傅永峰[1]2007年在《软测量建模方法研究及其工业应用》文中认为现代工业过程对控制系统越来越高的要求促进了软测量技术的发展，作为解决现代复杂工业过程中较难甚至无法由硬件在线检测参量的实时估计问题的有效手段，软测量已经成为目前过程控制领域的研究热点之一，受到了国内外学者和生产企业的广泛关注。本文以实际工业过程为背景，结合化工过程的工艺知识，对软测量建模若干方法进行了深入的研究，并对软测量技术在实际工业过程中的应用进行了探讨和实践。本文的主要研究工作如下：1)提出了一种基于改进的FasBack模糊神经网络的新型软测量建模方法。改进方法采用收敛性较好的Levenberg-Marquardt算法训练FasBack模糊神经网络模型中的部分参数，其余参数仍然采用原BP算法进行训练。由于FasBack模糊神经网络既有神经网络的非线性拟合能力，又具有较强的分类能力，因此，既适用于多输入／单输出(MISO)情况下的软测量建模又适用于多输入／多输出(MOMO)情况下的软测量建模。将所提出的建模方法分别用于MISO情况下精对苯二甲酸(PTA)生产过程中的4-CBA含量软测量建模和MIMO情况下的复合肥养分含量：氮、五氧化二磷、氧化钾含量软测量建模，经实际工业过程数据验证表明，提出的MISO和MIMO软测量模型学习速度快、预测精度高、鲁棒性强，不仅为实现PTA生产过程中4-CBA含量的实时、精确控制提供了一条有效的途径，而且为MIMO软测量建模方法进行了一次有益的尝试。2)针对复合肥生产过程中产品的几种养分含量需要同时预报的一类多输入／多输出(MIMO)软测量建模问题，提出了一种基于混合建模技术的复合肥养分含量MIMO软测量建模方法。该方法充分利用了过程的工艺知识，将简化机理建模方法与数据驱动建模方法结合起来建立复合肥养分含量的MIMO软测量模型；同时，充分考虑了MIMO系统采集数据的严重相关性和大量冗余信息的存在，所以数据驱动建模方法选用了具有强大的处理相关和冗余信息能力的PLS算法；此外，在该算法中采用了一种新的方差递推算法，从而实现PLS模型的在线更新以克服模型在线应用时的老化现象。该算法充分利用了两种建模方法的优点，克服了其各自的局限性，基于实际工业过程数据的仿真结果表明，所建模型运算速度快、预测效果良好，模型预测结果与化验室分析结果趋势比较吻合，预测精度高，可以满足复合肥各养分含量在线预报要求。3)将基于混合建模方法的复合肥养分含量MIMO软测量模型应用于实际工业过程中复合肥养分：氮、五氧化二磷、氧化钾含量的实时估计，通过对数据采集、预处理、时序匹配、软测量建模以及在线校正环节的精心实施，实现了过程的实时监控，在复合肥生产中起了重要的指导作用。实际运行结果显示所采用的软测量方法不仅实现简单，而且运算速度快、模型预测结果与化验室分析结果趋势较为吻合，满足了复合肥各养分含量在线实时预报的要求。4)提出了一种基于混合建模技术的自适应软测量建模方法以解决软测量模型实际运行后的模型老化现象。该混合建模方法首先采用模糊C均值聚类(FCM)算法对训练样本进行聚类，并对每一类分别采用支持向量机进行训练建立子模型以提高模型的预测精度。当新增样本到来时，对支持向量机进行增量学习以便显著减少运算时间并提高模型适应工况变化的能力。由于支持向量机运算的复杂性取决于支持向量的个数，因此，当增加一个支持向量时，采用启发式策略去掉支持向量机工作集中的一个老的支持向量并进行减量学习，从而可以在软测量模型中不断增加能够代表新工况的信息样本的同时控制工作样本集的规模。将所提出的软测量建模方法用于对二甲苯(PX)吸附分离过程纯度的预测，仿真结果表明所提出的建模方法可以有效地增强软测量模型适应工况变化的能力，提高其预测精度。
