混沌搜索方法及其在化工过程优化中的应用

提出利用混沌搜索方法结合精确不可微罚函数求解约束优化问题的新方法 ,并将该方法用于闪蒸过程优化 .结果表明 ,该方法算法简单 ,实现容易 ,求解精度和可靠性较高 ,是解决化工优化问题的有效方法 .     

烧碱蒸发优化控制技术的应用

介绍了烧碱蒸发优化控制技术：智能物料平衡与能量平衡控制及故障诊断与容错控制，浓效烧碱浓度软测量模型，全自动放碱控制模型。该优化系统在河北盛华化工有限公司投运后，对其各英控制技术指标和工艺运行指标进行了3个月的连续考核，考核结果表明：该系统完全达到了设计要求彻底改变了烧碱蒸发工序长期成为生产瓶颈的被动局面，为企业获得了巨大的经济效益。     

混沌粒子群算法及其在生化过程动态优化中的应用

化工过程的动态优化,大多较为复杂,有相当的难度.新近发展的粒子群优化算法,基于群智能机理,适于求解连续问题,但它不具备遍历特性,影响了全局搜索能力.本文拟引入混沌机制,以混沌变量的遍历性改进粒子群算法,使其更全面地获取目标函数的有用信息,并反映到逐代更新的个体极值和群体极值中,可更有效地带领粒子群移向最优解,提高了全局搜优效率.由此构建为混沌粒子群算法,经多个性能测试,表明其搜索能力优于经典粒子群算法,引入混沌机制是有效的.将其用于Park-Ramirez生物反应器补料流率的动态优化,也取得了满意的效果.     

薄膜蒸发器在硫化碱蒸发过程中的应用

介绍了薄膜蒸发器在硫化碱蒸发工序中的应用情况。与以前的蒸发器比较，成品碱含量由60％提高到65％，年节约成本（蒸发工作）148万元，废气排放达标。     

基于神经网络模型的混沌优化及其应用

研究一种新型优化算法－混沌优化,提出加快解的疏敛速度和精度新方法,并与精确不可微罚函数结合来求解非线性约束优化问题。对不能用数学解析式精确表达的优化问题利用神经网络建模,在此基础上进行混沌搜索寻优。该方法应用于甲醛生产过程的稳态优化,获得较好的经济效益。     

氧化铝蒸发过程的混合智能优化设定控制

氧化铝蒸发过程的关键工艺指标碱液浓度不能在线检测且与控制回路输出之间的动态特性难以用精确的数学模型描述,采用已有的优化控制方法不能实现上述运行层的优化。针对上述问题提出了由基于案例推理的预设定模型,基于专家规则的前馈、反馈补偿模型以及基于块式偏最小二乘的软测量模型组成的混合智能优化设定控制方法。采用某氧化铝厂蒸发过程的实际数据进行仿真实验,实验研究表明该方法可以有效地将碱液浓度控制在工艺要求的区间内。     

径向基函数神经网络在精馏塔软测量中的应用

精馏塔是化工过程中最常用的操作单元 ,具有很强的非线性和时变性 ,故很难进行机理建模分析或常规在线实时控制 ,因而提出一种基于径向基函数神经网络的优化控制方案。通过利用径向基函数神经网络建立精馏塔产品质量的软测量模型 ,将软测量结果与现场数据比较 ,表明本模型具有比较准确的跟踪显示效果 ,并将软测量模型进一步应用到精馏塔的回流量和釜液排放量的优化控制中     

基于混沌RBF神经网络的气化炉温度软测量系统

针对德士古气化炉炉膛温度难以测量这一情况,提出利用软测量技术来解决这一问题.通过建立BP网络模型和RBF网络模型以及基于PCA和CHAOS的神经网络模型,并对其仿真结果进行分析和比较,验证了该方法的可行性.CHAOS-RBF软测量模型在化肥厂的应用效果良好,误差保持在1.5%以内,不但提高了温度测量精度,而且有利于更好的生产控制.     

蒸发节能技术在胆固醇生产中的应用

内蒙古金达威药业公司胆固醇的生产采用单效蒸发进行浓缩,不仅能耗高,而且蒸发过程易结晶,使蒸发器传热系数减小,需定期(约4小时)清洗蒸发器,为了克服原工艺的缺点,将单效升膜蒸发改为逆流双效升膜蒸发,新工艺不仅单位蒸发量的能耗比旧工艺节省约41.0%,而且浓度高的料液在温度高的第一效蒸发,使结晶现象大大减小,只需10小时清洗一次蒸发器,生产能力比旧工艺提高约21%.新工艺是高效节能、操作方便、运行可靠的工艺.     

基于Tent混沌优化的神经网络预测控制

With the unique ergodicity, irregularity, and special ability to avoid being trapped in local optima, chaos optimization has been a novel global optimization technique and has attracted considerable attention for application in various fields, such as nonlinear programming problems. In this article, a novel neural network nonlinear predictive control (NNPC) strategy based on the new Tent-map chaos optimization algorithm (TCOA) is presented. The feedforward neural network is used as the multi-step predictive model. In addition, the TCOA is applied to perform the nonlinear rolling optimization to enhance the convergence and accuracy in the NNPC. Simulation on a laboratory-scale liquid-level system is given to illustrate the effectiveness of the proposed method.     

