化工过程运行优化研究进展

首先介绍了化工过程运行优化的历史发展,阐述了工业过程运行优化的系统结构,对常规控制层、先进控制层、实时优化层、调度层和计划层分别作了说明,重点讨论了实时优化的研究热点;接着分析了实时优化和调度计划层的三类典型优化问题,即多目标优化、混合整数非线性规划以及动态优化;最后探讨了运行优化研究与应用在大规模化工过程建模和协同优化控制等方面所面临的挑战。     

一种改进的混合遗传算法及在化工过程动态优化中的应用(英文)

The solutions of dynamic optimization problems are usually very difficult due to their highly nonlinear and multidimensional nature. Genetic algorithm (GA) has been proved to be a feasible method when the gradient is difficult to calculate. Its advantage is that the control profiles at all time stages are optimized simultaneously, but its convergence is very slow in the later period of evolution and it is easily trapped in the local optimum. In this study, a hybrid improved genetic algorithm (HIGA) for solving dynamic optimization problems is proposed to overcome these defects. Simplex method (SM) is used to perform the local search in the neighborhood of the optimal solution. By using SM, the ideal searching direction of global optimal solution could be found as soon as possible and the convergence speed of the algorithm is improved. The hybrid algorithm presents some improvements, such as protecting the best individual, accepting immigrations, as well as employing adaptive crossover and Gaussian mutation operators. The efficiency of the proposed algorithm is demonstrated by solving several dynamic optimization problems. At last, HIGA is applied to the optimal production of secreted protein in a fed batch reactor and the optimal feed-rate found by HIGA is effective and relatively stable.     

基于重构系统的扩张状态观测器实现混沌系统的同步

利用n阶驱动系统的标量输出信号及其连续的n-1阶导数作为状态变量,得到一个具有Brunowsky规范形式的n阶重构系统.根据扩张观测器的思想,对此重构系统先构造扩张系统,然后设计扩张状态观测器,并将其作为响应系统.通过挖掘可测同步误差中所隐含的信息对扩张系统的各个状态进行估计,从而实现了系统的输出及其导数的同步.当满足一定条件,还可实现所有状态变量的同步.对系统、Duffing系统的仿真证明了该方法的有效性.     

基于协同量子粒子算法的透平蒸汽流量软测量

透平蒸汽流量是分析透平运行效率的重要参数,由于现场大量缺乏检测信息,且针对传统测量方法存在可靠性差,非接触式测量成本高、安装困难等问题,提出了一种协同量子粒子算法(CQGAPSO),同时优化神经网络(NN)结构和参数的透平蒸汽流量的软测量建模方法。该方法利用节点间的连接开关,有效消除冗余连接对神经网络逼近能力的影响,引入量子概率幅编码和协同机制来提高神经网络的学习效率、逼近精度和泛化能力。透平蒸汽流量软测量的仿真结果表明:相比全连接神经网络和其他模型,所述方法具有更好的预测精度和鲁棒性。     

基于混合差分进化和alpha约束支配处理的多目标优化算法

针对约束多目标优化问题, 提出了一种基于混合差分进化和alpha约束支配处理的优化算法. 算法在用约束水平度对个体满足约束条件的程度进行定量化表达的同时融入支配关系. 在初期放宽约束水平度, 利用不可行解所携带的有用信息, 增加种群多样性, 在后期紧缩约束水平度, 控制不可行解的比例, 朝可行域方向进化. 同时, 将动态单纯形交叉算子和差分进化结合起来构成一种混合差分进化算法, 提高算法的探索和开发能力. 对6个典型测试函数求解的结果显示, 本文算法无论是在收敛性方面还是解集分散性方面, 与其它算法相比具有很大的优势.     

基于输入-输出线性化方法实现混沌系统的同步

本文将非线性控制系统的输入-输出线性化方法应用于混沌系统的同步中。首先对发送系统和接收系统进行适当的坐标变换，分别得到一个具有规范型或类规范型的新系统，再对两个新系统进行比较得到误差系统．然后通过对误差系统进行反馈变换，从而实现混沌系统的输出及其导数的同步．当满足一定条件．还可实现所有状念变量的同步．此方法所需的发送信号仅为标量信号，适于保密通信。对Lorenz系统、Rossler系统的仿真证明了该方法的有效性。     

一种基于梯度信息的多目标优化算法

传统的多目标进化算法多是基于Pareto最优概念的类随机搜索算法,求解速度较慢,特别是针对动态多目标优化问题。就此提出了一种新的基于梯度信息的多目标寻优算法（hybrid optimization algorithm based on single and multi-objective gradient information,HSMGOA）,该算法首先利用种群中每个个体对各目标的负梯度方向,以有效保证种群个体能沿单个目标函数值减小的方向加快搜索;同时为避免由于多目标问题之间的冲突性而导致其他目标函数的显著增大,将多个目标的梯度信息方向整合为一个方向进行协同搜索;并且还提出了一种新的选择置点法,以加快算法初始寻优速度并提供优良的初始种群。通过对ZDT系列测试函数的仿真可以看出,HSMGOA在较少的运行次数下,其性能远远优于NSGA2算法。最后将HSMGOA与NSGA2混合以解决补料分批生化反应过程的动态多目标优化问题,并将取得的Pareto最优解集与NSGA2、MOPSO比较可知,该混合算法在解决该化工问题时表现出了更好的性能。     

基于多目标进化算法的对二甲苯氧化反应过程优化操作

针对单目标优化算法在求解优化问题时普遍存在易陷入局部最优的缺陷,本文提出采用基于精英选择和个体迁移的多目标优化方法来求解单目标优化问题,通过对原问题目标进行有效分解,将其分解为多个子目标,通过对多个子目标的优化来扩大搜索范围,加快算法的收敛速度。仿真结果表明,与文献中方法相比,采用多目标方法来求解单目标问题能显著提高算法收敛速度,将其应用于对二甲苯(PX)氧化反应过程的优化操作,在相同计算成本条件下,醋酸和PX燃烧损失明显下降,成本损失大幅减少。     

求解一类0-1整数规划问题的新方法--混沌搜索算法

首先对Logistic混沌变量的遍历区间[0，1]进行N等分；然后利用M个独立的混沌变量在这N^W个等分区域中搜索最优解，从而将混沌搜索算法推广应用于解决一类0-1整数规划问题。将这一混沌搜索算法应用于靶场效能优化的仿真表明，此方法收敛速度快、精度高、简单、易于实现，而且可以避免传统算法易陷入局部最优的缺点。     

一种基于CUDA的并行多目标进化算法

传统的多目标进化算法多是基于Pareto最优概念的类随机搜索算法,求解速度较慢,特别是当问题维度变高,需要群体规模较大时,上述问题更加凸显。这一问题已经获得越来越多研究人员以及从业人员的关注。实验仿真中可以发现,构造非支配集和保持群体多样性这两部分工作占用了算法99%以上的执行时间。解决上述问题的一个有效方法就是对这一部分算法进行并行化改造。本文提出了一种基于CUDA平台的并行化解决方案,采用小生境技术实现共享适应度来维持候选解集的多样性,将多目标进化算法的实现全部置于GPU端,区别于以往研究中非支配排序的部分工作以及群体多样性保持的全部工作仍在CPU上执行。通过对ZDT系列函数的仿真结果,可以看出本文算法性能远远优于NSGA-Ⅱ和NPGA。最后通过求解油品调和过程这一有约束多目标优化问题,可以看出在解决化工应用中的有约束多目标优化问题时,该算法依然表现出优异的加速效果。