许伟[2]2010年在《基于进化算法的复杂化工过程智能建模方法及其应用》文中研究表明化学工业是国民经济的支柱行业,关系到人们日常生产、生活的各个领域。由于本身的复杂性,化工过程的建模与优化方法研究已越来越受到人们的关注。模型性能的好坏直接影响到过程的控制品质,优化对挖掘生产潜能、提高生产效率、降低能耗起着非常重要的作用。然而,传统方法在解决复杂化工问题时并不令人满意。本文针对合成氨等复杂的化工过程,研究了神经网络(NN)、支持向量机(SVM)等智能建模方法以及粒子群优化算法(PSO)等进化方法,建立了过程的相关数学模型并提出了几种改进的智能优化算法。本文的主要研究成果如下：(1)为了克服粒子群优化算法(PSO)和差分进化算法(DE)易早熟收敛的问题,将粒子群优化和差分进化相结合,对差分进化算法的选择操作中被舍弃的试验个体加以利用,提出了一种预交叉差分进化操作粒子群优化算法(PSOPDE)。该算法为个体提供了两种完全不同的搜索方式,以增加种群找到更优解的概率。同时,由于选择操作中被舍弃的试验个体具有较高的多样性,因此在差分进化计算之前,将其与经过粒子群优化更新后的个体进行预先交叉,增加了整个种群的多样性。通过大量仿真实验,研究和分析了算法的几个关键参数的选取。典型测试函数的仿真结果表明,PSOPDE算法比PSO、DE以及几类改进算法的效果更好。将PSOPDE算法与BP神经网络相结合,建立了丙烯腈收率软测量模型。实验结果说明该模型具有较好的外推能力,验证了PSOPDE算法的全局收敛能力。(2)在基本PSO算法中引入扩张操作和收缩操作,提出了一种缩放型粒子群优化算法(PSOEC)。扩张操作在个体历史最优位置周围的有效区域进行搜索,帮助粒子有效跳出了局部极小点；而当扩张操作找到的新位置不是足够好时,收缩操作则在新位置和全局最优位置之间进一步搜索,以期找到更优的解。通过大量的仿真实验,给出了该算法参数的合理选取范围,并将PSOEC与其它算法进行了比较,比较结果令人满意。将PSOEC算法用于优化BP神经网络(BPNN)的权值和阈值,建立了基于PSOEC-NN的氨合成塔出口氨含量软测量模型。模型结果表明,PSOEC-NN的测试误差较小,具有较强的泛化能力。(3)引入并行计算的思想,设计了一种混合粒子群优化-差分进化的改进算法(HPSODE)。在HPSODE算法中,种群被划分为个体适应值参差不齐的规模不同的两个子种群,每个子种群分别按照PSO算法和DE算法的进化方式对问题空间进行并行搜索,随后将更新后的子种群重新结合以构成下一代的新种群。为了解决DE子种群的个体无法按照基本PSO策略进行速度更新的问题,引入了一种忽略当前速度而更新粒子的PSO方法。HPSODE算法保证了粒子(个体)在并行进化过程中接受两种不同策略的指引,同时种群的分解与重构又增加了两个子种群间的信息交流。分析和讨论了HPSODE算法的参数选取。将HPSODE用于优化最小二乘支持向量回归(LSSVR)模型的超参数,建立了用于描述合成氨流程中关键操作参数与氨净值之间复杂非线性关系的优化模型(HPSODE-LSSVR)。实验结果验证了HPSODE-LSSVR的有效性。(4)针对氨合成过程中氨净值最大化问题,提出了一种多种群文化差分进化算法(MCDE)。MCDE算法在文化算法框架中引入了多种群的思想,每个种群基于文化算法的双层进化(种群空间和信念空间)模型独立的对问题空间进行搜索。同时,种群之间通过定期的知识交流来实现信息的全局共享。为了降低种群陷入局部极小值的风险,引入了文化融合的概念,提出了自适应的种群多样性保持机制,有效避免了早熟收敛现象。MCDE算法经过11个典型约束优化问题的测试,表现出了较好的性能。基于HPSODE-LSSVR优化模型,将MCDE算法用于求解氨合成过程中氨净值最大化问题,计算结果验证了算法的可行性。(5)将协同进化的思想引入文化算法框架中,提出了一种竞争型协同文化差分进化算法(CCCDE)。借助于多个种群间的竞争关系,建立了一种分“三步”的种群多样性评判标准,判断出早熟收敛的种群和不活跃的个体,从而帮助种群跳出局部极小点并重新激活不活跃的个体。经过典型约束优化问题的仿真研究,显示了CCCDE算法对处理约束优化问题的适用性。将CCCDE算法应用于丁烷化工业过程中效益最大化问题的研究,所得结果验证了算法的有效性。(6)针对实际的合成氨生产流程,设计开发了氨合成塔操作优化系统应用软件。应用软件的功能包括与现场DCS连接、在线计算合成塔出口氨含量、计算放空气流量的建议值、计算最佳的操作参数和相应的阀门开度以及计算结果的在线显示和报警、电子生产报表的生成和查询等。该应用软件自实际投运以来取得了较好的效果。
