基于快速粒子群算法的蒸发过程优化控制

基于改进的欧拉法,改进了蒸发过程离散时滞动态模型,构建了在线非线性预测控制模型.针对时滞系统小采样周期与长预测控制域带来的计算负担,提出了快速粒子群算法的求解方法,保证控制实时性.实例模拟表明,在采样时间足够小时仍能保证实时性,液位和浓度很快达到设定范围,新蒸汽消耗量下降1%,可节约蒸汽0.6 t/h.     

基于粒子群优化算法的MP去噪方法优化研究

针对匹配追踪算法(MP)在信号去噪中存在计算量大的缺点,将基于多目标的粒子群优化算法应用到MP算法去噪中。提出利用两个目标函数来优化算法,从而减少计算量。目标函数分别取信号或信号残差与原子两者的相关系数绝对值的倒数和信号残差。仿真结果表明:改进的算法与基础MP算法相比,明显地去除了尖峰噪声,而且在信噪比和均方差上有明显的改善。     

基于改进粒子群算法的乙苯脱氢过程多目标优化

设计了一种基于支配关系构造非支配解集的多目标粒子群算法(MOPSO),将当前找到的非支配解保存到一个外部集——最优解集,利用支配更新其最优解集,多次迭代后得到Pareto最优解集。把乙苯脱氢反应过程的收率和选择性作为优化目标,动力学模型和实际生产状况作为约束条件构造乙苯脱氢过程的多目标优化问题,利用改进的多目标粒子群算法进行优化求解。基于求得的Pareto最优解集研究了各个操作条件对乙苯脱氢生产过程收率和选择性的影响,为后续乙苯催化脱氢系统实施先进控制奠定了基础。     

粒子群优化算法在化工过程中的应用

化工领域中存在大量的优化问题,粒子群优化算法对提高过程系统效率,降低耗能,合理利用资源,提高经济效益等,均有显著效果。     

离散粒子群算法的波纹管优化设计研究

为了解决波纹管所涉及的非线性约束离散变量的优化设计问题,文中尝试将粒子群算法与惩罚函数法相结合,建立新型离散粒子群算法,实现离散变量与连续变量之间的转化。提出了一种新的离散惩罚因子更新策略,以保证离散解的精度及算法的收敛性。通过著名的容器设计算例验证,文中方法优于文献方法。用该方法对波纹管工程实例进行优化设计,优化目标值比在用产品提高了79.96%,且与理论值接近,离散解的精度满足要求,进一步证明了该方法在求解波纹管工程非线性约束离散变量优化设计问题时的有效性。     

基于新策略粒子群算法优化换热网络

换热网络综合优化是过程系统中最广泛研究的方向。尽管如此,MINLP的复杂性给粒子群算法的应用提供了广泛的空间。首先,提出两种不同机理的局部搜索策略来完善粒子群算法作为启发式算法局部搜索能力不强和精度不高的问题,使算法能更有利地接近全局最优的局部极值。其次,对含固定投资费用的算例,采用费用计算替换公式的策略,来避免迭代计算初期面积较小时因为固定投资费用权重较大而使算法陷入局部最优问题。最后用4个四股流算例分别从不同侧面说明以上两种策略的有效性,并都得到了该算例目前为止最好的局部极值。     

基于新策略粒子群算法优化换热网络

换热网络综合优化是过程系统中最广泛研究的方向。尽管如此,MINLP的复杂性给粒子群算法的应用提供了广泛的空间。首先,提出两种不同机理的局部搜索策略来完善粒子群算法作为启发式算法局部搜索能力不强和精度不高的问题,使算法能更有利地接近全局最优的局部极值。其次,对含固定投资费用的算例,采用费用计算替换公式的策略,来避免迭代计算初期面积较小时因为固定投资费用权重较大而使算法陷入局部最优问题。最后用4个四股流算例分别从不同侧面说明以上两种策略的有效性,并都得到了该算例目前为止最好的局部极值。     

粒子群优化算法的研究

粒子群优化算法是一种基于群体智能的优化算法。介绍粒子群优化算法及其基本原理,给出各种改进技术及研究现状,并展望未来的发展趋势。     

基于粒子健康度的快速收敛粒子群优化算法

针对现有粒子群优化算法在工程应用中,特别是在粒子维数较高的情况下,很容易发生早熟收敛等缺点,提出了一种基于粒子健康度的快速收敛粒子群优化算法(HPSO)。给出了粒子健康度的概念及计算方法。该算法通过动态监控粒子的健康度指标,对健康度较低的粒子单独进行变异操作。从而可以在保护健康粒子继续搜索最优值的同时,有效“治疗”非健康的早熟粒子,提高了整个粒子群的寻优能力及跳出局部最优值的能力。然后通过大量的标准测试函数对其进行测试,并将其与标准粒子群优化算法(SPSO)、权重递减的粒子群优化算法(WPSO)进行对比。测试结果表明,在粒子维数较高的应用中HPSO算法的收敛速度更快,效率更高。     

基于粒子群算法的高炉热风炉煤气消耗优化方法研究

高炉煤气管网压力与流量具有不稳定性,导致煤气存在严重放散损失。该研究基于粒子群算法进行高炉热风炉煤气消耗优化。首先,基于高炉热风炉煤气消耗量的预测结果,建立一个以煤气产消平衡和煤气放散量最小为目标的高炉热风炉煤气消耗优化模型;其次,引入粒子群算法求解模型,获得最佳优化方案。实验结果表明,经设计方法优化后的高炉热风炉煤气放散量基本为0,证实了该方法可以有效降低煤气消耗。     

