全局群搜索优化算法及其在汽油调合中的应用

汽油调合配比生产优化是一种非线性约束的多峰优化问题。针对一般群智能优化算法在解决此类优化中易陷于局部最优解,提出了一种改进的群搜索优化算法--全局群搜索优化算法（GGSO）。该算法采用混沌机制初始化粒子在解空间内均匀分布;在算法前期,保留GSO的追随者进化策略,以保证算法的收敛速度。在算法后期,对追随者引入速度更新和个体最优,以保证算法的收敛精度;在粒子陷入局部极值时,对追随者和游荡者引入一种新的交叉、变异机制和自适应混沌扰动机制,以保证粒子跳出局部极值,提高算法全局寻优性能。分别用4个标准测试函数对优化算法进行测试,结果表明：GGSO算法与标准GSO、线性递减惯性权重粒子群算法（LDWPSO）比较,收敛速度和全局寻优性能有明显优势。汽油在线调合优化实例应用表明：该算法有较快的收敛速度,能够较准确地寻得全局最优。     

基于混合粒子群算法的复杂相平衡计算方法

对于含有两个部分互溶液相的相平衡问题,采用经典方法收敛困难或易陷于平凡解。为此根据最小Gibbs自由能原理,提出采用混合粒子群算法搜索全局最优解,计算得到系统的最小Gibbs自由能状态,实现复杂相平衡计算。通过改建目标函数,减少计算量,并引入组分相分率,将物料平衡约束转换为规范型立方空间的优化问题,适于粒子群算法搜索。在常规粒子群算法中引入Nelder-Mead单纯形操作,可显著提高搜优的速率和精度。将其应用于甲苯-水-苯胺液液平衡和苯-乙腈-水汽液液平衡计算,取得了良好的效果。     

精馏塔联立优化的简约空间SQP算法

引言采用面向开放式方程的联立算法求解精馏塔优化问题,可以使模拟计算和寻优搜索在同一层迭代中完成,避免了双层法每一步优化搜索都需进行模型收敛计算的缺点,从而可以大大提高计算效率．而且原则上可任意指定自由变量．无论是模拟计算、操作优化还是设计优化都可以利用这个灵活的计算结构进行解算.高效、可靠的非线性约束最优化算法是实现精馏塔联立优化的关键．在流程模拟和过程系统优化中,序贯二次规划法（SequentialQuadraticProgramming,SQP)因其较高的计算效率而被广泛应用．SQP算法中,每一个迭代步都需要求解一个QP子问题…     

改进的教学优化算法及其应用

针对教学优化算法（TLBO）收敛速度慢,容易陷入局部最优的问题,本文提出了一种改进的方法。算法的改进主要在两方面：一是对教学因子（TF）进行自适应调整,使TF随算法迭代减小,这样算法在搜索前期采用全局搜索,搜索空间快速收敛于最优解附近,提高搜索速度,搜索后期采用局部精细搜索以获得高精度的解。二是引入信任权重,对学生已获得的知识采取部分信任的策略,避免对已获取知识的过分信任,增加学生个体与教师及学生之间的信息共享,利于算法跳出局部最优。算法在8个标准测试函数上应用,仿真结果表明改进的算法有更快的收敛速度并且能够跳出局部最优。最后将改进的算法应用到乙烯裂解炉裂解运行效益优化中,显著提高了裂解炉的效益。     

有约束过程动态优化问题的改进克隆选择算法

状态变量带约束的过程动态优化问题是化工系统工程的重要课题,有一定的难度。通过将其转换为等价的非线性规划后,可采用元启发式方法求解。人工免疫系统的克隆选择算法(CSA)简练易用,全局搜索性能良好,但局部寻优能力较弱,且无处理约束的机制。为此,拟引入免疫网络自学习算子,均匀设计方法,以及目标与约束分离的处理机制,构建改进的克隆选择算法(ICSA),并将其用于状态变量带约束的间歇反应器和乙醇生物反应器的动态优化等实例,效果良好。试验结果表明三种策略有效地改进了CSA的性能,使ICSA能以较少的计算代价搜索到较优的控制策略。     

基于SQP法的ECSS-化工之星优化模块的解算策略

逐次二次规划算法(SQP)是 目前求解非线性约束优化问 题十分有效的方法 ,是当前 非线性约束优化问题中潮流 性的研究课题,ECSS-化工之 星中的优化模块就是以SQP 法为基础建立的 。本文具体 阐述了ECSS-化工之星通用化 工模拟软件中优化模块的具 体解算策略 。     

