基于粒子群优化算法-广义回归神经网络的磷化膜耐蚀性预测模型

选取磷化液温度、磷化液游离酸度和磷化时间作为输入参数,耐点蚀时间作为输出参数,引入广义回归神经网络(GRNN)建立磷化膜耐蚀性预测模型,并分别采用果蝇优化算法(FOA)、粒子群优化算法(PSO)对平滑因子寻优进而优化预测模型.使用18组训练样本对优化后模型进行训练,9组检验样本用于优化后模型的预测准确度评价.结果表明:PSO-GRNN模型的预测值非常接近真实值,预测相对误差在[0.001,1.778]区间内,均方根误差最低、为0.682.与常规BPNN模型和FOA-GRNN模型相比,PSO-GRNN模型的预测准确度较高,对磷化膜耐蚀性预测效果良好.     

加热炉炉温的模糊广义预测控制仿真研究

针对加热炉炉温的大惯性、大滞后及非线性等特点,提出一种基于T-S模糊模型的模糊广义预测控制策略。T-S模糊模型的前件和后件参数分别采用粒子群优化的模糊C-均值算法和递推最小二乘法辨识,根据输入变量更新模型隶属度并将T-S模糊模型等价转换为线性模型,以此作为预测模型应用于广义预测控制。仿真结果表明:该方法在不同工况下均具有较短的调节时间,在扰动作用下有很强的鲁棒性。     

基于BP神经网络的旋风分离器分割粒径模化与预测

为精确建立分割粒径与旋风分离器结构参数和操作参数之间的复杂映射关系,发展了基于数据驱动的BP神经网络（BPNN）的分割粒径模型。使用全局量纲分析,提出环形空间雷诺数、表征旋风分离器本体尺寸影响的量纲为1数和排气芯管插入深度尺寸比作为网络输入参数,表征空气动力等效分割粒径大小的量纲为1尺寸作为网络输出参数,分别确定了训练算法和隐含层神经元个数对BPNN分割粒径模型预测精度的影响。结果表明：贝叶斯正则化算法优于L-M算法和拟牛顿算法,并在隐含层神经元个数为7时达到最优预测性能。与理论模型、半经验模型和多元回归模型进行比较,结果表明,贝叶斯正则化BPNN分割粒径模型展现出了较好的预测能力和泛化性能,模型预测的均方误差为0.136、决定系数为0.975。     

基于区间运算的字典序多目标模型预测控制

考虑优化级多目标优化控制问题,提出一种基于区间运算的字典序多目标模型预测控制算法。对约束线性系统,结合字典序列法和滚动优化原理,建立按优先级定义的分层多目标模型预测控制策略。在此基础上,引入区间运算法则,在线求解预测控制量。通过一双容水箱单输入双输出液位控制,仿真验证了该方法的有效性。     

基于RBF网络模型气辅成型工艺参数的优化

针对气辅成型过程中多个工艺参数的优化配置问题,提出了气辅成型工艺参数径向基函数(RBF)网络预测模型。该模型基于均匀设计思想,以RBF网络为基础,用正交最小二乘训练法对基函数的中心、方差和RBF网络权值进行优化,提高了网络预测模型对气辅成型制品质量指标的预测可靠性。以挂式空调前面板为例,对其进行CAE仿真分析,结果表明,该优化模型可实现对制品质量指标的快速预测,为工艺参数进一步优化奠定了基础。     

基于广义预测控制的间歇生产迭代优化控制

针对间歇生产,提出了一种基于广义预测控制的批次迭代优化控制策略--BGPC,在间歇过程中引入批次间优化的思想,将迭代学习控制ILC和广义预测控制GPC相结合,在GPC实时结构参数辨识的基础上利用前面批次的模型预测误差修正当前批次的模型预测值.该算法能够有效地克服模型失配、扰动和系统参数变化等情况.文章最后以一个数值例子和间歇反应器为对象进行仿真试验,验证了该算法是有效的.     

