序贯模块法在选矿流程模拟中的应用与实现

选矿流程模拟软件旨在实现各种选矿过程的模拟计算,以作为选矿过程设计与优化的强有力工具。首先给出选矿流程模拟模型;接着阐述了序贯模块法用于选矿流程模拟计算的自动解算方法,给出了基于可及矩阵法的系统分块方法,根据选矿流程拓扑结构特点,提出了基于有向图广度优先搜索的环路切割方法;说明了基于序贯模块法的流程模拟软件设计思路。采用设计的选矿流程模拟软件,模拟某有色冶炼企业选矿厂的磨矿分级过程,得到了与实际吻合的模拟计算结果,说明所设计软件能较好地模拟实际选矿流程。     

催化裂化反应—再生系统稳态模拟

为克服催化裂化反应—再生系统中微分代数方程求解的复杂性并提高稳态求解的收敛速度,加快系统整体模拟效率,本文采用GDEM加速稳态模型求解。本文基于基准假组分法建立了系统的稳态模型,根据装置的信息流图,通过序贯模块法进行整个系统的稳态模拟并给出模型求解策略和求解流程图。利用工业数据验证所建立模型的准确性和可靠性,通过3种不同的收敛算法考察本文模型对切断量初值的敏感性并比较3种算法下稳态模拟的计算速度及迭代次数。最后考察剂油比对油气产率及反应温度的影响,体现合理选择操作条件的重要性。     

甲苯苯甲酸分离流程的模拟

某化纤厂甲苯氧化制苯甲酸工段,需要对其反应混合物中的苯甲酸和其它反应副产物进行分离。根据模拟计算的要求,通过对反应机理与厂方提供的实际数据的分析,对反应混合物中未知组分的物性进行了合理的替代与假设。该分离过程主要包括苯甲酸蒸馏塔和精馏塔,但却包含一个回路。对该分离过程若使用序贯模块法进行模拟,需要对回路进行切割,并引入优化算法、编写外部程序与HYSYS嵌套,然后才能进行迭代计算,显得非常烦琐。根据本流程的特点,提出一种松弛模块法,利用软件提供的分流器替代普通迭代模块,对此流程进行了模拟,得到与实际相符合的计算结果。     

用序贯模块法模拟多组分完全复杂的精馏流程（Ⅱ）模拟计算实例

采用作者开发的简捷算法取得流程的设备及操作参数。用设计所得参数作为初值对流程进行了模拟计算，结果吻合较好，对各种加速收敛策略计算表明，收敛快而稳定，证明本文开发的算法是模拟多组分复杂精馏流程的一种有效方法。     

用序贯模块法模拟多组分完全复杂的精馏流程（Ⅱ）模拟计…

采用作者开发地简捷算法取得流程的设备及操作参数。用设计所得参数作为初值对流程进行了模拟计算，结果吻合较好。对各种加速收敛策略计算表明，收敛快而稳定，证明本文开发的算法是模拟多发复杂精馏流程的一种有效方法。     

一类快速匹配算法的模拟与比较

本文对于平均绝对差算法,序贯相似性检测算法以及分层序贯匹配法的匹配定位精度,运算速度和抗干扰性能进行了分析和比较。给出了序贯相似性检测算法中,自适应门限的选择方法。最后,在DPS8/52计算机系统上用三幅不同的航空照片进行了大量计算机模拟加以验证,为在实际应用过程中选用适当的算法提供了方便。     

基于联立法的PC-SAFT状态方程模型

PC-SAFT(Perturbed-Chain Statistical Associating Fluid Theory)状态方程可以准确计算聚合物的物性,但是基于序贯算法的PC-SAFT状态方程模型收敛性较差。本文在MATLAB软件环境下编制了PC-SAFT状态方程模型的计算程序并用联立法求解,将乙烯、氢气、乙烯-氢气双组分、含聚合物的多组分等体系的物性与Aspen Plus软件模拟所得的数据进行比较,结果十分吻合。同时在MATLAB软件环境下编制了序贯法求解的PC-SAFT状态方程计算程序,在收敛步数方面与联立法程序进行了比较,联立方程法显示了明显的优势。     