基于粒子群优化算法的边坡稳定性计算

为了简化边坡稳定性的计算过程,提高计算精度,根据极限平衡原理推导出了简化Bishop法边坡稳定系数计算公式,给出了简化Bishop法的求解思路,分析了粒子群优化算法的基本原理,提出了基于粒子群优化算法的边坡最危险滑动面搜索方法。边坡实例分析表明:粒子群优化算法的计算结果与其他方法的计算结果十分接近,粒子群优化算法能够准确、高效地计算边坡稳定系数。     

基于粒子群算法的动态多目标优化

针对碳二氢生产中的反应器动态优化问题,目前虽然有多种算法对生产过程进行优化,但大部分只是对单一目标进行求解,提出一种更为灵活的反应器动态求解方法。在该方法中,首先构建碳二氢目标函数,然后采用多目标粒子群算法和分段线性函数参数法结合的方式对目标函数的进行求解,以提高整体搜索能力,得到碳二氢反应器动态优化的最优解。最后,以实际乙烯碳二加氢化工反应过程为例进行实验验证,结果证明,通过该方法进行求解的目标函数无论是在收敛性,还是在优化的平均值等方面,都比SADE-eCD和NSGA-II算法具有优势,说明该算法在反应器动态优化中是切实可行的。     

基于粒子群优化算法的板翅式换热器优化设计

以板翅式换热器的质量作为目标函数,以换热器芯体外形尺寸和翅片参数作为优化变量,采用粒子群优化算法对其结构尺寸进行优化设计,获得了换热器质量减轻、体积减小的效果。     

基于粒子群算法的内外翅片管换热器优化

粒子群优化算法(Particle Swarm Optimization,简称PSO)是一种新型的优化算法,今把PSO应用于内外翅片管换热器的结构尺寸优化,建立了物理数学模型,开发了C 程序.把体积作为优化目标函数,以换热面积和压降作为约束条件,对管子横向间距、纵向间距、管排数、外翅片间距、换热器在与热气流垂直方向的长度进行了优化,并与利用遗传算法的文献结果对比:在相同的设计参数和相同的优化变量搜索范围条件下,体积减小9.5%,重量减轻16%,优化计算时间减小一个量级,PSO应用于换热器优化设计优于遗传算法.     

基于遗传算法和粒子群优化算法的电力系统无功优化

从数学的角度分析,电力系统无功优化是一个多变量、多约束、非连续性的混合非线性规划问题,因此,优化过程十分复杂.以减少有功网损为目标函数建立电力系统无功优化计算的数学模型,基于遗传算法和粒子群优化算法,提出一种新颖的混合策略来求解无功优化问题.IEEE 6和IEEE 14节点系统的仿真计算结果表明:与单一的遗传算法或粒子群优化算法相比,该混合策略在优化效果方面具有明显的优势.     

基于无约束迭代学习的间歇生产过程优化控制

针对基于迭代学习控制的间歇过程优化控制算法难以进行收敛性分析的难题,本文基于数据驱动的神经模糊模型提出一种新颖的间歇过程无约束迭代学习控制方法,通过调节因子的变化去除了约束条件,使控制轨迹在批次轴上收敛,并创新性地对优化问题的收敛性给出了严格的数学证明。在理论研究的基础上,将本文提出的算法用于间歇连续反应釜的终点质量控制研究,仿真结果验证了本文算法的有效性和实用价值,为间歇过程的优化控制提供了一条新途径。     

基于自适应粒子群优化算法的节点定位研究

针对粒子群优化定位算法易陷入局部极值的缺点,提出了一种基于自适应粒子群优化算法的无线传感器节点定位方法。该方法在迭代前期ω取较大值实现快速收敛到最优解附近,后期取较小值求高精度解。在适应度值越大时全局搜索能力越强,加快向全局最优位置的聚集速度;适应度值越小局部搜索能力越强,可得到高精度的解,并通过对全局最优位置进行自适应变异操作,保证算法能跳出当前的搜索区域。仿真结果表明:与常用的极大似然估计对比,该算法具有收敛快、能耗小、精度高和稳定性好的优点,适合应用在无线传感器网络的定位中。     

基于改进粒子群算法的汽油辛烷值损失优化

针对调和汽油辛烷值建模中的变量选择问题、模型适应性问题与辛烷值的优化问题,采用随机森林、最大信息系数与皮尔森相关系数组合提出了一种辛烷值建模变量选择的方法.还提出一种基于BP神经网络与模糊神经网络的建模方法,建立对辛烷值的预测模型,提高了辛烷值预测模型的适应性.在此基础上,对基本粒子群算法进行了改进,改进后的粒子群算法...     

基于改进粒子群算法的柴油调合配方优化

为了解决扬子石化炼油厂柴油调合质量过剩的问题,介绍了炼油厂柴油调合的组分资源及调合现状,采用改进粒子群算法,在多智能体仿真平台——Repast上建模仿真,对炼油厂现有组分油资源进行合理的调配,相对于传统的现场人员经验调合,线性规划方法调合等方式有效地解决了现有柴油调合配方调出的柴油硫含量、十六烷值、闪点等质量指标过剩的问题,对调合人员起到了一定的辅导作用,有效地降低了现有柴油调合的经济成本。     

基于粒子群优化算法的烯烃聚合反应动力学参数估计

聚合反应动力学参数估计是烯烃聚合过程建模与优化的重要环节和难点.针对Ziegler-Natta催化剂多活性中心特性、反应复杂、动力学参数多的问题,提出了基于粒子群优化(PSO)算法的烯烃聚合反应动力学参数估计方法.该方法以聚烯烃分子量分布(MWD)、短支链分布(SCB)、共聚组成分布(CCD)等微观链结构为目标,以动力...