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。     

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.     

粒子群优化算法的发展及应用

讨论了粒子群优化算法的发展和应用。介绍了粒子群优化算法的基本原理和算法流程,并且与其他演化算法进行了比较,给出了一些经常用到的测试函数。针对粒子群优化算法在搜索后期存在的不足,介绍了改进的粒子群优化算法,重点介绍了在实际应用领域中用到的改进粒子群优化算法。     

基于粒子群算法的PDC钻头钻井参数优化

钻头钻井参数的优化问题是油气钻井工程领域研究的核心问题之一。本文建立了一套基于粒子群算法的PDC钻头钻井参数优化方法,探讨了优化目标函数,并对现有钻速模型进行了修正,确定了相应约束条件的数学表达式。     

基于粒子群算法原油集输管网优化方式刍议

我国经济的快速发展,在一定程度上促进了油田事业的发展。油田开发在进入中后期之后,频繁进行井网加密,怎样在有效利用已建联合站的基础上,最大限度的减少投资管网建设,合理分配联合站与计量间之间的原油集输管网。将管网最小造价作为目标函数,将联合站的连接方式、集输半径以及最大年处理能力作为约束条件,建立相应的单目标优化模型,通过粒子群算法寻找模型具有的优点与特点,与十进制编码有机的结合,利用适应度函数进行评价,以此来完成这一模型的优化求解。     

基于RBF神经网络和粒子群算法的ECT传感器结构优化

给出一种RBF神经网络与粒子群算法相结合的电容层析成像（ECT）传感器结构参数优化方法。该方法以敏感场整体灵敏度大小等系统性能为优化目标,基于管壁厚度、屏蔽层厚度、径向屏蔽插入管壁深度、径向电极宽度、电极宽度（中心夹角）、管壁材料的相对介电常数、屏蔽层填充物相对介电常数7种重要的结构参数进行试验。应用RBF神经网络对多组结构参数以及对应的系统性能指标进行学习,得到回归模型,并应用粒子群算法进行寻优。结果显示,该方法参数寻优范围大,局限性小,寻优过程收敛快。优化后的系统整体灵敏度增大,成像质量改进。     

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...     

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。     

基于全局优化改进混沌粒子群遗传算法的物料平衡数据校正

结合遗传算法（GA）和粒子群算法（PSO）的优点以及混沌运动的特性,提出了加入混沌扰动的混沌粒子群遗传算法（DCPSO-GA）,并使用5个高维非线性测试函数考察全局优化混合算法的性能。DCPSO-GA解决了在寻优搜索时出现的停滞现象,扩大了全局优化的搜索空间,丰富了粒子的多样性,且不需要函数梯度信息。测试结果证明,针对本文的5个测试函数DCPSO-GA能找到全局最优解,其收敛速度很快,大大减少了计算量。而且,经过与其他相关算法比较可知,当总的目标函数调用次数较接近或更少时,改进算法不论在计算精度还是收敛速度上,均有很大的提高。并将DCPSO-GA算法应用到重油裂解参数估计和预测中,测试结果证明,其提高了参数估计和预测的准确性,降低了误差,能有效找到全局最优解,收敛速度快,大大减少计算量。     

基于粒子群优化算法的球磨机制粉系统PID-ANN解耦控制器

球团厂钢球磨煤制粉系统是多变量强耦合、时滞、非线性以及生产工况变化大的复杂对象,其自动控制问题一直是控制界关注的热点。基于粒子群算法具有对整个参数空间进行高效并行搜索的特点以及PID神经网络的自调节和自适应特性,设计了具有PID结构的多变量自适应神经网络控制器。PID神经网络解耦控制方法被用来消除回路之间的耦合,神经网络连接权值由粒子群算法进行学习优化。仿真研究表明所建模型和所提控制方法具有较好的控制品质、良好的自适应解耦能力和自学习功能。该控制策略可在大范围内克服系统的非线性和强耦合问题,具有很高的工程实用价值。     

改进PSO算法在蒸汽动力系统多周期运行优化中的应用

为了满足石化企业工艺过程对蒸汽和电力不断变化的要求,实现企业降低成本、节能降耗的目的,必须保证蒸汽动力系统在最优的状态下运行。针对这一问题在以往研究的基础上提出了包括设备维护和启停费用的改进的混合整数线性规划模型,利用改进的PSO算法对其求解,并通过实例证明了利用该模型、使用改进的PSO算法能很快得到最优的方案,并节省了大量的运行成本。     