基于Tent混沌优化的神经网络预测控制

With the unique erggdicity, i rregularity, and.special ability to avoid being trapped in local optima, chaos optimization has been a novel global optimization technique and has attracted considerable attention for application in various fields, such as nonlinear programming problems. In this article, a novel neural network nonlinear predic-tive control （NNPC） strategy baseed on the new Tent-map chaos optimization algorithm （TCOA） is presented. Thefeedforward neural network＇is used as the multi-step predictive model. In addition, the TCOA is applied to perform the nonlinear rolling optimization to enhance the convergence and accuracy in the NNPC. Simulation on a labora-tory-scale liquid-level system is given to illustrate the effectiveness of the proposed method.     

基于PLS快速剪枝法的RBF神经网络软测量模型建模方法和应用

提出一种从RBF神经网络隐含层的输出信息出发，通过PLS快速剪枝法，一次性剪去多余节点，生成最优规模的数学解析模型的方法。并用该方法建立了某化工企业精对苯二甲酸(PTA)晶体平均粒径的软测量模型，针对实际对象进行仿真研究，结果表明，该方法计算速度快，建立的模型精度高，适合实际工程应用的需求。     

Modeling and Optimization of Copper Flash Smelting Process Based on Neural Network

The copper flash smelting process neural network model (CFSPNNM) was developed, its input layer includes eightnodes: oxygen grade (OG), oxygen volume per ton of concentrate (OVPTC), flux rate (FR) and quantities of Cu, S, Fe, SiO2and MgO in copper concentrate; output layer includes three nodes: matte grade, matte temperature and Fe/SiO2 in slag, andnet structure was 8-13-10-3. Then, the internal relationship between the technological parameters and the objectiveparameters was built after the CFSPNNM was trained by using GA-BP algorithm. Moreover, the technological parameterswere optimized by using genetic algorithms (GA) to make energy consumption the lowest. Simulation results showed that theCFSPNNM had high prediction precision and good generalization performance. Compared with the practical average data, theenergy consumption can be reduced by 6.8% if the smelting process is controlled by adopting the optimized technologicalparameters.     

基于CAE和T-S神经网络的储物箱注塑工艺优化

针对塑件翘曲变形过大而导致塑件注塑失效的问题,通过运用CAE分析得出了影响翘曲变形过大的主要因素为收缩不均;采用正交试验方法获得了初步优化后参数,为Tθ(230℃)Ts(65℃)PI(70 MPa)ti(3.5 s)Ph1(60 MPa)th1(10 s)Ph1(75 MPa)th1(12 s)tc(6 s),对应的翘曲值为5.53 mm。在此基础上,再次运用GSO算法对改进的T-S模糊神经网络进行预测,得到了进一步优化的翘曲值,为3.49 mm,对应优化后的工艺参数为Tθ(230℃)Ts(68℃)PI(70 MPa)ti(4 s)Ph1(65 MPa)th1(8 s)Ph1(75 MPa)th1(14 s)tc(4 s),将优化后的工艺参数应用于实际注塑后,塑件的实效问题得到了有效解决,具有较强的实践参考价值。     

混合神经网络在污水毒性预测中的应用

分析了污水处理厂污水毒性对其它工艺参数的影响,选取DO、0RP、NH4-N及COD等过程参数为毒性测量的辅助变量.介绍了粒子群算法和混沌算法,运用混沌粒子群算法和BP算法相结合的混合神经网络,对生化池污水毒性进行预测,实现毒性的定量测量和报警.仿真结果表明,混合神经网络的泛化性能和时间复杂度要优于BP神经网络.     

基于神经网络的多效并流蒸发过程的模拟方法

本文提出一种基于神经网络的多效并流蒸发过程的模拟以及优化算法，并以一简单三效并流蒸发过程为例，详细阐述了神经网络模拟算法的具体步骤。该算法具有对初始值要求不高、收敛速度快，全局收敛性好的特点。     

工业PTA氧化过程4-CBA浓度的模糊神经网络模型

A fuzzy neural network (FNN) model is developed to predict the 4-CBA concentration of the oxidation unit in purified terephthalic acid process. Several technologies are used to deal with the process data before modeling.First,a set of preliminary input variables is selected according to prior knowledge and experience. Secondly,a method based on the maximum correlation coefficient is proposed to detect the dead time between the process variables and response variables. Finally, the fuzzy curve method is used to reduce the unimportant input variables.The simulation results based on industrial data show that the relative error range of the FNN model is narrower than that of the American Oil Company (AMOCO) model. Furthermore, the FNN model can predict the trend of the 4-CBA concentration more accurately.     

基于神经网络的软测量技术在精馏塔上的应用

针对扬子石化公司丁二烯精馏塔原控制系统存在的问题, 利用从集散控制系统(DCS)采集的大量现场数据和用机理模型得到的模拟数据, 运用前向反馈(BP)神经网络软测量技术，构造了产品丁二烯和总炔含量的自适应软测量仪表, 设计了一套控制系统. 实际监测数据表明, 这套控制系统可实现产品质量的闭环控制.