噪声环境下参数估计和模型降阶的一种有效方法

针对噪声环境下的非线性系统参数估计和模型降阶问题,提出了一种带假设检验的微粒群优化算法(PSOHT),以最小化平均平方误差为目标,结合统计意义下的评价和比较,通过微粒群操作进行参数估计.基于典型非线性时滞系统的仿真实验,验证了所提算法的有效性和抗噪声能力.     

基于PSO的精馏塔稳态优化

本文主要研究了精馏塔的稳态优化问题。采用基于平衡级模型的矩阵法,对一个脱甲烷塔进行了模拟计算,精度满足要求,用来获得精馏塔的若干工作状态,利用回归分析得到精馏操作的简化模型作为优化的等式机理约束。基于对过程和实际需要的分析,提出了精馏塔稳态优化问题,最后用微粒群(PSO)优化算法求解目标函数并得到最优化解,优化结果为精馏塔的操作提供了参考指导。     

混合粒子群优化算法及其应用

提出了一种通过改进全局最优位置粒子寻优策略而提高粒子群优化计算效率的混合粒子群优化算法。针对流程工业典型设备的状态跟踪预报等有计算时间限制的优化问题,混合粒子群优化算法在不改变原有粒子群粒子寻优策略的前提下,将粒子群整体已搜寻到的全局最优位置看作一个特殊的粒子,令该粒子执行梯度下降寻优的寻优策略。在粒子群的寻优迭代计算中增加全局最优位置粒子单独的梯度下降寻优过程,从而将粒子群优化算法的全局寻优特性与梯度下降算法的邻域寻优特性相结合,以提高粒子群优化算法的整体寻优效率,进而缩短寻优计算的时间。针对流程工业典型设备的实际应用表明,混合粒子群优化算法能够减少寻优迭代次数,进而缩短优化计算时间。     

基于多操作SMSA算法的化工过程优化

提出一种多操作单纯形．模拟退火混合算(SMSA)，采用附加扰动、随机产生、移位、平滑、边界取值等多种算子作为模拟退火的状态产生函数，增强了算法的全局搜索和局部趋化能力，提高了算法的优化性能。对化工过程的优化控制及Grierwangk函数的优化的数值仿真，以及与单一遗传算法和模拟退火算法的比较研究验证了所提出算法的有效性和优越性。     

基于PSO的丁二酸发酵动力学模型参数优化

丁二酸是一种重要的化工原料,对丁二酸发酵过程进行模型化研究可以为工艺放大提供必要的基础数据。根据丁二酸发酵过程的实验数据,在已有的丁二酸发酵动力学模型的基础上,采用粒子群优化算法进行模型参数优化研究,求得最优参数并利用其进行过程仿真。结果表明优化后的模型能够更好地模拟丁二酸分批发酵过程。和采用遗传算法进行的研究结果相比,粒子群算法提高了模型计算值与实验测量值的拟合程度,且算法简单,易于实现。     

采用双线性变换的线性离散系统模型降阶

针对线性定常离散系统,提出一种新的不受稳定性限制的降阶方法,即利用双线性反变换,将离散系统转化为连续系统,利用已知的连续系统的降阶方法进行降阶,之后再经双线性变换为离散系统,得到了原离散系统的降阶模型,给出并证明了误差上界.数值算例说明了此方法的有效性.     

基于混合自动微分算法的缩聚反应过程优化

针对缩聚反应过程优化模型中的分枝结构模块给求取导函数带来的困难 ,在扩展自动微分算法基础上提出了一种混合自动微分算法 .该算法结合符号自动微分算法和数值自动微分算法求取函数的导函数 ,并利用导函数计算导数 .这种求导算法不仅具有很高的精度和效率 ,且在开放式方程模型体系下可被化工过程优化领域中的各类典型优化命题调用 .优化计算的结果显示了基于混合自动微分算法的缩聚反应优化在效率上的显著优势.     