郑启富[3]2003年在《RBF神经元网络和遗传算法的研究及其在化工中的应用》文中研究指明建立准确的模型对化工过程的理论研究和实际应用都具有重要的意义。但是，化工过程往往比较复杂，而且机理也不甚明了，很难直接通过机理建立准确的模型。神经元网络建模不需要考虑机理，根据样本数据即可建立起过程模型。本文重点研究了径向基函数网络(Radial Basis Function Networks，RBF网络)学习方法的改进和网络结构的优化；系统论述了遗传算法(Genetic Algorithms，GA)，并对它做了有效的改进，将遗传算法应用于参数的估计和优化，取得了较好的效果。全文主要内容如下： (1)将主成分回归(PCR)和偏最小二乘回归(PLSR)引入RBF网络中，建立了RBF—PCR模型和RBF—PLSR模型。由于PCR和PLSR从原有自变量数据矩阵中提取相互正交的成分，并略去方差非常小的成分，从而消除了原有自变量间所存在的复共线性，使回归过程更为稳健。 (2)将循环子空间回归(CSR)引入到RBF网络中，建立了RBF—CSR模型，并将它应用于实际化工过程。与RBF—PCR、RBF—PLSR相比，RBF—CSR运用了更为泛化的方法求解回归问题，在更广的范围内寻求最优的网络权值，因此，它所建立的模型是一种更优的网络回归模型。 (3)针对常规遗传算法(SGA)寻优效率偏低、易陷入局部最优的弱点，通过增加单纯形寻优算子、改进交叉算子、自适应地调整交叉率和变异率等措施，设计了一种优进遗传算法(Eugenic Evolution Genetic Algorithms，EGA)，并将它应用于动力学模型的参数估计，取得了良好的效果。 (4)利用混沌变量的遍历性，将其引入到遗传操作，设计了一种混沌遗传算法(Chaos Genetic Algorithms，CGA)。将CGA应用于RBF网络隐含层结构的优化，并设计了一种适应度函数，提出了CGA—RBFN模型。该模型应用于烃类热裂解丙烯产率的预测，取得了满意的效果。 文章最后对所做的工作进行了总结，并在此基础上，提出了今后的研究发展方向。
杜文莉[4]2000年在《改进的模糊神经网络及其在化工过程中的建模与控制》文中进行了进一步梳理针对目前过程工业对于实时控制的要求，本文提出了改进的模糊神经网络（FNN）并将其引入到智能过程控制。 本文采用多层前向神经网络来表达Sugeno的Takagi-Sugeno模糊推理形式，并针对各层网络参数的特点，采用分层优化的策略：用最小二乘方法调整网络线性参数，用基于梯度的最速下降法以及BFGS变尺度算法来调整非线性参数，极大地提高了网络的收敛速度，使其得以实现工业的在线应用。为避免因η选择不当引起的系统不稳定的情况，采用自适应调整学习率的方法。在非线性系统的辨识与控制应用中，验证了所提的模糊神经网络，不但能成功地解决了神经网络一直以来因其收敛速度缓慢而无法实时应用的问题，而且增强了模糊控制在工业应用中的鲁棒性和自适应性。为检验所提的方案，我们对化工过程中具有典型非线性特性的连续反应槽搅拌器（CSTR）进行仿真，结果表明了此方法的有效性。
