基于PSO-控制变量参数化混合策略的间歇化工过程优化控制

控制变量参数化方法作为一种化工过程动态优化的梯度搜索算法,其求解效率过于依赖初始给定轨迹。目前初始轨迹一般都是设定在边界值或中间值,缺乏科学依据,从而大大影响了算法的收敛速度。针对这一问题,提出了一种粒子群优化(PSO)与控制变量参数化方法混合的策略,首先利用粒子群优化对间歇化工过程最优控制量进行求解,结果作为控制变量参数化方法初始给定轨迹,进行二次优化。双层优化的混合策略提高了控制变量参数化方法的收敛速度和粒子群优化算法的求解精度。将混合策略应用于两个间歇化工过程优化控制实例,仿真结果表明了该算法对求解化工过程动态优化问题具有可行性和有效性。     

基于PSO-控制变量参数化混合策略的间歇化工过程优化控制

控制变量参数化方法作为一种化工过程动态优化的梯度搜索算法，其求解效率过于依赖初始给定轨迹。目前初始轨迹一般都是设定在边界值或中间值，缺乏科学依据，从而大大影响了算法的收敛速度。针对这一问题，提出了一种粒子群优化(PSO)与控制变量参数化方法混合的策略，首先利用粒子群优化对间歇化工过程最优控制量进行求解，结果作为控制变量参数化方法初始给定轨迹，进行二次优化。双层优化的混合策略提高了控制变量参数化方法的收敛速度和粒子群优化算法的求解精度。将混合策略应用于两个间歇化工过程优化控制实例，仿真结果表明了该算法对求解化工过程动态优化问题具有可行性和有效性。     

一种求解化工动态优化问题的迭代自适应粒子群方法

智能优化方法因其简单、易实现且具有良好的全局搜索能力,在动态优化中的应用越来越广泛,但传统的智能方法收敛速度相对较慢。提出了一种迭代自适应粒子群优化方法(IAPSO)来求解一般的化工动态优化问题。首先通过控制变量参数化将原动态优化问题转化为非线性规划问题,再利用所提出的迭代自适应粒子群优化方法进行求解。相比传统的粒子群优化方法,该种迭代自适应粒子群优化方法具有收敛速度更快的优点,主要原因是:该算法根据粒子种群分布特性自适应调整参数;该算法通过缩减搜索空间并迭代使用粒子群算法搜索最优解。将提出的迭代自适应粒子群方法应用到多个经典动态优化问题中,测试结果表明,该方法简单、有效,精度高,且收敛速度比传统粒子群算法有显著提升。     

一种求解化工动态优化问题的迭代自适应粒子群方法

智能优化方法因其简单、易实现且具有良好的全局搜索能力,在动态优化中的应用越来越广泛,但传统的智能方法收敛速度相对较慢。提出了一种迭代自适应粒子群优化方法（IAPSO）来求解一般的化工动态优化问题。首先通过控制变量参数化将原动态优化问题转化为非线性规划问题,再利用所提出的迭代自适应粒子群优化方法进行求解。相比传统的粒子群优化方法,该种迭代自适应粒子群优化方法具有收敛速度更快的优点,主要原因是：该算法根据粒子种群分布特性自适应调整参数;该算法通过缩减搜索空间并迭代使用粒子群算法搜索最优解。将提出的迭代自适应粒子群方法应用到多个经典动态优化问题中,测试结果表明,该方法简单、有效,精度高,且收敛速度比传统粒子群算法有显著提升。     

基于知识改进的文化算法及其在化工动态优化中的应用

针对化工以及生化过程的动态优化问题,提出了一种基于改进知识引导的文化算法。该算法首先对控制搜索域与时间域分别进行了等分和离散化,利用"软约束"思想编码控制序列,采用"种群产生"-"控制域进化"-"种群寻优"迭代过程实现对控制序列的逐步寻优;其次在种群空间采用遗传算法,在信度空间采用差分算法,并将进化过程中的已有种群信息设计为3种知识,通过分析知识、提取知识、管理知识来指导进化过程。由于引入了文化进化理念和机制,大大提高了动态优化问题的搜索效率。通过3种典型化工动态优化问题的仿真实例,表明该算法具有较好的寻优效率以及更好的优化结果,验证了该算法在解决具有非线性动态约束问题的有效性。     

化工过程总体裕量与控制性能的权衡优化

化工过程的总体裕量可以用操作优化的经济效益进行评价,根据稳态优化和动态优化的经济效益可进一步划分为服务于操作控制的控制裕量和表征过程可实现经济效益的工艺裕量,二者都与化工过程的控制性能有关。针对具有一定裕量的化工过程进行多目标动态优化,优化目标分别为操作点的经济效益与动态过程中的控制性能指标,采用0-1变量描述控制结构,将控制结构和控制器参数也作为优化变量进行混合整数动态优化,采用Constrained NSGA-Ⅱ算法求解非劣解集,根据非劣解集分析总体工艺裕量、总体控制裕量与控制性能指标的关系。通过催化裂化装置的实例分析发现,对于具有一定裕量的化工过程,控制性能越高,所需的总体控制裕量越多,表征操作优化可实现经济效益的总体工艺裕量越少,只有通过对总体控制裕量和总体工艺裕量进行权衡,才能找到兼顾工艺要求和控制性能的工艺操作点和控制设计方案。     

