催化裂化装置分离系统稳态优化及其动态实现

由主分馏塔和吸收稳定系统构成的分离系统内部联系比较紧密,同时系统内部存在多个操作变量,可以对这些变量进行优化调整来全面地降低系统的能耗.利用流程模拟软件UniSim Design对某石化厂160万吨/年催化裂化装置的分离系统进行稳态和动态的流程模拟.利用稳态模型,以能耗最小为优化目标,以产品质量指标为约束条件对分离系统...     

质子交换膜燃料电池系统多目标优化

质子交换膜燃料电池（PEMFC）具有操作温度低、能量密度高、稳定性好等优点,是一种具有广泛应用前景的发电装置。本文以PEMFC系统发电效率最大和总成本最小为同步优化目标,以电流密度、系统操作压力、空气及氢气化学计量数为操作变量,建立该系统的多目标优化模型。提出基于拥挤度排序的多目标列队竞争算法（MOLCA-CDS）求解该模型,得到优化目标的Pareto最优前沿。实例计算结果表明,所提出的方法可得到分布均匀的Pareto最优解集,且优化结果能够完全支配文献中采用其它方法的优化解。本文所提出的方法可为PEMFC系统的设计与操作优化提供参考。     

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。     

基于NSGA-Ⅱ的催化裂化分馏塔的多目标优化

在催化裂化装置生产中,主分馏塔的操作水平和技术水平直接影响整套装置的经济效益;研究催化裂化加工装置优化设计,分馏系统的操作优化非常重要;引入已经建立的分馏塔多目标优化函数并运用NSGA-Ⅱ对模型进行求解;通过深入研究算法并对NS-GA-Ⅱ算法中各项参数设置后,求解得一组Pareto最优解,该组最优解具有良好的延伸和分布;并引人多目标综合评价优化函数,求得一组最优解;结果表明在满足约束条件下,分馏塔的汽油和柴油的产率能得到显著的优化.     

基于直觉模糊熵的粒子群多目标优化

针对现有多目标算法存在的收敛性不强、分散性不高等问题,提出了一种基于直觉模糊熵的粒子群多目标优化算法(IFEMOPSO)。首先,计算出种群的直觉模糊熵(IFE),作为衡量种群在多目标空间下多样性的测度;其次,设计基于IFE的惯性权重动态变化、外部档案调用以及变异操作等3种增强算法探索力度的策略,建立了直觉模糊多目标规划模型,有效地提高了群体进化过程中的多样性,防止了算法陷入局部收敛;最后,仿真结果表明,所提算法很好地提高了所得非劣解集的收敛性和分散性,有效地解决了多目标优化问题。     

一种优化模糊神经网络的多目标微粒群算法

模糊神经网络优化是一个多目标优化问题.通过对模糊神经网络和微粒群算法的深入分析,提出了一种多目标微粒群算法.在算法中将网络的精确性和复杂性分别作为目标进行优化,再用一种启发性分量加权均值法来选取个体极值和全局极值.算法能够引导粒子较快地向非劣最优解区域移动并最终获得多个非劣最优解,为模糊神经网络的精确性和复杂性的折中寻优问题提供了一种解决方法.茶味觉信号识别的仿真实验验证了该算法的有效性.     

QoSR多目标优化的灰色模糊解

针对QoS路由多目标优化的NPC问题,希望在多项式时间内找到QoS路由多目标优化在灰色模糊意义下的最优解。借助于灰色模糊理论,通过将所有的QoS参数按照相应的隶属度和灰度集结为一个灰色模糊综合属性值,实现了在O(mn)时间内找到最优路径的灰色模糊多目标优化算法,使算法可以根据不同的业务类型动态地采取不同的优化策略,对网络的不准确信息有一定的抵抗能力,以及具有可扩展性、健壮性等特点。最后的算例证明算法是可行的。     

基于改进蚁群算法的催化裂化分馏塔在线多目标优化

为了对催化裂化分馏塔多目标问题在线智能优化,本文选择可以在线催化裂化分馏塔多目标的优化模型,同时提出一种新的改进蚁群算法,作为智能优化手段.对分馏塔的优化过程作单位化和数字位的处理,通过研究优化过程中参数的取值对优化的影响,确定一组合适的参数组合,去优化分馏塔.实验数据表明:优化结果较好并大大缩短了优化时间,为在线优化分馏塔提供行之有效的方法.     

基于模糊的多目标粒子群优化算法及应用

粒子群优化算法的思想来源于人工生命和进化计算理论,由于其容易理解、易于实现,在很多领域得到了应用.由于传统的粒子群优化算法无法对多目标优化问题进行求解,因此文中利用模糊理论中的隶属度函数和给定的最优解评估选取原则,提出了一种适合求解约束型多目标优化问题的模糊粒子群算法(FPSO).模糊粒子群算法很好地解决了汽车零部件可靠性稳健优化设计的求解问题,仿真结果证明,该算法可行而有效,同时也拓展了粒子群算法的应用领域.     

