热集成变压精馏分离乙二胺-水共沸体系的模拟优化

针对乙二胺-水共沸物组成对压力较为敏感的特性,采用部分热集成变压精馏工艺分离该共沸物。先利用Aspen Plus软件对该工艺进行稳态模拟,再以理论塔板数、进料位置、回流比为优化变量,水和乙二胺的纯度为约束,以年度总费用（total annual cost,TAC）为目标函数建立乙二胺-水共沸体系分离系统的优化设计模型。采用列队竞争算法对该分离过程主要工艺参数进行优化,得到了变压精馏分离乙二胺-水体系的最佳工艺操作参数及设备参数。模拟结果表明,利用算法对多变量进行同时优化可得到更具经济效益的分离系统,与传统优化结果相比,可降低TAC约7.31%。在此基础上,对高压塔的操作压力进行优化分析,将其由2atm提升至4atm（1atm=101325Pa）,并对流程其他参数进行优化,可显著降低TAC约24.62%。进一步,采用部分热集成比普通变压双塔精馏降低TAC约21.87%     

公用工程系统多周期操作的优化调度

针对公用工程系统必须满足外界蒸汽和电力的需求发生周期性变化的情况，建立了优化调度模型，目标函数考虑了每个周期的操作费用和周期之间设备启动和停运的转运费用。提出了用列队竞争算法和动态规划法分步求解的计算方法，此方法所需的计算时间仅与周期数成正比，而且能得到全局最优解。用实例计算说明了提出的方法的有效性。     

用列队竞争算法求解布局-分配问题

布局一分配问题可以归结为一个混合整数非线性规划问题，为应用列队竞争算法来求解这个问题，提出了一个将整数变量和连续变量并行处理的策略，这一策略能使局部搜索与全局搜索达到较好的统一。用列队竞争算法对一个大规模的布局-分配问题进行了求解，得到的最好解优于文献报道的结果。统计计算结果表明，列队竞争算法对求解大规模的全局优化问题具有较好的稳健性和搜索效率。     

制浆厂洗涤用水最优化

本文基于系统工程的原理，建立了稀释因子最优化的数学模型，并举例作了计算．     

神经网络降维分析法用于制浆蒸煮工艺条件的优化

用神经网络降维分析法把制浆蒸煮工艺过程的样本数据降维映射到二维平面上,并生成纸浆得率和纸浆硬度的等值线,由此可直观地确定出控制纸浆硬度在一定范围内而纸浆得率较高的优化操作区域.优化区域中的任意点通过逆映射可转变成实际的操作条件.用实例演示了这一新方法的应用.     

基于BP神经网络和列队竞争算法的低温甲醇洗过程参数优化

本文提出了基于BP(Back Propagation)神经网络和列队竞争算法的方法优化低温甲醇洗工艺操作参数。首先,以流程模拟软件对该工艺进行模拟,获得初始样本数据;然后,应用BP神经网络对所获数据进行训练,实现神经网络输出与实际模拟结果的一致;最后,综合列队竞争算法和BP神经网络对低温甲醇洗工艺过程进行参数优化。实例计算结果表明,训练好的BP神经网络输出与实际模拟结果间的误差小于2%,将其应用于优化计算可大幅缩短计算时间,提高计算效率;优化计算结果能够在满足分离要求的条件下,降低公用工程消耗量13%,降低气提用氮气量8.1%,节能效果十分明显。     

己内酰胺分离过程的多目标优化

应用流程模拟软件Aspen Plus对环己酮-磷酸羟胺(HPO)法生产己内酰胺中的分离过程进行了模拟,在此基础上,建立了己内酰胺收率最大化、精馏塔能耗最小化和苯消耗量最小化的多目标优化模型。应用带精英策略的非支配遗传算法(NSGA-Ⅱ)对该模型进行了求解,所得最优解集Pareto前沿揭示了苯消耗量与能耗对己内酰胺收率影响的规律。本文工作对己内酰胺分离过程的设计与操作优化有参考作用。     

全局优化搜索新算法——列队竞争算法(Ⅰ) 解非线性和混合整数非线性规划问题

提出了一种称为列队竞争算法(LCA)的群体搜索算法,该算法在进化过程中始终保持着独立并行进化的家族,通过家族内部的生存竞争和家族间的地位竞争这两种不同的竞争方式,使群体快速进化到最优或接近最优的区域.根据家族的目标函数值大小排列成一个列队,按列队中家族地位的不同分配不同的搜索空间,使局部搜索与全局搜索达到均衡,同时,应用逐步收缩搜索空间技术加速收敛速度.数值计算表明,列队竞争算法的搜索效率优于遗传算法和模拟退火法等算法.     

化学工程与工艺专业卓越工程师人才培养模式的思考与探索

随着我国经济社会发展和高等教育改革的需要,教育部启动和推进了卓越工程师教育培养计划(PETOE),创新应用型本科人才培养模式成为当前实施质量工程、提高本科教学质量的重要任务。武汉理工大学的化学工程与工艺专业采取"1+2+1"模式实施卓越工程师培养计划,以实现教学、科研、工业三位一体的教学模式。该教学模式的实施和实现将可为高校化学工程与工艺专业卓越工程师的培养和改革提供参考和借鉴。     

考虑时变风险的成品油二次配送路径优化

成品油属于易燃易爆炸危险品,其配送过程一旦发生事故后果严重。考虑到配送过程人群聚集程度、载重和车速的动态变化,本文建立时变风险度量模型,运用BP神经网络预测车速,预测了城市高速路段和主干路路段的车速。在此基础上,构建了同时考虑配送成本与时变风险的成品油二次配送双目标路径优化模型,并提出改进的多目标列队竞争算法进行求解。本文还采用改进的多目标列队竞争算法求解文献报道的实例,求得非支配解完全支配文献报道中的非支配解,验证了算法的有效性。某武汉石化企业实例研究表明,预测的车速具有较高的准确度,所提出的方法能同步考虑配送过程的时变风险和配送成本,求得的Pareto最优配送路径集可以为企业决策者提供多样化的选择方案,具有较好的应用价值。