自适应差分进化算法优化BP网络的炼焦能耗模型

为了解决炼焦生产过程中炼焦能耗难以实时监测的问题,基于面向实际建立的输入输出指标体系,依据焦化厂实际炼焦生产过程中的历史数据,建立了BP网络的炼焦能耗预测模型.为了提高模型的预测精度,利用自适应差分进化算法(ADE)对复杂函数的优化能力,对BP网络权值阈值随机产生易陷入局部极小值的缺点进行优化,找出了BP网络的最佳连接权值和阈值,建立了自适应差分进化算法(ADE)优化BP网络的炼焦能耗模型.仿真结果表明,自适应差分进化算法(ADE)优化BP网络的炼焦能耗模型的预测值与实际值的接近程度达90％以上.该研究为炼焦生产过程中炼焦能耗难以实时监测的难题提供了一种新思路,可为炼焦行业高效低耗生产提供理论依据.     

油页岩干馏过程的流程模拟与多目标优化

为了进一步提高非常规物质-油页岩的产油率,降低油页岩干馏过程中的能量消耗,通过研究油页岩干馏过程的分离阶段,找出了影响产出率和能耗的因素,优化得出了页岩油产量和能耗的最优解集。首先应用化工软件ASPEN PLUS建立了油页岩干馏过程的静态模型,用灵敏度分析模块分析了分离阶段的温度/压力对产品产量和分离能耗的影响;其次基于多元回归方法,建立了多目标优化模型;最后用NSGA-II算法进行了多目标优化,得到优化解集。结果表明,在当前阶段页岩油的产量和分离能耗没有处于最优状态;对于该分离阶段,在同样的能耗下可通过改变相应的操作参数来实现产品产量的最大化。     

多模型策略在大型焦炉集气管压力控制上的应用

以某大型钢铁企业在7.63米焦炉集气管压力改造过程中的控制需求为基础，分析研究了该炉型工艺、集气管压力波动特点、工艺要求的特殊性等特点，采用多模型控制策略进行优化方案的设计，通过对不同工艺生产阶段对集气管压力波动干扰因素进行分段式控制优化，实现了集气管压力的生产过程平稳控制，达到了改造的工艺控制功能要求。     

基于MAS的分布式焦炉集气管压力解耦控制

针对焦炉集气管压力这类多变量非线性耦合系统,提出了一种基于multi-agent system(MAS)的焦炉集气管压力智能协调控制系统方案,给出了agent的分层组织结构和演化机制．在控制agent中,采用TS模糊神经回归网络对被控对象进行分布式建模,运用分布式智能协调解耦算法进行解耦控制,监督学习与强化学习相结合,采用遗传协进化算法对多个agent协调优化．通过agent模态变迁进行模式切换,以适应快速突变环境．工程应用表明,提出的控制策略有效地解决了集气管压力这类复杂对象的过程控制问题．     

多焦炉集气管压力控制系统

焦炉集气管压力系统是一个具有非线性、多耦合、强扰动的多变量时变系统,通过采用北京亚控公司工控软件Kingview和KingACT,运用智能协调最优控制及变参数PID控制相结合的方法,成功实现了对多焦炉集气管压力系统的精确控制,多座焦炉压力稳定在设定值10Pa内。     

炼焦生产过程控制系统的多层性能评估策略

针对炼焦生产过程分层递阶智能集成控制系统,提出一种多层性能评估策略.讨论了由炼焦过程经济性能、焦炉加热燃烧控制系统性能和专家分析模块三部分组成的多层性能评估策略的结构、功能和所用技术.用焦炭产量预测模型、炼焦过程能耗预测模型、基于模型预测控制的性能评估方法以及专家分析方法实现了炼焦生产过程控制系统的多层性能评估.所提出的性能评估策略成功应用于炼焦生产全流程智能集成优化控制仿真实验平台上,取得了明显的应用成效.     

基于能耗模型的生产优化

主要研究通过合理分配装置输出,来达到流程能耗最低的问题.上海某煤化工企业的甲醇生产流程拥有多套生产装置,但现行的生产流程中,某一上游装置只固定为某一下游装置提供输入,而某一下游装置也只接受某一上游装置的输出,这使得能耗固定且无法达到最优.针对这种情况,为降低企业甲醇生产流程的能耗,结合这些装置的直接能耗系数,做到合理地分配上游装置的输出,为下游某些装置提供输入(一个装置可为下游多个装置提供输入),来寻找能耗最低的一套生产方案.因此,生产优化问题可概述为:基于煤化工企业MES系统提供的数据,在装置连接关系一定、产品质量以及装置生产能力等约束条件的制约下,建立生产调度优化模型,来实现总能耗最低的目标.最后,通过比较煤化工企业当前的实际生产状况以及该优化模型的仿真结果,来说明优化模型的有效性.     

