混沌搜索方法及其在化工过程优化中的应用

提出利用混沌搜索方法结合精确不可微罚函数求解约束优化问题的新方法 ,并将该方法用于闪蒸过程优化 .结果表明 ,该方法算法简单 ,实现容易 ,求解精度和可靠性较高 ,是解决化工优化问题的有效方法 .     

变尺度混沌遗传算法及其在冷扎参数化中的应用

针对标准遗传算法存在的收敛速度慢，易陷入局部极小等问题，提出智能化新方法，基于变尺度混沌优化策略的混沌遗传算法，对经过一次遗传操作的群体进行混沌搜索寻伏，引导种群快速进化，并将其成为应用于冷轧参数的优化计算中。     

基于蚂蚁智能体调度的混沌搜索算法及化工应用

针对混沌搜索随机性的缺点和遍历性的优点,提出了一种基于蚂蚁智能体调度的混沌搜索算法（chaos optimization algorithm based on ant agent scheduling,CAAS）。该算法将解空间的每维变量都划分成若干子域并分配一定规模的蚂蚁智能体,蚂蚁智能体在各子域中进行混沌搜索。同时,根据每维变量各个子域中信息素浓度决定蚂蚁智能体在各个子域间的转移,以有效克服传统混沌优化算法的随机性,实现快速的全局最优搜索。分别采用传统混沌优化算法和CAAS对标准的非线性连续优化问题进行寻优。结果表明：CAAS的全局搜索性能、收敛速率都明显地优于混沌优化算法。最后,将该算法应用于对羧基苯甲醛含量软测量模型参数估计,取得良好的效果。     

直接接触式沸腾换热过程气泡混合均匀度评价

针对直接接触式沸腾换热过程中气泡群扰动的多相流体混合性能评价问题,提出一种基于图像处理技术与像素偏差理论量化混合复杂流体流型均匀性的精确检测与度量新方法。通过气泡群RGB图像的灰度矩阵进行偏差计算,精确地定量描绘了直接接触式换热过程中的气-液混合状态,其值大小反映了气泡群的分布状况,而不同工况下混合均匀时间的差异反映了不同多相体系的均匀性差异;对偏差序列进行正态性检验,发现其近似符合正态分布;运用混沌检测方法对序列进行混沌特征分析,发现整个混合过程是混沌的。通过一个简单的指标实现了复杂条件下气泡群的量化和表征,为多相流流型识别提供了新的分析思路并指导换热过程的混沌强化。     

直接接触式沸腾换热过程气泡混合均匀度评价

针对直接接触式沸腾换热过程中气泡群扰动的多相流体混合性能评价问题,提出一种基于图像处理技术与像素偏差理论量化混合复杂流体流型均匀性的精确检测与度量新方法。通过气泡群RGB图像的灰度矩阵进行偏差计算,精确地定量描绘了直接接触式换热过程中的气-液混合状态,其值大小反映了气泡群的分布状况,而不同工况下混合均匀时间的差异反映了不同多相体系的均匀性差异;对偏差序列进行正态性检验,发现其近似符合正态分布;运用混沌检测方法对序列进行混沌特征分析,发现整个混合过程是混沌的。通过一个简单的指标实现了复杂条件下气泡群的量化和表征,为多相流流型识别提供了新的分析思路并指导换热过程的混沌强化。     

基于改进0-1测试的多相宏观混合效果混沌表征

针对多相搅拌混合效果的量化特征提取提出一种新思路:利用改进型0-1混沌测试方法表征多相混合过程贝蒂数时间序列的混沌特性,并优化混合效果与评价特征值之间定量协调关系。研究发现,将贝蒂数时间序列的渐进增长率Kc的中值作为混沌检测依据,可更加精确地表征不同混合过程中混沌度的差异性变化。贝蒂数混合效果评价方法表明,零维贝蒂数β0与一维贝蒂数β1之间存在相关性,经验证β0时序的Kc中值和β1时序的Kc中值之间也存在较强的正相关性,理论上更加符合β0和β1的代数拓扑学意义。在此基础上进一步发现基于混沌检测的渐进增长率Kc中值与表征混合效果的贝蒂数指标之间具有相关关系,相关系数为0.645,并且Kc中值表征混合效果的有效性由水动力学实验得到了验证。本研究对于拓展和丰富贝蒂数混合效果评价方法具有重要意义。     