基于PDE降阶模型的最优控制

针对带有约束条件的偏微分方程（PDE）模型最优控制的实时性要求和巨大的内存开销问题,提出了基于降阶模型的输入/状态约束的最优实时控制方法。采用特征正交分解和奇异值分解以及Galerkin投影方法导出了动态PDE具有高精度离散形式的状态空间低阶模型,提出了一定输入/状态约束条件下的基于二次规划单步滚动最优控制并与基于线性二次调节器的极值验证最优控制策略相互验证。通过对流-扩散-反应过程的控制仿真结果证明了所提方法的高效性和准确性。     

基于改进模拟退火算法的混合制冷循环天然气流程优化

在研究模拟退火算法的基础上,将模拟退火算法进行改进,采用Ackley函数验证改进的效果.运用模拟退火算法和改进算法分别对混合制冷循环天然气流程进行优化仿真,在对流程参数进行有效优化后,利用该优化流程参数,对整个混合制冷循环天然气流程进行模拟仿真,得出以压缩机耗功与丙烷预冷量之和为最小目标函数的优化流程参数.证明模拟退火算法应用于混合制冷循环天然气流程的可行性和有效性.     

基于微粒群优化算法的不确定性调和调度

Blending is an important unit operation in process industry. Blending scheduling is nonlinear optimization problem with constraints. It is difficult to obtain optimum solution by other general optimization methods. Particle swarm optimization （PSO） algorithm is developed for nonlinear optimization problems with both continuous and discrete variables. In order to obtain a global optimum solution quickly, PSO algorithm is applied to solve the problem of blending scheduling under uncertainty. The calculation results based on an example of gasoline blending agree satisfactory with the ideal values, which illustrates that the PSO algorithm is valid and effective in solving the blending scheduling problem.     

基于混合粒子群优化的异类多模型软测量方法研究与应用

基于异类组合预测模型可提高模型的预测精度及鲁棒性的思想,提出一种基于混合粒子群优化的异类多模型非线性组合软测量建模的新方法。即先分别用混合粒子群优化的径向基函数神经网络、最小二乘支持向量机及部分最小二乘算法对训练集训练得出子模型,然后将具有性能互补性的三个子模型的输出作为反向传播网络的输入得到最后结果。用混合粒子群优化的方法来选取径向基函数神经网络和最小二乘支持向量机的模型参数,该方法克服了常用的交叉验证法耗时与盲目性问题。三层反向传播网络具有无限逼近特性,使得整个组合预测模型具有更好的泛化能力和预报精度。将其应用于汽油调合系统中研究法辛烷值的预测,仿真结果表明,该方法是可行且有效的。     

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EBF神经网络和粒子群算法的注射成型优化设计

基于拉丁超立方设计建立了椭球基（EBF）神经网络模型描述注塑工艺参数与翘曲值间的函数关系,将EBF神经网络模型与Kriging模型对比,说明EBF神经网络模型可以准确地描述注塑工艺参数与翘曲值之间的函数关系,并结合多目标粒子群算法对工艺参数进行优化,并与邻域培植遗传算法优化结果对比,说明多目标粒子群算法的优点。结果表明,基于EBF神经网络模型和粒子群优化算法可以使塑料出水管翘曲值减小11.64 %,同时使保压时间和冷却时间总和减小了2.13 s,从而在出水管批量生产过程中减少了生产时间。     

一种混合粒子群优化的沉降ARMAX模型

为了提高氧化铝生产质量和降低能耗,分析了氧化铝沉降工艺中影响沉降过程的各种因素,采用系统辨识的方法建立沉降系统的带外部输入的自回归滑移ARMAX模型.为此提出了基于二阶混沌的混合粒子群算法,解决了粒子群算法容易早熟以及全局寻优效率偏低等问题,进而建立了基于二阶混沌的混合粒子群优化算法的沉降槽密度ARMAX模型.仿真实验...     

基于双种群算法的模拟移动床多目标操作优化

以有限元法求解模拟移动床的稳态TMB模型和动态SMB模型,提出基于Pareto非劣解集的多目标双种群遗传粒子群算法;利用动态SMB模型仿真模拟移动床色谱吸附分离过程,以分离纯度和性能指标分别作为约束条件和目标函数进行多目标操作优化设计.仿真结果表明,SMB模型较之TMB模型更真实可靠,双种群遗传粒子群算法也较单一种群的...     

微粒群算法在模拟移动床色谱分离过程优化中的应用

运用微粒群算法开发出一种非线性模拟移动床(SMB)色谱分离过程的优化策略.该优化策略将模拟移动床的最大吸附剂生产率作为优化问题的目标函数,采用模拟移动床的TMB模型来计算微粒群优化算法的适应值.采用该优化算法对手性化合物萘酚对映体(bi-naphthol)的模拟移动床色谱分离操作条件进行了优化,仿真结果表明了该优化策略的有效性.