催化裂化分馏塔多目标遗传算法优化

建立了催化裂化分馏塔多目标优化函数,并通过遗传算法对其求解,结果表明在某一组操作参数下生产,可以保证分馏塔重石脑油流量和轻柴油流量同时最优,此时多目标综合评价优化函数的适应度值为193．41,对应解下重石脑油流量Q1和轻柴油流量Q2分别为294．771（t／h）和92．053（t／h）,均高于未进行优化的历史操作最高流量值Q1=225．177（L／h）和Q2=53．700（t／h）,实现了分馏塔的多目标优化。     

基于随机灵敏度分析的化工过程裕量设计

对化工过程进行最优设计时,由于过程中参数的不确定性,需要在既满足过程约束又保证经济效益最优的前提下对设计变量增加裕量。本文考虑过程不确定参数的随机分布,结合灵敏度分析,提出一种基于随机灵敏度的化工过程最优裕量设计方法。首先,取不确定参数的标称值,进行化工过程最优设计,得到最优设计点的标称值;其次,假设过程不确定参数服从正态分布,基于灵敏度分析确定约束变量的均值和方差,在保证低概率违反约束的条件下优化求解设计裕量,定量分析不确定参数对设计变量的影响;最后,通过对串联连续搅拌釜式反应器（Continuous stirred tank reactor,CSTR）系统进行仿真实验,说明该裕量设计方法的具体步骤,并得到合理的设计裕量值,验证所提方法的正确性。     

催化裂化反再系统神经网络操作优化

介绍利用神经网络建立了催化裂化反再系统生产操作条件与产品产率之间的数学模型。同时，利用此模型对反再系统进行优化，可获得较优产品产率下的操作条件。     

基于非支配解的多目标粒子群无功优化

针对传统PSO在求解多目标问题时采用权重系数法将多目标转化为单目标而忽视了目标函数间的竞争关系,并结合系统中最受关注之一的电压安全问题,以电力系统中的有功网损和电压稳定裕度为目标,采用提取非支配解的方法使目标在充分竞争的情况下得出Pareto最优解,克服了权重系数法缺乏多样性的缺点。优化结果给出了有功网损与电压稳定裕度之间的竞争关系,电力决策者可根据实际问题的需要选择最终满意的非支配解,具有很好的灵活性与多样性。运用IEEE-14节点测试系统验证了该算法的优越性,并与其他算法相比,表明了该方法是一种能够有效求解多目标电力系统无功优化问题的新方法。     

基于Pareto的多目标优化免疫算法

免疫算法具有搜索效率高、避免过早收敛、群体优化、保持个体多样性等优点。将其应用于多目标优化问题,建立了一种新型的基于Pareto的多目标优化免疫算法(MOIA)。算法中,将优化问题的可行解对应抗体,优化问题的目标函数对应抗原,Pareto最优解被保存在记忆细胞集中,并利用有别于聚类的邻近排挤算法对其进行不断更新,进而获得分布均匀的Pareto最优解。文章最后,对MOIA算法与文献[3]中SPEA算法进行仿真,通过比较两者的收敛性和分布性,得到了MOIA优于SPEA的结论。     

基于Pareto最优的PID多目标优化设计

现有的PID优化方法往往难以同时兼顾系统对时域和频域性能的要求,针对这一缺陷,提出了一种PID多目标优化方法：将动态性能指标作为优化目标,频域性能指标作为约束条件,采用基于Pareto最优的多目标优化算法对其求解。该算法采用新的拥挤距离计算方法,引入双重精英机制,进化效率高,得到的Pareto最优解集多样性好,决策者可根据当前工作需求从中选择最终的满意解。仿真结果证明了本文方法的有效性。     

基于模糊优化的物流配送路径(MLRP)问题研究

研究采用嵌入模糊决策规则的遗传算法（即模糊优化方法）求解物流配送多目标定位-运输路线安排问题（MLRP）,重点考虑了时间和运输成本两个目标的MLRP的求解方法.该算法分成3个阶段,首先利用遗传算法对初始种群搜索选择优化配送路径;然后应用配送网络调度算法综合评价来确定配送路径中的关键路径和非关键路径;最后根据模糊决策规则计算其各个调度相应的指标,并对已挑选出来的染色体中的某些位基因进行调整,以提高算法的收敛性.计算机仿真结果证明了将此混合算法用于求解中、小规模物流配送问题的有效性.     

基于直觉模糊支配的混合多目标粒子群算法

为提高求解多目标优化问题的精确性和解集分布的均匀性,提出了一种基于直觉模糊支配的混合粒子群算法。通过引入种群全局目标值标量参数、直觉模糊隶属度和排序方法,定义一种新的最优解支配关系;采用基于模拟退火的Meta-Lamarckian局部学习策略,结合粒子群算法,以避免算法陷入局部最优和早熟;此外,定义种群同构因子来衡量种群多样性,以自适应调节惯性权重和加速因子;提出一种递减扰动策略对粒子飞行速度进行扰动;最后,与多种经典多目标优化算法进行仿真测试比较,结果表明该算法在求解精度、解集分布均匀性上具有明显优势。     

带硬时间窗模糊车辆路径问题的多目标优化

针对带硬时间窗车辆路径问题的多重模糊性,基于模糊可信性理论建立多目标模糊期望值模型,提出求解该问题的自适应混合多目标粒子群优化算法.该算法根据相位空间的思想给出一种实数编码方式,设计双存档机制,分别存储演化过程中产生的非支配解和有益不可行解,并引入自适应局部搜索、变异和粒子全局向导选择策略.仿真实验结果表明,与多目标进化算法相比,该算法可以获得更优的Pareto解集.     

基于蚁群算法的多目标优化

针对多目标优化问题,提出一种用于求解多目标优化问题的蚁群算法。该算法定义连续空间内求解多目标优化问题的蚁群算法的信息素更新方式,根据信息素的概率转移和随机选择转移策略指导蚂蚁进行搜索,保证获得的Pareto前沿的均匀性以及Pareto解集的多样性。对算法的收敛性进行分析,利用2个测试函数验证算法的有效性。