化工过程总体裕量与控制性能的权衡优化

化工过程的总体裕量可以用操作优化的经济效益进行评价,根据稳态优化和动态优化的经济效益可进一步划分为服务于操作控制的控制裕量和表征过程可实现经济效益的工艺裕量,二者都与化工过程的控制性能有关。针对具有一定裕量的化工过程进行多目标动态优化,优化目标分别为操作点的经济效益与动态过程中的控制性能指标,采用0-1变量描述控制结构,将控制结构和控制器参数也作为优化变量进行混合整数动态优化,采用Constrained NSGA-Ⅱ算法求解非劣解集,根据非劣解集分析总体工艺裕量、总体控制裕量与控制性能指标的关系。通过催化裂化装置的实例分析发现,对于具有一定裕量的化工过程,控制性能越高,所需的总体控制裕量越多,表征操作优化可实现经济效益的总体工艺裕量越少,只有通过对总体控制裕量和总体工艺裕量进行权衡,才能找到兼顾工艺要求和控制性能的工艺操作点和控制设计方案。     

一种改进的知识进化算法及其在化工动态优化中的应用

智能优化算法在动态优化问题的求解中,一方面可以一定的概率收敛到全局最优,避免局部极值而得到了广泛应用;但另一方面,基于随机机制的仿生智能算法也面临收敛速度慢、寻优效率较低的瓶颈,限制了其工业实时应用的场合。为此,从提高智能优化算法在动态优化问题的求解效率出发,提出了一种改进的基于知识引导的进化算法结构,主要包括候选控制策略-时域与控制域的离散策略、知识库空间的进化、知识引导的种群进化。该算法分别在批式反应器等4个典型化工动态优化问题上进行了仿真验证,计算结果表明,该方法能够以较小的种群规模通过知识的引导,以较少的计算代价找到较好的全局解,有效提高了算法的收敛效率。     

含滞后及不确定参数动态过程系统的定量优化方法与应用

许多动态化工系统含有不确定参数。当含不确定参数的过程系统又带有滞后环节时,系统的优化问题就变得非常复杂。对含不确定参数的化工系统的动态过程进行优化,若未考虑滞后环节对动态优化结果的影响,不能保证系统实际操作的优化及安全运行。本文采用改进的有限元正交配置优化算法,较好地解决了含有滞后、不确定参数的化工过程的动态优化问题。最后将一个具有循环返料的反应-分离器系统以及一个绝热反应釜作为案例对该优化方法的应用进行分析,根据案例的研究验证了该优化方法的有效性,从而为含有滞后、不确定参数的动态系统的设计和操作性能优化提供一种有效的定量分析方法和理论依据。     

一类非线性系统的变负荷预测控制

生产过程的变负荷运行使得其非线性动态特性的影响凸显。针对变负荷生产过程中机理模型为常微分方程或半显式Heisenberg微分-代数方程的一类非线性动态系统,采用非线性预测控制算法,构造出稳态优化与动态优化的两层控制结构,并采用联立法进行优化数值求解。最后对化工过程的夹套CSTR进行仿真验证,表明该算法的有效性。     

序贯优化化工动态问题的蚁群算法

针对化工动态优化问题,分析现有数值解法的不足,提出序贯执行蚁群寻优操作,逐步寻找最佳解的策略,构建序贯蚁群算法.算法首先对时间区间和控制变量搜索域实施离散化,以一组整数编码的蚁群路径表示可行控制策略,进而应用蚁群寻优操作寻找离散问题的最优控制策略.逐步收缩控制搜索域并反复上述步骤,不断改善寻优结果.序贯蚁群算法简便快捷,用于化工动态优化问题效果良好,计算结果体现了算法的稳健性.     