数据和知识驱动的城市污水处理过程多目标优化控制

城市污水处理过程优化控制是降低能耗的有效手段, 然而, 如何提高出水水质的同时降低能耗依然是当前城市污水处理过程面临的挑战. 围绕上述挑战, 文中提出了一种数据和知识驱动的多目标优化控制(Data-knowledge driven multiobjective optimal control, DK-MOC)方法. 首先, 建立了出水水质、能耗以及系统运行状态的表达关系, 获得了运行过程优化目标模型. 其次, 提出了一种基于知识迁徙学习的动态多目标粒子群优化算法, 实现了控制变量优化设定值的自适应求解. 最后, 将提出的DK-MOC应用于城市污水处理过程基准仿真模型1 (Benchmark simulation model No. 1, BSM1). 结果表明该方法能够实时获取控制变量的优化设定值, 提高了出水水质, 并且有效降低了运行能耗.     

多模态多目标优化综述

随着工业生产和日常生活需求的多样化,单个解决方案已经无法满足生产生活的需求.多模态优化可以为决策者提供多个可行方案,但是早期对多模态优化的研究局限在单目标优化中.在多目标优化中也存在多模态优化问题,其存在多个全局或局部帕累托最优解集,找到这些最优解集具有重大的理论和实际意义.鉴于此,首先,介绍多模态多目标优化问题的特点和求解难点;其次,综述求解此类问题的主要方法,总结这些方法的优缺点;再次,介绍常用的多模态多目标优化标准测试函数集和性能评价指标;最后,给出多模态多目标优化的应用领域及未来的研究方向.     

氧化铝生产中的约束多目标协调优化方法

研究了氧化铝生产中的约束多目标协调优化问题,旨在快速获得控制氧化铝生产运行指标的最佳设定值。为了求解这一问题,首先,利用高斯过程回归(Gaussian process regression,GPR)对该操作优化问题建立了数据预测模型。然后,针对循环效率和能耗约束所带来的一系列挑战,提出了一种利用不可行解的信息且具有自适应能力的优化算法。在该算法中,为了产生靠近可行域边界的不可行解,提出了利用目标值和约束违反程度对不可行种群进行更新的支配策略。同时,该算法通过变异策略和变异参数自适应策略来平衡算法的探索和开发能力。最后,基于实际生产数据验证了循环效率和能耗预测模型的准确性,并证实了所提算法在解决氧化铝生产运行指标优化问题中具有一定的优越性。     

基于改进粒子群优化算法的污水处理过程优化控制

针对前置反硝化工艺污水处理过程,提出了一种基于分工策略粒子群优化算法的优化控制方案.以国际水协会(IWA)开发的基准仿真模型BSM1为基础,综合考虑出水水质、曝气能耗和泵送能耗,通过动态优化底层PI控制器的最佳设定值达到出水水质高、能量消耗少的目的.基于分工策略的粒子群算法具有更强的全局寻优能力,仿真结果表明了该优化方案能够在保证污水水质达标的情况下,有效减少污水处理过程的能耗.     

基于混合蚁群优化的边缘计算细粒度任务调度方法

为缓解中心服务器的压力,制定合理的调度方案,基于混合蚁群优化算法提出了边缘计算细粒度任务调度方法。描述边缘计算任务调度问题,并设置假设条件,简化调度求解难度。通过计算任务的优先指数,按照从大到小的顺序排列后组成任务队列。分析边缘服务器性能特征,明确边缘服务器处理能力。构建能耗以及时延多目标函数,并设置约束条件,利用混合蚁群优化算法求解多目标函数,完成边缘计算细粒度任务调度方案设计。结果表明：该方法应用下的任务调度能耗和时延更小,说明所提方法性能更优,所获得的调度方案更合理。     

Dynamic multi-objective optimization control for wastewater treatment process

A dynamic multi-objective optimization control (DMOOC) scheme is proposed in this paper for the wastewater treatment process (WWTP), which can dynamically optimize the set-points of dissolved oxygen concentration and nitrate level with multiple performance indexes simultaneously. To overcome the difficulty of establishing multi-objective optimization (MOO) model for the WWTP, a neural network online modeling method is proposed, requiring only the process data of the plant. Then, the constructed MOO model with constraints is solved based on the NSGA-II (non-dominated sorting genetic algorithm-II), and the optimal set-point vector is selected from the Pareto set using the defined utility function. Simulation results, based on the benchmark simulation model 1 (BSM1), demonstrate that the energy consumption can be significantly reduced applying the DMOOC than the default PID control with the fixed set-points. Moreover, a tradeoff between energy consumption and effluent quality index can be considered.