多目标粒子群算法用于补料分批生化反应器动态多目标优化

多目标优化是过程系统工程的重要课题，通常以加权或约束方式将其转换为单一目标，未能反映多目标间的复杂关系，不利于随时根据需求作出有效的决策。基于群智能的粒子群算法具有全局优化性能，且易于实现。为使其适于多目标优化，应拓展功能，实施改造。以Pareto支配概念评价种群个体的优劣，设计了确定局部最优点和全局最优点的操作。又利用各粒子的局部最优点信息进行速度更新，以加强种群的多样性，避免因早熟而陷于局部最优。还设置了外部优解库，并通过分散度计算，以适当的策略进行更新，使之逐步均匀地逼近于Pareto最优解集。由此构建一种多目标粒子群优化算法（multi-objective particle swarm optimization，MOPSO），并用于补料分批生化反应器的动态多目标优化，取得了满意的结果。可基于所搜得的Pareto最优解集，分析目标间的关系，为合理决策提供有效的支持。经与NSGA-II比较，MOPSO算法具有更为优良的性能。     

一种改进粒子群算法及其在聚乙烯热分解动力学分析中的应用

随着计算机技术的发展，粒子群算法在聚合物的热分解动力学领域广泛应用。虽然粒子群算法可以实现全局寻优，但也存在收敛速度慢且易陷入局部最优解的缺陷。针对标准粒子群算法的缺陷，引入自适应惯性权重与加速常数对粒子群算法进行改进，提出一种动态自适应粒子群算法（DAPSO），并进行6个测试函数的仿真实验。结果表明：DAPSO算法比MPSO及MeanPSO算法收敛速度更快且精度更高。将DAPSO算法与Kissinger法结合得到了K-DAPSO算法，分别利用DAPSO算法与K-DAPSO算法结合聚乙烯DTG曲线，对两步平行反应模型进行参数反演。K-DAPSO算法较DAPSO算法能够更快收敛到最优解。提出的两步平行反应模型能够准确描述聚乙烯热失重曲线复杂的多峰结构。     

基于活跃约束条件辅助目标的进化算法求解油品调合问题

根据油品调合问题的特点,提出了一种基于活跃约束条件辅助目标的求解约束优化问题的新方法。该方法根据进化算法种群中的可行解和不可行解共同辨识约束优化问题的活跃约束条件。然后,通过增加活跃约束条件辅助目标的方法将单目标约束优化问题转换为多目标约束优化问题进行求解。通过该方法,相应的进化算法可以利用油品调合问题的活跃约束条件信息,从而达到提高进化算法求解油品调合问题的搜索效率和避免局部最优解的目的。最后,通过仿真研究证实了该方法的有效性。     

4种智能算法在相平衡数据拟合中的应用

针对Marquardt-Levenberg法应用于多元物系相平衡数据拟合时,模型参数剧增,初值难以设定的难题,将4种智能算法,即遗传算法、神经网络,退火算法及粒子群算法,应用于相平衡数据的拟合。以正丙醇（1）+乙腈（2）二元物系汽液相平衡数据的Wilson拟合和甲醇（1）+乙腈（2）+1-乙基-3-甲基咪唑四氟硼酸盐（3）三元物系汽液相平衡数据的NRTL拟合为例,系统讨论了4种算法在应用时的主要影响因素,并将所得结果进行了分析和比较。结果表明遗传算法和粒子群算法可以较好地解决初值难设的问题,并且给出了每种算法的适用范围和使用建议。     

化工过程混合故障诊断系统的应用

故障诊断是保障化工过程安全、平稳进行的一个重要工具。主成分分析法(PCA)作为典型的故障诊断方法,已经广泛应用于各类化工过程的故障诊断,但在复杂过程的故障类别判断上还存在不足。而人工免疫系统对于自我-非我的识别能力有助于对故障类别的判断,并且其良好的自适应、自学习能力,有助于在诊断过程中对系统的完善和改进。本文将主成分分析法与人工免疫系统结合,建立了一个新的混合故障诊断系统,实现对于化工过程故障的早期诊断,并用Honeywell公司的UniSim平台建立了一个动态的化工过程模型,对该诊断系统进行了验证。     

人工免疫系统在间歇化工过程故障诊断中的应用

故障诊断是保证化工过程稳定性和安全性的重要技术。本文结合动态时间规整算法提出了一个基于人工免疫系统的间歇化工过程故障诊断方法,并成功应用于青霉素发酵仿真过程的故障诊断。诊断结果显示,该方法可以满足间歇过程的在线动态故障诊断要求,并且通过自学习可以对未知故障进行诊断。     

Feature selection for chemical process fault diagnosis by artificial immune systems

With the Industry 4.0 era coming, modern chemical plants will be gradually transformed into smart factories, which sets higher requirements for fault detection and diagnosis (FDD) to enhance operation safety intelligence. In a typical chemical process, there are hundreds of process variables. Feature selection is a key to the efficiency and effectiveness of FDD. Even though artificial immune system has advantages in adaptation and independency on a large number of fault samples, antibody library construction used to be based on experience. It is not only time consuming, but also lack of scientific foundation in fault feature selection, which may deteriorate the FDD performance of the AIS. In this paper, a fault antibody feature selection optimization (FAFSO) algorithm is proposed based on genetic algorithm to optimize the fault antibody features and the antibody libraries' thresholds simultaneously. The performance of the proposed FAFSO algorithms is illustrated through the Tennessee Eastman benchmark problem.     

