一种基于伪Wigner-Ville分析的动态优化问题网格重构策略

为了解决控制向量参数化方法逼近精度和计算时间之间的矛盾,提出了一种基于伪Wigner-Ville时频分析的控制向量参数化方法。该方法首先给定较少的网格进行第一次优化迭代,快速获得控制变量的大致轨迹。然后通过伪Wigner-Ville分析得出不同时间网格节点瞬时频率变化对性能指标的影响,籍此对原有网格节点进行重构,包括对时间节点的消除、细化。并且结合变时间节点控制向量参数化方法的思想,将瞬时频率为极大值时对应的时间节点作为待优化参数,与控制变量一同进行求解优化,从而找到准确的最优时间切换点。三个经典的化工反应实例用于验证所提方法,计算结果表明:与传统的控制向量参数化方法和文献结果相比,所提方法可以更有效地重构时间网格,找到准确的时间切换点,不仅计算成本低,而且计算精度更出色。     

一种求解过程动态优化问题的生物地理学习粒子群算法

智能优化算法具有适用性广泛、全局搜索能力强等优点,近年来在动态优化中的应用逐渐增多。通过混合生物地理优化与粒子群优化,提出了生物地理学习粒子群（biogeography-based learning particle swarm optimization,BLPSO）算法,并用于动态优化问题的求解。BLPSO采用了新型的生物地理学习方式,该方式根据粒子“排名”,即粒子的优劣,以维度为单位构造学习粒子,提高了学习的效率。针对动态优化问题,首先通过控制向量参数化将其转化为非线性规划问题,然后采用BLPSO算法进行求解。最后,将BLPSO应用于非可微、多峰、多变量等典型动态优化问题的求解,计算结果表明BLPSO具有较好的搜索精度和收敛速度。     

一种改进的热泵供暖系统动态实时优化策略

基于经济性目标的热泵供暖动态优化操作具有重要意义，但在操作区间内环境温度和模型参数变化的不确定性会对实际优化操控带来很大挑战。在完善热泵供暖系统模型的基础上，提出了一种改进的动态实时优化控制策略以改善系统的实际节能效果。该方法首先建立以压缩机和送水泵运行频率为控制变量的热泵供暖系统的非线性动态关系模型，并得到以24 h为周期、以综合性能指标最低为目标的动态实时优化命题。然后，在给定24 h环境温度预测情况下通过求解该优化命题得到热泵压缩机和送水泵的最优运行频率轨线，并以当前时间点的最优控制量对热泵供暖系统进行控制；接着，基于天气逐时预测和模型参数最新校验结果对环境温度轨线或者模型参数进行更新，不断地求解原优化命题以更新最优控制轨线，并不断地采用当前点的最优控制量对热泵供暖系统进行控制，直到当前时间点达到第24 h。实例计算结果表明：采用本文提出的方法可以进一步改善热泵供暖系统的动态优化操控效果，并能够很好地满足给定终端约束要求。本方法对于具有周期性和不确定参数的动态实时优化问题求解具有一定的借鉴意义。     

一种求解最优控制问题的变时间节点控制向量参数化方法

控制向量参数化方法是求解最优控制问题的一种常用数值方法。它通过离散化控制时域,将控制向量近似地表示成一组参数化的函数。离散化后的时间网格通常是固定的,其划分会影响到最优控制问题数值求解的精度和效率。为了同时优化控制参数和时间网格节点,提出了一种时间节点可变的控制向量参数化方法。推导出了最优控制性能指标对时间参数的导数与对时间分段长度导数之间的关系,得到了性能指标的梯度表达式。用两个经典最优控制实例对所提出的方法进行了测试,结果表明所提出方法能够更好地逼近最优控制轨迹。     

一种可变时间节点的控制向量参数化方法

控制向量参数化方法是求解最优控制的一种常用方法,其时间网格通常是固定的。在每个时间段上,控制向量表示为由一组参数确定的时间的函数。时间网格的划分会影响到数值求解最优控制问题时最优化算法的准确性和效率。为了同时优化控制参数和时间网格的节点,提出了一种可变时间节点控制向量参数化方法,通过带有时间参数的S型函数来近似分段常数参数化方法中的切换过程。推导出了最优控制性能指标对时间参数的导数,并提出了处理时间节点约束的算法。利用所提出方法求解带有两个控制的最优控制实例,对于两个控制获得了不同的时间网格划分,从而能够更好地近似最优控制轨迹。     

过程动态优化问题的自热式求解策略

分析了基于微分代数方程（DAE）的动态优化问题的联立求解原理,提出了基于Lobatto配置的全离散模型的简洁描述形式。根据离散化模型的最优解具有结构相似性的特点,利用低密度离散的解来近似高密度离散的解,并且配合内点法求解的暖启动技术与障碍参数初值设定方法,提出了能实现动态优化问题快速求解的自热式策略。最后通过求解一个结晶过程的动态优化算例,证实了所提出的自热式策略能够将求解速度提高6倍左右。     

一种提高微生物发酵单位的新优化控制策略

为了提高微生物发酵单位,提出了支持向量机（SVM）与基于实数编码遗传算法（RGA）相互耦联的优化控制策略。为解决发酵参数之间的耦合问题,进一步引入了模式的概念。SVM建立微生物发酵过程的预估模型,RGA以此模型为适应度函数计算最优控制模式。此策略应用于青霉素发酵过程的优化控制,效价比没有实施优化控制策略的生产结果提高了22.88％。     