方鹏迪[5]2012年在《基于模糊神经网络的聚氯乙烯颗粒特性软测量研究》文中研究说明颗粒特性是影响聚氯乙烯加工性能和使用性能的重要因素。氯乙烯悬浮聚合过程具有强非线性、强耦合性的特点,导致难以采用机理建模方法建立精确的聚氯乙烯颗粒特性预测模型。将基于数据的智能建模方法应用于聚氯乙烯颗粒特性预测建模研究中,并针对常规动态模糊神经网络所存在的不足,提出了一种基于粗糙集-动态模糊神经网络的建模方法,并用于聚氯乙烯平均粒径软测量研究中。本文的主要研究工作如下：(1)介绍了智能建模技术产生的背景及基本要点,以及在化工过程中常见的建模、优化与控制中应用,包括主元分析、偏最小二乘法、神经网络、支持向量机和粗糙集理论等；(2)在分析模糊神经网络三种常见模糊神经元的基础上,针对模糊神经网络所存在的不足,分析建立了一种动态模糊神经网络,对动态模糊神经网络的基本结构以及计算流程进行了叙述；(3)针对在分析动态模糊神经网络过程确定模糊规则数需要经过大量时间和预测结果的不确定性等问题。将粗糙集理论与动态模糊神经网络相结合,提出了一种基于粗糙集-动态模糊神经网络的建模方法,利用粗糙集理论中的知识简约对决策表进行知识简约,在动态模糊神经网络训练过程中,用粗糙集隶属函数对各个辅助变量进行分析比较,得到最简的辅助变量个数。此外针对常规BP训练算法所存在的不足,提出了一种基于模拟退火法的权值优化训练算法；(4)将粗糙集-动态模糊神经网络建模方法应用于聚氯乙烯平均粒径软测量。在分析聚氯乙烯平均粒径的影响因素基础上,采用粗糙集隶属函数来确定软测量模型的辅助变量,对样本数据进行预处理,然后对样本数据进行三等分离散,用知识简约方法确定模糊规则数,最后建立了基于粗糙集-动态模糊神经网络的聚氯乙烯平均粒径软测量模型。应用结果表明,与常规动态模糊神经网络相比,基于粗糙集-动态模糊神经网络的软测量模型具有更佳的预测精度。本文将粗糙集与神经网络技术相结合应用于聚氯乙烯颗粒特性预测模型建模方法研究中,研究结果为聚氯乙烯生产过程质量控制提供了有价值指导,有助于提高生产操作水平。
刘瑞兰[6]2004年在《软测量技术若干问题的研究及工业应用》文中研究指明软测量技术是当前过程控制领域研究的热点之一，本论文以实际工业过程为背景，探讨了软测量技术若干问题及解决方法。主要研究工作可以概括如下几个方面， 1．提出了一种改进的模糊神经网络软测量建模方法，采用规则化的平均输出隶属度函数作为模糊基函数进行反模糊化运算；在训练网络时，部分参数采用Levenberg-Marquardt算法来训练，另一部分采用一阶梯度下降法。最后用该建模方法建立了聚合反应中熔融指数的软测量模型，并与完全基于梯度下降的模糊神经网络软测量模型进行比较。结果表明改进的模糊神经网络对初始值的选择不敏感，并且具有很好的收敛性，同时还能达到指定的预测精度，很适合工程应用。 2．提出了一阶TSK模糊神经网络的混合学习算法，算法由三部分组成：基于模糊聚类的网络初始化；基于梯度下降的规则前件的学习算法；基于部分最小二乘的规则后件的学习算法。该混合算法可以根据训练样本的分布自动确定模糊神经网络的初始值，当输入变量个数多时不会出现模糊规则数爆炸现象，训练速度快，模型精度高。仿真例子和工业应用实例均说明了该方法的有效性。 3．提出了基于混合多机理模型的软测量建模方法，混合模型分为两部分，即多个简化机理模型部分和非机理模型部分。多个简化机理模型用来提高模型的鲁棒性和外推能力；非机理模型用来补偿简化机理模型的未建模部分，该部分可以是线性模型，也可以是诸如神经网络的非线性模型。用混合建模方法建立了PTA过程4-CBA含量的软测量模型，通过实际工业数据仿真表明，该方法具有建模样本需求少，精度高，鲁棒性好，易于维护的优点。 4．使用限定记忆部分最小二乘算法在线滚动建立平均粒径的软测量模型。同时考虑到用部分最小二乘算法建模的数据样本都不多，这时如果直接抛弃老样本同样可能会遗失部分信息，针对该问题本论文提出将老样本的部分信息通过方差和均值带到模型中来的思路。工业数据仿真结果表浙江大学博士学位论文明，该方法在线建立的软测量模型精度高，很适合慢时变对象、且训练样本分布不均匀情况下的软测量建模。主导变量与过程变量之间的时序匹配是软测量技术不可缺少的组成部分。时序匹配实际上是确定主导变量相对于每个过程变量的滞后时间。提出了两种无需人为干涉而是直接使用现场采集到的数据来确定滞后时间的方法:最大相关系数法和模糊曲线法。最大相关系数法一般应用于线性和弱非线性对象;模糊曲线法既可以用于线性对象也可以应用于非线性对象。仿真和工业应用表明这两种方法都是适用的。上