多相多组分体系相平衡计算的改进τ因子法

提出了一种多相平衡计算的改进τ因子法,该方法基于一种修正各相摩尔分数和的概念,研究模型的建立和用遗传算法计算多组分复杂体系的相平衡问题。首先通过建立数学模型,将相平衡计算问题转化为带线性约束的非线性规划(NLP)问题;其次用遗传算法对模型进行求解,并通过对优化变量采取动态边界的可行域编码方法保证了算法的有效实施;最后对2个体系的计算表明,结果与文献值相吻合,且此方法不仅可以求解不含化学反应体系的相平衡问题,也同样适用于含化学反应体系的相平衡计算,是一种比较可靠和通用的方法。     

Biodegradable iron chelate for H2S abatement: Modeling and optimization using artificial intelligence strategies

A batch reactor process for the abatement of a common pollutant, namely, H₂S using Fe³⁺-malic acid chelate (Fe³⁺-MA) catalyst has been developed. Further, process modeling and optimization was conducted in the three stages with a view to maximize the H₂S conversion: (i) sensitivity analysis of process inputs was performed to select the most influential process operating variables and parameters, (ii) an artificial neural network (ANN)-based data-driven process model was developed using the influential process variables and parameters as model inputs, and H₂S conversion (%) as the model output, and (iii) the input space of the ANN model was optimized using the artificial immune systems (AIS) formalism. The AIS is a recently proposed stochastic nonlinear search and optimization method based on the human biological immune system and has been introduced in this study for chemical process optimization. The AIS-based optimum process conditions have been compared with those obtained using the genetic algorithms (GA) formalism. The AIS-optimized process conditions leading to high (≈97%) H₂S conversion, were tested experimentally and the results obtained thereby show an excellent match with the AIS-maximized H₂S conversion. It was also observed that the AIS required lesser number of generations and function evaluations to reach the convergence when compared with the GA.     

计算机辅助现有化工过程操作最佳化

应用计算机技术来改进现有化工过程操作,对提高化工企业的经济效益有重要的意义.模拟调优通过计算机辅助过程优化技术寻求过程系统的最佳条件,可以使过程达到最佳运行.本文对基于序贯二次规划的两层法作了改进,在二次规划中引入额外变量,构造了新的二次规划问题,并提出了此规划问题的分解策略,从而保证分解矩阵为奇异时仍能对其进行分解.本文提出的两层次-序贯二次规划法,数值稳定性好,收敛较快.用此算法对合成甲醇过程进行优化计算得到了满意的结果,巳在工业装置上实现.     

神经网络技术用于醇水盐体系汽液平衡关联和预测

运用神经网络 ,对 32个醇水盐体系的汽液平衡数据进行了关联 ,计算值与实验值符合良好 ,泡点温度和汽相组成的平均偏差分别是 0 .93K和 0 .0 15。对未列入该模型的体系的汽液平衡进行了预测 ,也取得了较好的结果。     

DNA Double Helix Based Hybrid GA for the Gasoline Blending Recipe Optimization Problem

A hybrid genetic algorithm is proposed for heavily nonlinear constrained optimization problems by utilizing the global exploration and local exploitation characteristics, and the convergence rate of the proposed algorithm is analyzed. In the global exploration phase, a DNA double helix structure is used to overcome Hamming cliffs and DNA computing based operators are applied to improve the global searching capability. When the feasible domains are located, the sequential quadratic programming (SQP) method is performed to quickly find the local optimum and improve the solution accuracy. The comparison results of typical numerical examples and the gasoline blend recipe optimization problem are employed to demonstrate the reliability and efficiency of the proposed algorithm.     

基于人工免疫算法的入侵检测系统

将人工免疫的理论运用到计算机入侵检测系统中。充分利用了人工免疫系统的分布性、自适应性、记忆性和高效性。为入侵检测系统的高误报率和缺乏自适应性的问题提供了一个可实用模型。     

应用遗传算法求解含化学反应体系的相平衡

基于Gibbs自由能最小原理 ,提出一种求解含化学反应体系相平衡的方法。采用反应进度和相分率消去等式约束 ,将含化学反应体系的相平衡计算转化为无约束的最优化问题 ,并应用遗传算法求解。采用本文提出的方法 ,能够避免计算中负数的组分摩尔数或摩尔分数的出现 ,确保得到组分的摩尔数或摩尔分数为非负的全局最优解。以聚甲醛反应体系的汽液平衡计算为例 ,表明本文所提出的方法是可行和有效的