大规模动态系统递阶仿真的协调策略

在讨论了大规模动态系统常用仿真方法——联立方程法与序贯模块法所存在优缺点的基础上,提出了一种两级递阶仿真方法。着重对上级协调策略进行探讨。     

序贯模块法的面向对象程序设计

为了更好地实现化工模型的模块化,支持仿真平台的设计,本文以面向对象的程序设计思想,分析归纳了以传递函数为研究对象的序贯模块法的建模过程,取得了如下成果;通过分析传递函数的典型单元环节,设计了CSBlock类;通过分析以模块“组装”模型的序贯模块法,设计了CSModel类,最后,以CSBlock,CSModel类在大型合成氨厂工艺分析软件研究中的应用为例,阐明了序贯模块法颀向对象程序设计的重要意义。     

演化算法的收敛速率与效率分析

该文讨论了演化算法的收敛速度与效率问题．引入了衡量演化算法收敛快慢的新标准——收敛阶和收敛因子等概念，使用顺序统计方法讨论了收敛阶和收敛因子的计算问题．考虑到演化算法的收敛速度和每代群体的工作量,用收敛阶(或收敛因子)和函数评价次数定义了演化算法的效率．对于常见的球函数模型．推导出(μ，λ)演化策略收敛因子和效率公式．从理论上分析了(μ，λ)演化策略中参数μ，λ的最佳比值．     

改进工作集选择策略的序贯最小优化算法

针对标准序贯最小优化(sequential minimal optimization, SMO)算法采用可行方向工作集选择策略所带来的缓存命中率低下问题,给出了SMO类型算法每次迭代所带来的目标函数下降量的二阶表达式,并据此提出了一种改进的工作集选择策略.新策略综合考虑算法收敛所需的迭代次数及缓存效率,从总体上减少了核函数计算次数,因此极大提高了训练效率,并且,它在理论上具有严格的收敛保障.实验结果表明,核函数越复杂,样本维度越高,缓存容量相对训练样本的规模越小,改进工作集选择策略的SMO算法相较于标准SMO算法的性能提高就越显著.     

基于环形像素点匹配的快速图像跟踪算法

相关跟踪法能有效地跟踪目标,但非常费时。序贯相似检测法结合了粗-精搜索策略,在跟踪性能和时间上都有很大改进,但在处理时间上还有进一步提高的可能。基于特征点的跟踪方法在跟踪时运算量小,但提取目标的特征时需要大量运算,且特征点的提取往往不理想。针对以上不足,论文提出了基于环形像素点匹配的快速图像跟踪算法,该算法采用环形像素点为特征点,在借鉴序贯相似检测法的基础上,对匹配区域先进行粗搜索以确定待匹配窗口,再进行精搜索以确定正确的匹配窗口,最后利用相关跟踪法中的归一化相关系数确定模板的更新策略。实验结果表明,该算法不仅能稳定地跟踪目标,与相关跟踪法和序贯相似检测法相比,在处理时间上具有明显的优越性。     

基于三角模糊数序贯博弈的电网安全研究

智能电网系统面临着复杂性、多样性的网络安全风险。针对电网工艺漏洞攻防双方在博弈分析中无法对信息属性损失作出准确判断的问题,提出了一种三角模糊数序贯博弈模型。以序贯博弈树方法进行智能电网攻防博弈,构建出攻击者和防御者的最优策略,实现对智能电网的工控安全防护。通过对智能电网攻击者和防御者构建序贯博弈模型,得到攻防博弈效用。提出运用三角模糊数和概率分布向量的方法来构建非模糊化损失,得到攻防双方清晰化的系统损失值。对三角模糊数序贯博弈算法和贝叶斯序贯算法进行比较,得到智能电网均衡路径中的攻击者和防御者的最优策略,以保障智能电网网络安全运行和防护。该研究为智能电网以及典型工控系统网络安全博弈提供参考。     

一种移动机器人全局路径规划新型算法

针对模拟退火算法收敛速度慢这一缺陷，提出了一种基于共轭方向法和模拟退 火算法相结合的新型混合优化算法，并成功应用于机器人神经网络路径规划中．该算法可以 使优化解不陷入局部极值解而得到全局最优解．仿真实验研究表明：本文提出的这种新型混 合优化算法，计算简单，收敛速度快，显著提高了求解移动机器人全局最优化问题的计算效 率．     

