混合蚁群算法及其在裂解深度建模中的应用

设计了一种新的混合蚁群算法,该算法以一种新的二进制蚁群算法为基础,混合PBIL算法及遗传算法的交叉操作和变异操作,从而大大提高了种群的多样性及算法的收敛速度,改善了全局最优解的搜索能力。通过函数优化测试表明该算法具有良好的收敛速度和稳定性,同时将该算法应用到裂解炉裂解深度的神经网络软测量建模中,取得了很好的应用效果。     

单纯形-差分进化算法及其在软测量建模上的应用

针对差分进化算法（Differential Evolution Algorithm,DEA）容易陷入局部最优值且搜索效率不高的缺点,提出一种单纯形一差分进化算法（SM—DEA）。该算法在DEA中引入计算量小、搜索速度快且局部搜索能力很强的单纯形方法（Simplex Method,SM）,在迭代过程中交叉使用DEA和SM。对标准函数的测试表明,该算法具有很强的全局搜索能力和很高的搜索效率。将算法应用于乙炔加氢反应器出口乙炔浓度的软测量建模,结果表明该算法能提高模型的精确度,降低预测误差,具有较高的实用价值。     

文化差分进化算法及其在化工过程建模中的应用

提出了一种新的文化差分进化算法,该算法将差分进化算法作为文化算法的种群空间,在文化算法的信念空间和影响函数设计中提出了基于多种知识源的设计方法,通过多种知识指导差分进化的变异操作和交叉操作,使知识的表达和指导种群进化的能力得到加强。函数测试结果表明,基于知识机制的引入使得文化差分进化算法在寻优性能上比差分进化算法有了较大的提高,而对参数的敏感性却相对较小。将文化差分进化算法用于训练补偿模糊神经网络,建立乙烯精馏塔产品质量软测量模型。通过训练与泛化能力的比较结果表明,基于文化差分进化算法的补偿模糊神经网络软测量模型在建模精度和泛化性能上均优于常规补偿模糊神经网络、模糊神经网络以及采用遗传算法优化的模型,具有更好的应用前景。     

基于差分进化粒子群混合优化算法的软测量建模

针对乙烯生产过程中,用传统方法难以直接完成对乙烯收率的在线测量的问题,提出了一种新型差分进化粒子群混合优化算法,建立了乙烯收率软测量建模。改进算法将优化过程分成两阶段,两分群分别采用粒子群算法和差分进化算法同时进行。迭代过程中引入进化速度因子进行算法局部收敛性判断,通过两个群体间的信息交流阻止算法陷入局部最优。对高维复杂函数寻优测试表明,算法的整体优化性能均强于基本粒子群算法和差分进化算法。应用结果表明,基于改进算法的软测量模型具有测量精度较高、泛化性能较好等优点。     

基于智能集成优化的合成塔入口氨含量软测量

文化算法主要由种群空间和信念空间构成,两个空间共同进化来模拟人类文化的进化过程。提出一种智能集成优化算法,将遗传算法、粒子群优化算法应用到文化算法框架中,并与神经网络相结合,构造一种智能集成网络模型,并将其应用到合成塔入口氨含量软测量建模。结合实际工艺,对所建软测量模型进行仿真研究。研究结果表明,该模型的性能优于传统BP神经网络模型、遗传神经网络模型和粒子群神经网络模型,具有较高的精度和良好的应用前景。     

基于混合差分进化算法的软测量时延参数估计

时延参数估计是系统控制与信号处理的关键问题。通过构造一个适当的适应度函数,将软测量系统的时延参数估计问题转化为一个多维非线性优化问题,然后利用混合差分进化算法的全局搜索能力求解该优化问题。对两个典型问题进行了仿真实验,仿真结果表明了混合算法的有效性和鲁棒性。以石油炼制工业中典型装置常压塔为例,对其一线航空煤油的闪点软测量进行了应用验证,结果表明,时延参数估计的引入大大提高了软测量模型的精度,证实了混合差分进化算法的有效性。     

混合核支持向量机在化工软测量中的应用研究

针对核函数方法中单个核函数的局限性,提出混合核支持向量机建模方法以提高模型的泛化能力和精度.本文的混合核函数由一个局部核函数和一个全局核函数线性组合而成,并可以通过参数来调节局部和全局核函数对混合核函数的作用.通过对工业双酚A生产过程软测量建模的仿真研究表明.混合核支持向量机软测量模型适用于化工建模并具有较好的泛化能力.     

基于并行EGO和代理模型辅助的多参数优化方法研究

化工流程模拟优化问题常常具有高维、非线性的特点，使得仿真计算难以收敛。过长的求解时间是调度优化和运行优化的主要瓶颈之一。采用代理模型对机理模型进行替代是降低计算复杂度、保证结果准确性的有效途径。Kriging代理模型具有较强的非线性近似性，但处理高维问题依然较为困难。因此，本文研究并行EGO(efficient global optimization)算法与代理模型集成，并将模型应用于化工过程。并行EGO算法以Kriging代理模型的预测函数和误差函数为基础，先推导出样本分布概率密度函数与累积分布函数相结合的解析表达式；然后通过PEI(pseudo expected improvement)准则得到新的样本点以更新代理模型；最后结合改进的差分进化算法对优化参数进行全局搜索。在保证结果准确性的前提下，将本文算法与其他优化算法进行比较。8个多峰测试函数的测试结果表明，该算法的收敛速度提高了85%。然后将其应用于双级氨吸收制冷过程的模拟，结果表明该方法的模拟误差小于0.01%，优化时间从9846 s缩短至3705 s。     

基于改进PSO-RBFNN的海洋蛋白酶发酵过程软测量

针对海洋蛋白酶（marine protease,MP）发酵过程中某些关键参量难以在线检测,离线测量存在大滞后、易染菌的问题,提出了一种基于改进的粒子群-径向基神经网络（PSO-RBFNN）的MP发酵过程软测量建模方法。首先采用指数下降惯性权重（exponential decreasing inertia weight,EDIW）策略对粒子群算法进行改进,克服了固定惯性权重和自适应惯性权重的粒子群算法易于陷入局部极小,进化后期收敛速度慢以及全局搜索能力弱的缺点;然后,采用改进后的粒子群算法对径向基神经网络连接权值进行在线优化,确定RBFNN拓扑结构;最后,根据MP发酵过程的输入/输出向量构建RBFNN软测量模型。实验仿真结果表明,EDIW策略改进的PSO-RBFNN软测量模型训练时间缩短了40%左右,模型预测精度提高了3%以上。     

改进鲸鱼优化算法及其在渣油加氢参数优化的应用

针对智能优化算法在处理非线性优化问题中存在的容易陷入局部最优和收敛精度差等问题,提出了一种基于结合差分进化和精英反向学习的改进鲸鱼算法（DEOBWOA）。该算法引入对立搜索初始化、精英反向学习,并结合差分进化进行变异修正,显著有效地提高WOA算法的收敛精度和收敛速度,提高其跳出局部最优的能力。之后采用8个标准测试函数进行仿真实验,结果表明：DEOBWOA算法与标准WOA、HCLPSO、DE算法相比,全局搜索能力和收敛速度都有较大提升。最后建立了渣油加氢动力学模型,考虑到渣油加氢过程中存在诸多典型的非线性约束问题,以某炼化厂渣油加氢装置为例,应用DEOBWOA对渣油加氢反应动力学模型参数进行优化,结果表明该算法能较好地处理实际工程优化问题。