     

高炉焦炭质量的GA-SVM模型预测

焦炭的质量对高炉冶炼的生产有着重要的影响,为保证焦炭质量产量的稳定以及优化焦炭质量,针对线性回归预测方法难以解决配合煤与焦炭质量指标之间的非线性问题,通过分析焦炭质量影响因素,提出了一种基于GA-SVM模型的焦炭质量预测,解决了模型中惩罚因子C、基函数参数σ和不敏感损失参数ε难以确定的问题.最后基于某炼焦企业数据进行仿真实验,与BP神经网络预测比较,结果表明优化后的GA-SVM模型具有较高预测精度,对焦炭生产具有一定的应用价值.     

DCS在兖矿焦化厂3#焦炉生产中的应用

介绍了DCS在兖矿焦化厂3＃焦炉回炉煤气主管压力控制，集气管压力控制，安全报警与安全保障中的应用，较为详尽的论述了系统的硬件组成，控制算法。实际运行结果表明了DCS系统在焦化生产监测与控制中的可行性。     

基于混合粒子群算法的锌电解过程能耗优化

针对锌电解过程能耗过高的情况,研究其能耗优化问题.根据电力部门实行的分时计价政策,建立以全天锌电解过程电能消耗和总用电费用为目标的锌电解过程多目标优化模型.提出一种带加速度调整的粒子群优化算法,当粒子陷入局部最优时,通过加速度策略增强种群速度,使算法获得持续搜索的能力,有效克服早熟收敛;并和Powell算法相结合构成新的混合粒子群算法,将粒子群算法的全局搜索能力与Powell算法的局部寻优能力有机结合起来.最后将该混合粒子群算法应用于所建优化模型的求解,获得优化生产方案.仿真结果证明了该算法的有效性.工业应用效果表明,按所得优化方案组织生产降低了电能消耗,减少了用电费用.     

补偿模型误差的采油过程多目标优化

通过对采油过程的分析,本文建立了以最大化区块产油量和最小化单位产油量综合能耗为目标的优化模型.针对单位产油量综合能耗模型的输出与实际值存在较大误差,利用高斯混合模型(GMM)对单位产油量综合能耗混合模型误差特性进行描述,实现对模型的误差补偿,并将误差补偿后的单位产油量综合能耗引入到已建的优化模型中,使得优化结果更接近实际最优值.在此基础上,采用带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)用于所建的多目标优化模型求解.最后,以某采油作业区一区块生产过程为例进行仿真验证,结果表明了所建模型和优化算法的有效性.     

微粉生产过程中磨机进出口温度多目标优化

微粉是钢铁废渣经过研磨后所形成的一种粉末,是一种高效且环保的建筑材料添加剂.在微粉生产过程中磨机进出口温度之间存在正相关的关系,但在正常工况下进口温度的升高将有助于提高产量,而出口温度的降低却有利于保证生产的安全性,因此温度设定值的求解将是一个多目标优化问题,较难获得最优值.从实际生产工况出发,采用非支配排序遗传算法II、多目标粒子群优化算法和多目标灰狼优化算法多种多目标优化算法求解此问题,并进行对比分析获得最优可行解集.优化后得到的解集能更好的为温度的设定提供参考,从而提升产量与生产的安全.     

炼焦生产过程综合生产指标的改进神经网络预测方法

针对炼焦生产过程综合生产指标 (焦炭质量、产量和焦炉能耗)检测的严重滞后问题,提出一种改进BP神经网络预测方法.首先基于相关过程参数的主元分析和灰色关联分析,确定出预测模型的输入输出变量;然后采用基于改进差分进化算法的BP神经网络建立预测模型,并与基本BP神经网络预测模型进行比较;最后,对改进BP神经网络预测模型进行了验证.实验结果表明,改进BP神经网络预测模型具有较快的收敛速度和较高的预测精度,模型的预测效果可以满足生产工艺要求.