一种基于分布均匀的自适应蚁群算法

本文在分析蚁群算法基本原理的基础上,针对蚁群算法加速收敛速度和早熟停滞现象的矛盾,提出一种采用聚度策略的基于分布均匀的自适应蚁群算法．给出数学模型和算法流程。     

渣油制氨气化—变换系统流程模拟

本文对UBE型渣油制氨的气化—变换系统进行稳态模拟。用马丁-候状态方程作为热力学模型来计算真实气体的热力学性质,并在此基础上引入平衡温距的概念来描述高温高压下的气化反应。根据Prausnitz提出的方法建立了8.7MPa压力下的汽液平衡模型,用校正的动力学方程来计算变换反应速度,采用序贯模块法进行了流程模拟。以设计工况为基准的实例分析表明模拟结果与实际数据符合良好。对各关键单元进行的模拟操作分析,为该系统的优化计算和改进现行操作工况提供了较好的依据。     

不动点视角下的强化学习算法综述

近年来,强化学习已成为求解序贯决策任务的范式.然而,在实际应用中,强化学习算法仍存在三个问题:(1)什么解最优?(2)如何保证算法的稳定性?(3)如何加速算法的收敛?本文从不动点视角总结了强化学习算法的设计原理.首先,分析了值函数估计最优解与可行解的构造问题;其次,根据Banach不动点定理和Lyapunov第二判定定理,总结了已有基于值函数强化学习算法的稳定性问题,包括基于表格、线性估计、非线性估计、非参估计等值函数的算法在同策略和异策略情况下的收敛性;然后,从不动点的偏差与方差控制角度,解读了多种提高算法准确性或收敛速度的改进思想;最后总结和展望了强化学习算法的改进方向.     

基于混合遗传算法的工作流重构研究

随着知识抽取、数据挖掘等技术的兴起，基于日志的企业流程重构引起了学术界和工业界的高度重视。本文针对目前重构算法大都采用本地策略因而无法保证最优挖掘以及算法对噪声不强壮的情况，提出了一种新的工作流重构算法。该算法结合遗传算法和模拟退火算法的思想，通过对流程活动依赖关系的度量，构建因果关系矩阵映射流程实例（CASE）作为种群染色体，进而完成初始种群的构建，有效地提高了收敛速度，减少时间开销，同时避免了早熟收敛，因此该算法在有效处理噪声问题的基础上，实现了对流程模型的正确挖掘。     

关联规则的序贯抽样算法比较研究

关联规则发现是数据挖掘的核心技术,其中最经典的算法是Apriori算法。Apriori算法创建模型的方法是一次性抽样的方法。这种机器学习中传统而主流的建模技术,通常需要大量的样本量,这无疑会导致算法执行效率低下。最近几年,一些自适应的抽样建模方法逐渐得到重视,其中CarlosDomingo眼3演提出的基于序贯抽样理论的可升级性算法是其中之一,这一方法为用更少的资源建立稳健且不断更新的模型提出了新的思路。文章首先比较序贯抽样算法与传统的一次性抽样算法在关联规则中发现中的不同,接着论述将序贯抽样算法与Apriori算法结合同时达到节省空间和样本量的APASAR算法,最后通过模拟比较三种不同算法的执行效果。     

连续过程的多目标优化

在模块环境(Aspen Plus)下,建立了基于多目标遗传算法NSGA-Ⅱ求解多目标优化问题的系统结构,并对含循环物流的连续过程废料最小化问题进行求解。在求解过程中遗传算法需要反复调用流程模拟,而流程中循环物流的迭代收敛使优化计算效率较低。为减少流程迭代次数本文提出2个加速策略:一是变收敛精度策略,在优化计算初始阶段,使流程在较低精度下收敛,快速淘汰劣点,随着优化的进行,将流程收敛精度逐步提高,得到高质量的非劣解;二是循环流初值策略,利用已有的计算值,回归决策变量与循环流变量的对应关系,改善循环流初值。实例结果表明,加速策略减少了一半左右的流程迭代次数,效率提高50%,本文提出的求解多目标问题的方法能方便地得到问题的Pareto最优解集,可应用于一般连续化工过程的多目标优化。