混沌最小二乘支持向量机及其在发酵过程建模中的应用

针对青霉素发酵过程的参数检测存在不确定因素,提出一种基于混沌最小二乘支持向量机的青霉素浓度预测方案。采用混沌优化算法对最小二乘支持向量机参数进行寻优,建立了一种混沌最小二乘支持向量机模型。首先,利用该模型对两种常规非线性函数曲线进行了仿真回归,结果表明,算法具有良好的建模精度;其次,基于Pensim仿真平台,运用文中方法预测青霉素发酵过程的产物量,实验仿真表明混沌优化算法具有良好的全局优化性能,在参数选择中可以有效避免陷入局部最小值,基于混沌优化的最小二乘支持向量机具有较高的建模精度。     

混沌优化反馈校正串级控制

针对串级控制系统控制器参数不好选取的问题,提出一种混沌优化反馈校正方法。该方法利用混沌遍历性首先对内环被控对象进行模型识别,然后根据识别出的模型进行离线控制器参数优化,再对整体进行模型识别得到控制器参数,最后设计反馈校正主控制器。以数学模型为被控对象进行了仿真,仿真结果表明:该控制方法具有较强的跟踪能力和鲁棒性。     

混沌粒子群算法及其在生化过程动态优化中的应用

化工过程的动态优化,大多较为复杂,有相当的难度.新近发展的粒子群优化算法,基于群智能机理,适于求解连续问题,但它不具备遍历特性,影响了全局搜索能力.本文拟引入混沌机制,以混沌变量的遍历性改进粒子群算法,使其更全面地获取目标函数的有用信息,并反映到逐代更新的个体极值和群体极值中,可更有效地带领粒子群移向最优解,提高了全局搜优效率.由此构建为混沌粒子群算法,经多个性能测试,表明其搜索能力优于经典粒子群算法,引入混沌机制是有效的.将其用于Park-Ramirez生物反应器补料流率的动态优化,也取得了满意的效果.     

CMPSO算法在参数辨识中的应用

通过对系统数学模型的分析,将系统参数辨识问题转化为优化问题,然后利用改进粒子群优化算法实现系统参数辨识.提出的混沌变异粒子群(CMPSO)搜索算法提高了搜索效率并增强了摆脱陷入局部最优的能力.     

An intelligent SVM modeling process for crude oil properties prediction based on a hybrid GA-PSO method

Properties prediction of crude oil remains an essential issue for refineries. In this communication, an exhaustive and extendable support vector machine(SVM) intelligent prediction process has been proposed to solve this problem. A novel hybrid genetic algorithm-particle swarm optimization(GA-PSO)method was applied to optimize the SVM model. The optimization process and result demonstrated that the newly proposed GA-PSO-SVM method was more accurate and time-saving than the classical GA or PSO method. Compared with the classical Grid-search SVM, the combined GA-PSO-SVM model appeared to be more applicable for the properties prediction task. The TBP distillation curve fitting was exampled to evaluate the performance of the developed model. The regression result demonstrated the high accuracy and efficiency of the proposed process. The model can be applied in the Industrial Internet as a plugin, and the adaptability and flexibility is demonstrated by the implement of crude oil molecular reconstruction employing the intelligent prediction process.     

芳烃抽提过程多目标优化

芳烃抽提是芳烃生产过程的重要环节,其生产调优对提高整个芳烃联合装置的效益具有重要意义。基于流程模拟及响应面分析方法,得到了芳烃抽提过程的产品纯度模型及能耗模型。建立了以产品纯度最大化及过程能耗最小化的多目标优化模型。提出了一种改进的自适应加权求和算法,并用于多目标优化模型的求解。求解结果表明新算法在Pareto最优解分布的均匀性上与原算法相当,但求解效率要高于原算法。给出了不同产品等级下的最佳操作参数,采用优化后的操作参数可有效地提高产品纯度并降低过程能耗。提出的多目标优化模型及求解算法用于芳烃抽提过程的操作调优,可有效地提高决策的准确性。     

基于在线Kriging模型的隔板塔优化方法

隔板塔是一种新型的精馏节能技术,但其优化设计属于混合整数非线性规划问题,优化求解困难。本文提出在线Kriging代理模型优化方法,将其应用于隔板塔年度总费用优化。与传统离线代理模型相比,本文方法采用少量的隔板塔严格模拟数据点,即可得到优化问题的最优解。计算表明,较传统离线代理模型,本文提出的在线代理模型显示了更高的准确性和有效性,可以克服传统离线代理模型优化耗时、计算量大的缺点。     

Rolling horizon based planning and scheduling integration with production capacity consideration

The rolling horizon method has been proposed to address the integrated production planning and scheduling optimization problem. Since the method can generally result in small-scale optimization model and fast solution, it has been used in a number of applications in realistic industrial planning and scheduling problems. In this paper, it is first pointed out that the incorporation of valid production capacity information into the planning model can improve the solution quality in the rolling horizon solution framework. A novel method is then proposed to derive the production capacity information representing the detail scheduling model based on parametric programming technique. A heuristic process network decomposition strategy is further applied to reduce the computational effort needed for larger and more complex process networks. Several case studies have been studied, which illustrate the efficiency of the proposed methodology in improving the solution quality of rolling horizon method for integrated planning and scheduling optimization.     