基于输入轨迹参数化的间歇过程迭代学习控制

针对间歇过程的迭代学习控制问题,提出了一种基于输入轨迹参数化的迭代学习控制策略。根据最优输入轨迹的主要形态特征,将其参数化为较少量的决策变量,降低传统迭代学习控制复杂性的同时维持良好的优化控制效果。基于输入轨迹参数化的迭代学习控制策略能保持算法的简洁性和易实现性,在不确定扰动影响下逐步改善产品质量。对一个间歇反应器的仿真研究验证了本文方法的有效性。     

原油管道蜡沉积速率预测模型研究

准确地预测原油管道蜡沉积速率能够有效确定清管周期，以保证原油管道安全运行。针对BP神经网络(BPNN)模型学习效率低、对初始权重敏感且容易陷入局部最优状态等缺点，采用改进的麻雀搜索算法(ISSA)来优化BPNN的初始权值和阈值，建立ISSA-BPNN蜡沉积速率预测模型。以华池作业区38组蜡沉积实验数据为研究对象，使用MATLAB软件搭建预测模型并进行预测，同时与BPNN模型、遗传算法优化的BPNN模型(GA-BPNN)、粒子群优化算法优化的BPNN模型(PSO-BPNN)以及SSA-BPNN模型进行对比分析。结果表明：ISSA-BPNN模型预测蜡沉积速率的平均相对误差为1.353 1%,决定系数R²为0.994 8,均优于BPNN、GA-BPNN、PSO-BPNN和SSA-BPNN模型的预测结果，证明了ISSA-BPNN模型作为预测管道蜡沉积速率工具的准确性和可行性。     

基于蚁群算法优化的再热汽温系统变参数预测PID控制

研究预测控制和PID控制在再热汽温系统控制中的应用.通过将神经网络作为预测模型,并用蚁群算法在线优化PID控制器参数.计算机仿真结果表明,基于蚁群算法的预测PID控制能够适应控制对象模型参数的时变,具有较好的鲁棒性,相对传统PID控制策略还表现出了良好的动态性能.     

间歇过程的批间自优化控制

针对间歇过程的实时优化问题,提出了一种基于最优性条件近似法的批间自优化控制策略。首先获取标称工作点的最优输入轨迹形态,将其参数化为少量决策变量,简化问题复杂度。然后根据参数化后的决策变量得到批间优化的最优性条件,并建立批次终端可测变量和最优性条件之间的回归模型,将其作为被控变量进行批间跟踪控制。对一个间歇反应器进行了仿真研究,结果表明方法能有效实现间歇过程的批间自优化控制。     

多机制冷系统在线优化控制策略

阐述了可应用于大型商业建筑中多台制冷机系统的在线优化控制策略。策略的应用可增强控制鲁棒性并节约运营成本。优化控制策略包括冷冻水供水温度优化、制冷机时序控制、启动优化控制和建筑峰值负荷控制。冷冻水供水温度的优化使得系统在满足负荷的前提下制冷机和冷冻水泵的能耗最小。在时序控制中,3种方法的采用增强了控制的鲁棒性:第一,数据融合以获得可靠楼宇冷负荷的测量;第二,制冷机最大制冷能力简化模型的应用;第三,在线传感器故障诊断(FDD)的应用。在制冷机启动优化控制中,一个基于模型的策略用于最小化早晨启动时期内的系统能耗。这一基于模型的最优启动优化控制策略同时考虑了预冷能力和预冷时间的相互关系。建筑峰值负荷控制以优化月节电费为目标,通过预测合适的每月负荷阈值并依此限制每天的峰值负荷来实现这一目的。通过对香港一幢大型商业建筑内中央制冷系统的动态模拟,以上控制策略得到验证。     

Penetration of Particles into Buildings and Associated Physical Factors. Part I: Model Development and Computer Simulations