Refrigeration system synthesis based on de-redundant model by particle swarm optimization algorithm

Simultaneous optimization of refrigeration system (RS) and its heat exchanger network (HEN) leads to a large-scale non-convex mixed-integer non-linear programming (MINLP) problem. Conventionally, researchers usually adopted simplifications to confine problem scale from being too large at the cost of reducing solution space. This study established an optimization framework for the simultaneous optimization of RS and HEN. Firstly, A more comprehensive and compact model was developed to guarantee a relatively complete solution space while reducing model scale as well as its solving difficulty. In this model, a tandem arrangement of connecting sub-coolers and expansion valves was considered in the superstructure; and the pressure/temperature levels were optimized as continuous variables. On this basis, we proposed a “two-step transformation method” to equivalently transform the cross-level structure into a non-cross-level structure, and the de-redundant superstructure was established with ensuring comprehensiveness and rigor. Furthermore, the MINLP model was developed and solved by Particle Swarm Optimization algorithm. Finally, our methodology was validated to get better optimal results with less CPU time in two case studies, an ethylene RS in an existing plant and a reported propylene RS.     

基于LCPSO算法的相稳定性判别

相稳定性判别为相平衡计算的基本课题,常采用Gibbs自由能曲面与切平面的距离函数（TPDF）最小化方法求解。对于强非理想体系,或在高压条件下,其TPDF表现出复杂形态,有平凡解和多极值,传统方法难以求得满足约束的全局最小值,从而导致判别失误。粒子群算法（PSO）虽有全局优化性能,但也会陷于局部极小,且缺少约束处理机制。为此,分析了PSO内在蕴含的线性特点,在种群初化、粒子运动等环节提出应对策略,构建线性约束粒子群算法（LCPSO）,确保种群在可行空间内搜索。还增设调变参数、局部加速等措施,以兼顾算法的全面探测和细化挖掘的能力,提高其全局优化效能。经多个实例的测试表明,LCPSO适用面广,既可用于超额自由能、状态方程等各类热力学模型,又能克服混合模型一阶不连续的困难,应用范围从液液相分裂拓展到汽液液相分裂。与确定性全局算法IN/GB相比,LCPSO速率高,效果好,尤对多元体系更具优势。     

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.     

基于粒子群算法的金矿湿法冶金浸出率优化

各浸出率的合理分配对组织金矿湿法冶金浸出过程生产具有重要作用,当前各浸出率通常由精炼厂氰化车间工程师凭人工经验给出,导致对浸出过程生产的指导具有很大的模糊性与随意性,不能保证调整后的总浸出率最大。为优化确定金矿湿法冶金各浸出率,建立以总浸出率最大为目标的优化模型,并将二阶振荡粒子群算法用于模型的求解。最后通过实验研究验证了模型和算法的有效性。     

基于粒子群算法的隔离壁精馏塔的综合与设计

隔离壁精馏塔（dividing-wall distillation column,DWDC）是提高两个或者多个传统精馏塔热力学效率的有效手段。由于隔离壁精馏塔内部结构复杂、相互作用强,传统的序贯优化方法计算时间长,很难达到全局最优解。标准粒子群算法应用广泛、易于实现,但易于早熟、易于陷入局部极值点。因此,本工作采用改进的元胞粒子群算法对Kaibel隔离壁精馏塔进行综合与设计研究。元胞粒子群算法通过改进粒子的学习策略,采用元胞邻域的方法可有效地将粒子分散在多个子空间。对比标准粒子群优化和元胞粒子群优化两种方法的50次优化效果,结果表明,两种粒子群算法能够对内部结构复杂、相互作用强的四组分Kaibel隔离壁精馏塔这一复杂分离系统进行优化,优化效果显著。     

基于杂交粒子群算法的多元线性回归参数估计及预测区间研究

为了提高多元线性回归分析模型预测混凝土28 d抗压强度的准确性和可靠性,采用杂交粒子群优化算法估算模型系数,依据正态分布和t分布求出预测点置信度为95%的预测区间。实验结果表明:此模型的预测精度优于传统基于最小二乘估算的回归分析模型,且预测结果可以是相关量的取值范围,扩大了相关量的适用范围,提高了预测的可靠性。