts. Both results of real experiment and simulation clearly demonstrate the effectiveness and feasibility of the proposed method, which detects various faults more promptly with desirable reliability.