The PM_2.5 standard proposed by the U.S. Environmental Protection Agency (EPA) has stimulated research on the relationships between particulate matter concentrations and the exposures and subsequent health responses of sensitive subpopulations, such as the elderly. Since individuals in these subpopulations may spend more than 90% of their time indoors, understanding the relationship between outdoor particle concentrations and those found in indoor microenvironments is critical. This research resulted in a time-dependent indoor air quality model incorporating all potential particle sources and loss mechanisms. Monte Carlo simulations of the model identified the mechanisms, such as particle loss during penetration through the building envelope, that modify the outdoor particle size distribution during transport into the interior of a building, calculated indoor-to-outdoor (I/O) concentration ratios, and estimated penetration factors as a function of particle size. Indoor particle generation and transport of outdoor particles through the HVAC system were the most important contributors to the indoor concentration in residential and commercial buildings, respectively. The most significant removal mechanisms included ventilation through and particle removal by the HVAC filter if an HVAC system was present, or particle deposition on indoor surfaces if an HVAC system was not present. The modeled I/O concentration ratios varied between 0.05 and 0.5, depending on particle size and type of ventilation system, and agreed well with published experimental results. Penetration factors less than unity were calculated for particles with aerodynamic diameters larger than 0.2 θ m if the air exchange rate and steady-state I/O concentration ratio were correlated during the simulations. An additional correlation between the air exchange rate and particle deposition velocity is required if penetration factors less than unity are to be modeled for particles with aerodynamic diameters smaller than 0.2 θ m. These results     

基于BP神经网络的A/O脱氮系统外加碳源的仿真研究

对连续流缺氧/好氧（A/O）脱氮工艺处理低碳氮比（C/N）生活污水的外加碳源系统进行了仿真研究.由于处理系统的外加碳源量、总回流比和出水总氮（TN）之间存在的复杂非线性关系,很难用常规的参数型模型进行描述,给处理系统控制策略的实现带来较大的困难.针对该问题,引入了BP神经网络,通过神经网络对试验数据的学习建立系统的非参数型模型,通过该模型对系统进行仿真研究,可以达到优化碳源投加量的目的.研究结果表明,经过训练的BP神经网络模型可以很好地模拟处理系统,根据仿真分析结果可以实现碳源投加量的优化控制,这为污水处理系统在线最优控制的实现提供了一条可行的途径.     

卷式反渗透海水淡化系统膜清洗与更换策略优化

膜污染是导致反渗透海水淡化(seawater reverse osmosis,SWRO)系统操作成本增加和产水性能下降的重要因素。为了降低系统运行操作成本,本文针对卷式SWRO系统提出了一种新的膜清洗与更换策略优化方法。首先,根据反渗透和膜污染过程机理建立了膜污染情况下的SWRO系统性能模型;然后将生产过程中的总操作费用与膜清洗和更换规划联系起来,建立了以系统日均操作费用最低为目标、以膜清洗次数、膜清洗和更换时间等为寻优变量、以开放式方程模型为约束的优化命题,并通过联立求解等技术使得原本复杂的优化命题可快速方便地求解;在此基础上对SWRO系统进行了实例研究和分析。优化求解结果表明:(1)本优化策略可以大幅降低系统操作费用,并同时获得最佳膜清洗和更换时间以及膜清洗次数;(2)进料海水温度对最优膜清洗和更换策略影响很大,固定周期的膜更换策略并不合适。另外本优化方法还可得到不同条件下最优操作费用组成、以及最优目标下最优操作压力和操作流量曲线等信息,对优化SWRO系统运行和深入分析系统内部状态变化具有重要意义。     

热泵供暖系统动态操作节能优化

采用系统工程的方法优化热泵供暖系统操作, 实现节能运行具有重要意义。在建立热泵供暖系统基本动态方程的基础上, 给出了考虑室温控制精度和能耗节省的优化操控目标, 通过联立求解方法将原微分代数方程优化问题(DAOPs)转化为非线性规划问题, 然后对不同目标侧重下的动态操作优化问题进行了分析, 并提出了动态调整目标函数权重的优化策略。优化计算结果表明:在室温跟踪误差最大为0.85℃的情况下系统可实现16%以上的节能效果;环境温度和电价对系统操作优化具有重要影响, 根据两者的变化特征而动态调整目标函数权重可以进一步降低系统能耗4.7%左右。本研究对热泵供暖系统优化节能控制具有一定的现实意义。     