基于分阶段的LSSVM发酵过程建模

发酵过程建模是研究微生物发酵的重要课题,基于模型可实现被测参量的软测量、系统的优化控制。鉴于引入混合核函数的最小二乘支持向量机在过程建模中具有优良表现,采用基于混合核函数的最小二乘支持向量机建模。但由于发酵过程周期较长,最小二乘支持向量机的全局模型预测精度难以保证,算法复杂度很高,因此提出一种分阶段建模方法。首先,选择表征阶段特性的辅助变量,利用模糊C均值聚类算法对样本数据聚类,将发酵过程分成不同的阶段,然后为各个阶段分别建立最优混合核最小二乘支持向量机局部模型,最后将局部模型合成构成过程的完整模型。将此方法应用于青霉素发酵过程和重组大肠杆菌发酵过程中,验证了该方法的有效性。     

基于PSO-控制变量参数化混合策略的间歇化工过程优化控制

控制变量参数化方法作为一种化工过程动态优化的梯度搜索算法，其求解效率过于依赖初始给定轨迹。目前初始轨迹一般都是设定在边界值或中间值，缺乏科学依据，从而大大影响了算法的收敛速度。针对这一问题，提出了一种粒子群优化(PSO)与控制变量参数化方法混合的策略，首先利用粒子群优化对间歇化工过程最优控制量进行求解，结果作为控制变量参数化方法初始给定轨迹，进行二次优化。双层优化的混合策略提高了控制变量参数化方法的收敛速度和粒子群优化算法的求解精度。将混合策略应用于两个间歇化工过程优化控制实例，仿真结果表明了该算法对求解化工过程动态优化问题具有可行性和有效性。     

基于Kriging代理模型的稳健优化设计

稳健优化设计需要进行不确定性分析,优化过程比较费时。为提高计算效率,提出了基于Kriging代理模型的稳健优化设计方法。该方法结合双重Kriging代理模型和多点加点准则进行稳健优化设计。双重Kriging代理模型的建立,减小了不确定性分析的计算量,提高了计算效率。多点加点准则实现了序列的迭代优化,在保证计算效率的同时提高了对全局最优解的逼近程度。数学函数测试结果表明,与一般模拟基稳健优化方法相比,本文所提出的序列稳健优化方法在效率上有很大的提高。最后,考虑注塑工艺的不稳定性,对一盒式注塑制件的壁厚和工艺进行稳健优化,结果表明该稳健优化设计方法是有效的。     

A general framework for preventive maintenance optimization in chemical process operations

Chemical process reliability has become more recognized both in terms of its impact on economics, and for providing academically challenging problems. In this work, we give an overview of some of the major challenges in formulating and optimizing preventive maintenance. As a result, we propose a general framework for preventive maintenance optimization that combines Monte Carlo simulation with a genetic algorithm.

This proposed approach has distinct advantages. When applied to opportunistic maintenance problems, the method developed overcomes demonstrated shortcomings with analytic or Markov techniques in terms of solution accuracy, versatility, and tractability. The framework is easily integrable with general process planning and scheduling, and it provides sensitivity analysis. Furthermore, a genetic algorithm combines well with Monte Carlo simulation to optimize a non-deterministic objective function.     

基于最小二乘法预测的导热反问题求解

根据体表红外热像图获得体内异常热源信息可抽象为一个含有未知内热源的导热反问题,其求解过程需要对计算区域内温度场进行反复计算,对于复杂的三维物理模型反演过程耗时较长。采用粒子群算法用以反演未知参数,并结合最小二乘法对部分粒子位置对应的目标函数值进行预测。在反演过程中,对远离群体的粒子进行位置的重新分配,避免计算资源的浪费。分析不同预测系数对粒子搜索过程的影响,采用了线性递减的预测系数。数值验证结果表明：基于最小二乘法预测的粒子群算法能在保证反演精度的前提下减少导热问题计算次数,缩短反演所需时间。