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。     

基于动态优化的催化裂化装置再生器裕量分析与控制设计（Ⅰ）动态优化的数学描述

从操作和控制的角度,通过动态优化的方法求解催化裂化装置再生器的工艺裕量与控制设计。该动态优化问题的数学描述包括催化裂化装置反应-再生系统和配套控制系统的动态模型、多回路PID控制器结构模型、过程不确定性模型、稳态起始点约束、生产要求和操作约束及目标函数等。该优化问题是一个带有0-1变量约束的多目标混合整数动态优化问题,具有分别描述控制性能指标和工艺指标的两个不相关目标函数。对两个优化目标进行折中处理,可以使设计结果既能满足工艺要求,又能实现良好的自动控制。     

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。     

A novel strategy for dynamic optimization of grade transition processes based on molecular weight distribution

To achieve different end‐use properties of polymers, an industrial plant must produce several grades of the product through the same process under different operating conditions. As molecular weight distribution (MWD) is a crucial quality index of polymers, grade transition based on MWD is of great importance. Dynamic optimization of the grade transition process using MWD is a challenging task because of its large‐scale nature. After analyzing the relationships among state variables during polymerization, a novel method is proposed to conduct the optimal grade transition using dynamic optimization with a small‐scale moment model, combined with a steady‐state calculation of the MWD. By avoiding expensive computation in dealing with dynamic MWD optimization, this technique greatly reduces the computational complexity of the process optimization. The theoretical equivalence of this simplification is also proved. Finally, an industrial high‐density polyethylene slurry process is presented to demonstrate the efficiency and accuracy of the proposed strategy. © 2014 American Institute of Chemical Engineers AIChE J, 60: 2498–2512, 2014     

Simulation and optimization of VPSA system based on pseudo transient continuation method

In order to address the challenge of optimization of pressure swing adsorption systems, an optimization framework based on pseudo transient continuation method was used and a corresponding library with several models was established for simulation of more complex processes. Then, two vacuum pressure swing adsorption processes for oxygen and nitrogen production were considered as case studies and the results based on the single discretization and pseudo transient method were compared and analyzed in detail. Besides, a new strategy was proposed for the stability and efficiency of simulation. Finally, reduced successive quadratic programming and time relaxation algorithm were used for the optimization of the two systems, respectively, and the results showed that the time relaxation algorithm based on the pseudo transient framework has a strong advantage in saving optimization time cost compared with the former.     

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。     

动态模拟用于加压汽提塔控制优化

带侧线加压单塔是煤气化废水工艺中的关键设备之一.但现有控制方案,存在操作难以稳定等问题.在对汽提塔动态模型讨论基础上,借助Aspen Dynamics动态模拟工具,对该汽提塔的动态特性、控制方案抗扰动能力以及对异常情况的响应情况等进行了深入讨论,在模拟基础上分析了现有控制方案的不足,并提出了改进方案.模拟和工业运行的结...     

A modeling strategy for integrated batch process development based on mixed-logic dynamic optimization

This paper introduces an optimization-based approach for the simultaneous solution of batch process synthesis and plant allocation, with decisions like the selection of chemicals, process stages, task-unit assignments, operating modes, and optimal control profiles, among others. The modeling strategy is based on the representation of structural alternatives in a state-equipment network (SEN) and its formulation as a mixed-logic dynamic optimization (MLDO) problem. Particularly, the disjunctive multistage modeling strategy by Oldenburg and Marquardt (2008) is extended to combine and organize single-stage and multistage models for representing the sequence of continuous and batch units in each structural alternative and for synchronizing dynamic profiles in input and output operations with material transference. Two numerical examples illustrate the application of the proposed methodology, showing the enhancement of the adaptability potential of batch plants and the improvement of global process performance thanks to the quantification of interactions between process synthesis and plant allocation decisions.     

分级优化用于边值固定的化工动态优化问题

针对边值固定的化工动态优化问题, 提出了分级优化策略, 包括约束优先与目标优先两种方案, 它们的基本思想是将原问题转化为一系列的边值无约束问题, 采用目前成熟的优化算法加以集成即可实现. 对于控制变量受箱型约束的问题, 采用三角函数转换将其转化为控制无约束问题. 分级优化策略避免了罚函数策略的缺陷. 实例研究显示了分级优化策略能以足够的精度满足边值约束, 三角函数转换法是可行的.     

A nested, simultaneous approach for dynamic optimization problems-II: the outer problem

In a previous paper (Tanartkit, P. and Biegler, L. T. (1996) A nested, simultaneous approach for dynamic optimization problems - I. Comput. Chem. Eng. 20(6/7), 735–741), we introduced and demonstrated a general framework for solving dynamic optimization using bilevel programming. This framework decouples the element placement from the optimal control procedure and leads to a more robust algorithm. The optimization problem is replaced by two connected but simpler formulations, the inner and outer problems. The inner problem is essentially a dynamic optimization with fixed time steps. On the other hand, the outer problem adjusts the time step given the gradient information from the inner counterpart. By coupling a well-implemented collocation solver with reduced Hessian successive quadratic programming (SQP), we are able to tackle the inner part of the system in an efficient and stable fashion for both initial value and boundary value problems. However, the overall success of the algorithm still depends on robustness and performance of the outer problem. In this article this is achieved by combining a bundle underestimator with SQP. Also included in this article are different options of obtaining subgradients for the outer problem via sensitivity analysis and finite difference schemes. Here a decomposition is presented by taking advantage of the inner problem structure to reduce computational expense of the sensitivity evaluation. We will also address the limitations and properties involved in both schemes. In the final segment of the paper the focus is shifted to the issue of finite element addition. By utilizing insight from optimal control theory, we develop a systematic procedure for element addition with a rigorous stopping criterion. Finally, examples are given to illustrate the effectiveness and potential of the algorithm.