大型LNG储罐预冷动态模拟

大型常压LNG储罐在接收站中占有很高的投资份额,是接收站关键的储存容器,在启用时对调试技术的要求较高,其中,储罐的冷却是最重要的预备环节。基于气液两相容积节点原理,建立喷淋LNG蒸发计算模型,搭建大型LNG储罐预冷过程动态仿真平台,以160000 m³大型LNG地上全容储罐为例,计算其在预冷过程中所需要的时间以及预冷所用LNG总量,得到了预冷过程中储罐压力、BOG产生量以及储罐内部温度的动态变化,为设计优化液化天然气储罐预冷策略提供了理论依据。     

发酵罐温度对象的抗干扰预测控制

啤酒发酵过程由于反应机理复杂,其温度对象目前很难建立精确的数学模型,现阶段针对这类大时滞对象的一些典型的控制算法在模型不精确的情况下,难以取得好的控制效果,尤其当存在不可预测的干扰时,控制效果更难保障。因此本文针对啤酒发酵罐温度控制中的这一问题,基于动态矩阵控制的一步控制的思想,将时间最优控制与动态矩阵控制相结合,形成一种能快速抑制扰动的预测控制策略。通过仿真结果验证该控制策略能对干扰进行快速抑制,对发酵罐温度对象有较好的控制效果。     

Process parameter optimization for ionic liquids as gas separation membranes based on a GWO–BPNN model

Gas separation membranes offer a cost-effective solution for capturing greenhouse gases, mitigating the global greenhouse effect. Ionic liquids (ILs) have emerged as one of the promising materials for greenhouse gas separation due to their strong affinity for CO₂. In this study, we propose a laboratory-scale method for preparing IL–PVDF blend membranes with high CO₂/N₂ selectivity. The separation performance of the membranes was evaluated using a custom gas permeation measurement system. The effects of casting solution composition, solidification method, and film-forming processes on separation performance were experimental investigated, and the obtained experimental data were used to train a back propagation neural network (BPNN) optimized by the Gray Wolf Optimizer (GWO) algorithm. This hybrid GWO–BPNN model was utilized to predict separation membrane efficiency, optimize the film-forming process, and identify the optimal range of process parameters. Notably, the GWO–BPNN model demonstrated a 2.76% higher prediction accuracy compared to a standalone BPNN. The results indicated that the GWO–BPNN algorithm has a great potential to accurately predict membrane separation efficiency and apply in optimal membrane process design (OMPD), and this method can significantly reduce the number of experimental trials required to achieve OMPD.     

Demand reduction in building energy systems based on economic model predictive control

This paper proposes and demonstrates the effectiveness of an economic model predictive control (MPC) technique in reducing energy and demand costs for building heating, ventilating, and air conditioning (HVAC) systems. A simulated multi-zone commercial building equipped with of variable air volume (VAV) cooling system is built in Energyplus. With the introduced Building Controls Virtual Test Bed (BCVTB) as middleware, real-time data exchange between Energyplus and a Matlab controller is realized by sending and receiving sockets. System identification is performed to obtain zone temperature and power models, which are used in the MPC framework. The economic objective function in MPC accounts for the daily electricity costs, which include time-of-use (TOU) energy charge and demand charge. In each time step, a min–max optimization is formulated and converted into a linear programming problem and solved. In a weekly simulation, a pre-cooling effect during off-peak period and a cooling discharge from the building thermal mass during on-peak period can be observed. Cost savings by MPC are estimated by comparing with the baseline and other open-loop control strategies. The effect of several experimental factors in the MPC configuration is investigated and the best scenario is selected for future practical tests.     

LNG卸料管线预冷过程数值模拟

国内对液化天然气(LNG)接收站初次预冷速度的控制经验相对缺乏。因此,为防止低温LNG预冷导致的管道的损坏,需在预冷前对设定的预冷操作程序进行预冷效果的分析校核。本文提出了基于计算流体力学(CFD)的LNG管道预冷分析方法。通过建立三维LNG卸料管道数值计算模型,根据国内某LNG接收站项目设计管道预冷操作程序,进行冷却过程的动态模拟计算,结果显示按预设冷却程序操作,LNG卸料管道降温速度可以维持在10℃/h范围内,满足预冷安全要求。另模拟计算结果与实际接收站预冷过程的现场测量数据进行了对比,CFD计算值与实测值比较相对误差可控制在7%以内,证明CFD预冷过程模拟完全可以用于接收站预冷程序合理性的判断和校核计算。