多目标粒子群算法用于补料分批生化反应器动态多目标优化

多目标优化是过程系统工程的重要课题,通常以加权或约束方式将其转换为单一目标,未能反映多目标间的复杂关系,不利于随时根据需求作出有效的决策。基于群智能的粒子群算法具有全局优化性能,且易于实现。为使其适于多目标优化,应拓展功能,实施改造。以Pareto支配概念评价种群个体的优劣,设计了确定局部最优点和全局最优点的操作。又利用各粒子的局部最优点信息进行速度更新,以加强种群的多样性,避免因早熟而陷于局部最优。还设置了外部优解库,并通过分散度计算,以适当的策略进行更新,使之逐步均匀地逼近于Pareto最优解集。由此构建一种多目标粒子群优化算法（multi-objective particle swarm optimization,MOPSO）,并用于补料分批生化反应器的动态多目标优化,取得了满意的结果。可基于所搜得的Pareto最优解集,分析目标间的关系,为合理决策提供有效的支持。经与NSGA-II比较,MOPSO算法具有更为优良的性能。     

改进极值策略的多目标粒子群算法及其在PX氧化过程中应用

提出了一种新的用于求解多目标问题的粒子群算法,该算法采用一种新的全局极值和个体极值选取策略,提升了种群逼近Pareto最优前沿的稳定性和精度,同时为了提升种群跳出局部最优的能力,提出两步变异操作.此外还采用了外部存档存储每一代产生的非支配解,并且使用动态更新的拥挤距离来维持外部存档的规模.然后,通过典型的ZDT系列测试函数对该算法进行评估,并与MOEA/D、NNIA和NSGA-Ⅱ 3种多目标优化算法进行比较.实验结果显示,新算法相较于其他算法具有较好的分布性与收敛性.最后将其应用于PX氧化反应操作优化中,在相同计算成本的条件下,新算法优化后的醋酸和PX燃烧损失明显下降,成本损失大幅减少.     

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。     

改进的粒子群优化算法及其在多目标过程设计中的应用

介绍了粒子群优化算法的基本思想和步骤,对基于动态Pareto解集的多目标粒子群优化算法进行了分析,提出了随机更新个体粒子最优位置的策略,并把改进的粒子群优化算法用于实际的多目标过程设计中.对甲苯加氢脱烷基化过程进行了分析,利用此方法对以经济和环境为目标的加氢脱烷基化过程设计进行了计算.结果表明,此种方法可以用于实际的多目标过程设计中.     

基于多目标函数的粒子群算法优化小波阈值的去噪方法研究

针对常规小波阈值去噪方法所存在的缺点,将基于多目标函数的粒子群优化算法应用到小波阈值去噪中,选取信噪比和均方误差作为目标函数来优化阈值。实验结果证明,与常用的阈值去噪方法相比,该方法能够较好地去除信号中含有的尖峰噪声,保留原始信号的特征,提高信噪比,降低均方误差。     

基于粒子群算法的注塑产品厚度与成型工艺参数的多目标集成优化

提出了一种基于粒子群算法的多目标优化方法,实现对注塑产品厚度与成型工艺参数的多目标集成优化.在应用粒子群算法中,利用改进后的在线归档策略指导粒群体的进化,有效的提高了算法的优良性和收敛性.编写程序自动调用CAD软件和注塑成型软件Moldflow,经过设定相关的工艺参数,调用Moldflow软件进行模拟分析,提取分析结果,计算目标函数等多个步骤后,再按照所提出的优化算法改变优化变量的数值,经过多代分析,最终获得最佳制品厚度以及最佳注射时间、熔料温度、模具温度、浇口位置等工艺参数,实现了翘曲变形、熔接痕、气穴等多个质量指标相对最优.     

多目标过程系统优化的粒子群算法求解

化工领域的过程设计、生产控制、配方和计划等众多问题的数学模型,在考虑产品性能、单位成本、环境影响等诸多因素下,都是多目标优化问题;而求解多目标优化问题,目前还没有有效的方法;现今的做法是把多目标优化通过加权转化为单目标优化,再求解单目标优化问题,但这存在权数不易确定;还忽视了有效解集中存在一个其各目标的值与各目标的最优值距离最近的有效解的问题,称为理想有效解.理想有效解的求法一般分为两步,先求各目标的最优值、再求理想有效解,这将影响求解的速度;为此提出在PSO(粒子群优化)算法中加入惩罚项,同时对PSO算法中的个体极值与全局极值作调整,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;这使得在求解速度上加快.通过性能测试表明了算法的有效性,最后将算法用于求解多亚甲基多苯基多胺生产过程系统优化取得良好效果.     