化工过程模拟优化的演变优化方法

研究了化工过程模拟优化的一类新方法——过程演变优化方法,提出基于ＤＮＮ（动态人工神经网络）的动态算法的统一框架,阐明其并行分布计算特性,并给出一些基于过程规划的计算动力学模型。     

基于动态模型的在线反馈优化

针对化工过程动态波动明显、优化模型存在较多的不确定性等特点,提出了一种考虑过程不确定性、基于过程动态模型的在线反馈优化策略。将过程动态模型按一定周期离散化为差分方程,基于差分方程进行动态优化,优化目标函数为优化时域的终端时刻的经济指标,优化变量为过程的操作变量,采用非线性规划作为优化算法;优化结果在实施后根据可测输出进行在线反馈,在优化模型的差分方程中引入误差修正项,将对应时刻的状态变量和相关变量的实际值代入可求出误差修正项,从而实现在线反馈优化。仿真结果表明,与传统的稳态操作优化相比,基于动态模型的反馈优化同样可将过程运行于最优操作点,同时具有很强的实时性,在外界干扰出现时可以立即作出反应,将过程推向最优操作点。     

融合过程先验知识的递归神经网络模型及其应用

大部分化工过程具有非线性特性,一般的线性建模方法难以有效应用。针对非线性化工过程动态建模,提出了一种基于过程先验知识的递归神经网络模型,充分发掘化工过程隐含的先验知识,并将这些先验知识以非线性约束的形式嵌入NARMAX结构的前馈神经网络中,同时基于增广拉格朗日乘子法约束处理机制,用PSO-IPOPT混合优化算法对过程先验知识递归神经网络权值进行优化。该过程先验知识递归神经网络模型对非线性化工过程动态建模,不仅有良好的建模精度和预测外推能力,而且能避免零增益的出现和增益反转,确保网络模型在实际应用中的安全性。文中以环管式丙烯聚合反应过程实际工业数据验证了所提网络模型的有效性。     

基于原-对偶内点法的化工过程优化算法

在基于积极集SQP的拟序贯算法研究基础上,提出了基于原-对偶内点法的拟序贯化工过程优化算法。拟序贯算法分为模拟层和优化计算层双层。模拟层中使用正交配置法同时离散状态变量和控制变量,变量的边界约束加于配置点上。同时,每次NLP迭代均求解离散DAE系统,消除等式约束和状态变量,从而减小NLP问题的规模。最新研究表明,在大规模优化问题中内点法相对于积极集SQP算法具有明显优势,因此,优化计算层中用原-对偶内点法来求解NLP问题。使用FORTRAN语言独立编写了整个算法程序,并通过热集成精馏系统最优控制的动态优化问题验证了算法的有效性。结果显示,该算法具有求解大规模动态优化问题的能力。     

化工动态优化问题的混合海鸥优化算法研究

化工动态优化问题的求解具有重要的理论与现实意义,但是求其最优解具有一定的难度,因此,提出了一种混合海鸥优化算法(HSOA)用于求此问题.首先在海鸥群体产生攻击行为的过程中引入认知部分,避免算法陷入局部最优;其次,引入自然选择的机理,利用适应度值对群体进行排序,用最好的一半个体代替最差的一半个体,同时保留群体的历史最优值...     

粒子群算法求解边值固定的化工动态过程优化问题

针对化工过程系统优化中广泛存在着边值固定的动态优化问题,该问题的求解数学上还没有有效的方法,现今的方法之一是将问题转化为多目标优化问题.本文在粒子群优化(PSO)算法的基础上,提出在PSO算法中加入惩罚项,同时对局部极值与全局极值作进一步的调整,使PSO算法适用于求多目标优化问题理想有效解,该算法对多目标问题起到边优化边求理想有效解的功效;即只用一步即可求理想有效解,这使得在求解速度上大为加快.最后将其用于间歇反应器的最佳反应温度边值固定动态优化控制的实际运用中,取得良好效果.     

智能蚁群算法在化工过程优化中的应用

对基本蚁群算法进行了智能化改进,并运用智能蚁群算法和Matlab语言,对化工生产过程中的实际优化问题,苯-甲苯闪蒸过程进行了优化仿真计算,仿真结果表明,在有效地调整温度、压力及分流系数的条件下,使得汽相产物中苯的产量达到最大,实现了苯-甲苯闪蒸过程的最优化,同时也证明了蚁群算法可以有效地解决化工生产过程中的优化问题。     

TS法的改进及其在求解化工优化问题中的应用

TS算法属于现代优化算法,是局部领域搜索法的推广,常用于求解组合优化问题.利用TS法搜索过程的有向性和能够跳离局部最优解的特点,对其进行了改造,以适应求解连续变量化工优化问题.首先,根据化工优化问题变量的特性,提出了一种简便的邻域映射方案,并改进了迭代过程中自适应因子的下降函数;进一步分析对比了禁忌步数、自适应因子和初始解等参数对于优化结果的影响.然后通过算例和换热网络优化问题的求解,表明改造后的TS法在求解连续变量化工优化问题中的有效性,及其在化工优化领域的发展价值.     

人工免疫系统在间歇化工过程故障诊断中的应用

故障诊断是保证化工过程稳定性和安全性的重要技术。本文结合动态时间规整算法提出了一个基于人工免疫系统的间歇化工过程故障诊断方法,并成功应用于青霉素发酵仿真过程的故障诊断。诊断结果显示,该方法可以满足间歇过程的在线动态故障诊断要求,并且通过自学习可以对未知故障进行诊断。