基于非支配排序遗传算法的乙苯脱氢工艺条件优化

为提高现有乙苯脱氢制苯乙烯生产装置的生产率和节能水平,优化技术是一种有效的技术手段。基于改进的非支配排序遗传算法(NSGA-Ⅱ)研究了乙苯脱氢工艺条件的优化问题。把乙苯脱氢反应过程的转化率、选择性作为优化目标,动力学模型以及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。基于NSGA-Ⅱ算法求解得到的优化问题的Pareto最优集,分析了各个操作条件对乙苯脱氢生产过程转化率和选择性的影响,最后利用模糊综合评价法,为合理决策提供了有效的依据。结果表明NSGA-Ⅱ具有良好的全局优化性能,运用该算法可在不同的操作约束条件下,求解得到相应的满意解。     

非线性污水处理过程的多目标优化

研究了复杂非线性污水处理过程的多目标优化。针对污水处理过程的非线性动力系统,建立了使污水处理过程运行成本和描述实际输出与期望输出偏差的平方可积误差设计指标同时达到最优的多目标优化模型。采用间接优化方法,首先将描述污水处理过程优化的多目标非线性问题转化为多目标线性规划问题,然后利用遗传算法对其进行求解。本文方法不仅获得了多目标优化问题的近似Pareto前沿,而且由于采用的是多目标线性规划方法,所以具有计算成本低的优点。     

基于多目标粒子群算法的污水处理智能优化控制

为了满足污水处理过程出水水质排放达标的同时降低运行能耗,提出了一种基于多目标粒子群的污水处理多目标智能优化控制方法。首先,通过分析污水处理运行数据,建立了基于自适应回归核函数的污水处理能耗和出水水质模型;其次,设计出一种污水处理多目标优化方法,利用多目标粒子群优化算法同时对污水处理自适应能耗和出水水质模型进行优化,获得溶解氧和硝态氮浓度的优化设定值;最后,利用PID控制器对溶解氧和硝态氮浓度优化设定值进行跟踪控制,实现了污水处理过程的多目标优化控制。基于污水处理基准仿真平台BSM1的实验结果显示,该多目标优化控制方法不但能够保证出水水质达标,而且能有效降低污水处理过程的能耗。     

微粒群优化算法研究进展

围绕微粒群优化(PSO)算法的原理、特点、改进、应用等方面进行全面综述,介绍针对复杂环境的PSO研究内容,包括多目标、约束、离散和动态优化等,提出PSO有待进一步研究的若干方向和内容。     

应用群能量恒定粒子群优化算法的批次流加发酵过程批次间优化(英文)

An iterative optimization strategy for fed-batch fermentation process is presented by combining a run-to-run optimization with swarm energy conservation particle swarm optimization (SEC-PSO). SEC-PSO, which is designed with the concept of energy conservation, can solve the problem of premature convergence frequently appeared in standard PSO algorithm by partitioning its population into several sub-swarms according to the energy of the swarm and is used in the optimization strategy for parameter iden-tification and operation condition optimization. The run-to-run optimization exploits the repetitive nature of fed-batch processes in order to deal with the optimal problems of fed-batch fermentation process with inaccurate process model and unsteady process state. The kinetic model parameters, used in the operation condition optimization of the next run, are adjusted by calculating time-series data obtained from real fed-batch process in the run-to-run optimization. The simulation results show that the strategy can adjust its kinetic model dynamically and overcome the instability of fed-batch process effectively. Run-to-run strategy with SEC-PSO provides an effective method for optimization of fed-batch fermentation process.     

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。     

乙苯氧化脱氢制苯乙烯催化机理及催化过程分析

采用乙苯氧化脱氢过程不仅可以突破热力学平衡的限制, 并且降低了生产过程的能耗。该过程的关键是开发出高活性及高选择性的催化剂。以V-Mg-O为代表的金属氧化物型催化剂遵循典型的Redox机理。影响催化剂性能的主要因素有催化剂的晶相组成、表面电子特性和表面酸行, 同时工艺条件诸如反应温度、O₂浓度、EB空速及水蒸汽用量等也影响着催化剂的性能, 其中催化剂的晶相组成起着决定性作用。     

乙苯脱氢制苯乙烯实验及工艺条件分析

苯乙烯是一种重要的有机化工原料,制取苯乙烯的方法也越来越多。本文章研究了实验室条件下,采用小型的固定床反应器,使用铁系催化剂,固定乙苯和水的进料速度,研究乙苯脱氢的反应规律,找出合适的反应温度,为生产苯乙烯提供了重要的理论依据。     

乙苯脱氢制取苯乙烯反应条件的研究

使用氧化铁系催化剂,研究了乙苯脱氢制取苯乙烯中乙苯转化率和苯乙烯的选择性与温度、进料比的关系.实验证明,乙苯的转化率受温度和进料比的共同影响,在所研究的范围内,苯乙烯的选择性主要受温度影响,选择合适的进料比对提高转化率和选择性至关重要.     

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。     

Dehydrogenation of Ethylbenzene on Alumina–Chromia-Pillared Saponites

A natural saponite was intercalated and pillared with hydroxy-aluminium–chromium oligomers. The intercalation solutions were characterized by visible spectroscopy and the pillared saponites mainly by chemical analyses, X-ray diffraction (XRD), diffuse reflectance spectroscopy (DRS) and nitrogen adsorption. The catalytic behaviour of these materials in the dehydrogenation of ethylbenzene was investigated. The selectivity to styrene was found to increase as the chromium content of the pillared clays decreased.