庄利锋[7]2005年在《一类化工过程的建模与控制问题研究》文中认为复杂过程的建模与控制是控制理论与控制工程的主要研究内容,是推动工业过程自动化的巨大动力。本文选择化工生产中的一类聚合反应过程对象作为研究背景,对化工过程中的若干建模与控制问题进行了研究。对于具有高度非线性、时变性、大滞后、不确定性和复杂性的化工反应对象,按照反应机理建立的模型,忽略了很多因素,建立的数学模型无法取得满意的效果。对这类化工反应,必须采用先进的理论和方法,例如:神经网络、模糊控制、先进控制技术等。本文以化工反应中丙烯聚合反应作为研究对象,当用对象的输入输出数据建立非线性对象的模型时,用一个神经元网络来映射整个样本空间,很难对过程的非线性区域进行精确描述。针对单个神经元网络在大范围内拟合性能不够理想的问题,采用模糊分类器,利用神经网络建立非线性模型,构造了一种分布式模糊神经网络来建立模型。对化工反应的建模问题,本文探讨了自适应神经网络模糊推理系统的模型建立问题,并用丙烯腈聚合反应过程数据进行了仿真研究。针对化工过程控制中的一类液位控制问题,本文采用模糊控制算法,设计了模糊控制器和模糊自适应PID控制器,针对水位的实时变化情况,给出不同的控制量,此算法在过程控制实验装置上得到了实现。通过实验,将模糊控制器与普通PID控制器的控制性能比较,结果表明模糊控制具有更好的控制效果。为了对化工反应进行很好的控制,本文采用了自抗扰控制算法。在此控制器算法中,对参数的调整问题进行了归纳总结。对一类复杂的化工过程模型,采用自抗扰算法进行控制。仿真结果表明这种方法的有效性。
陈霄[8]2010年在《DNA遗传算法及应用研究》文中进行了进一步梳理遗传算法是模拟生物进化过程的一类随机性全局优化算法,广泛应用于化工过程的建模与优化中。然而遗传算法的局部搜索能力较弱、易早熟收敛,而且常用的二进制编码方法不能表达丰富的遗传信息,因此在其计算模型中没有反映出遗传信息对生物体的调控作用,尤其是起关键作用的DNA编码机制的调控作用。近年来,随着DNA计算的发展,人们发现基于DNA的智能系统能反映生物体的遗传信息,有利于发展功能更强大、能解决更复杂问题的智能方法。受DNA生物特性的启发,本文对DNA遗传算法及应用进行了深入的研究,主要研究工作如下：(1)受DNA分子操作启发,提出了多种新型交叉算子。利用Markov链模型分析讨论了具有新型交叉算子的DNA遗传算法的收敛性。测试函数计算结果表明所提新型交叉算子可以有效改善种群多样性,减少了寻优代数。将该算法用于催化裂化主分馏塔的参数估计问题中,实验结果表明所建立的模型反映了复杂系统的动态性能。(2)受DNA和遗传信息表达过程的启发,基于碱基编码方式,提出了多种新型变异算子。利用Markov链模型分析了具有新型变异算子的DNA遗传算法的收敛性。测试函数计算结果表明所提新型变异算子可以显著提高DNA遗传算法的收敛速度,增强算法克服问题欺骗的能力。将该算法用于渣油加氢过程的参数估计问题中,比较结果表明了该算法的有效性。(3)将所提出的新型交叉和变异算子在DNA遗传算法中配合使用。测试函数的检验结果表明配合使用新型操作算子可以进一步提高算法性能。使用具有新型交叉算子和变异算子的DNA遗传算法对重油热解过程建模,仿真实验结果表明了所建模型的误差小。(4)针对具有不等式约束的非线性规划问题,提出了一种混合DNA遗传算法。该算法将DNA遗传算法的全局搜索能力和SQP算法的局部搜索能力相结合。测试函数比较结果证明了该混合算法的有效性。利用该混合算法优化汽油调合问题的配方,结果表明该混合算法可以实现调合产品的质量指标卡边控制,增加生产利润。(5)提出了一种双链DNA遗传算法的广义回归神经网络建模方法,用来解决非线性系统建模问题。使用该方法对一个非线性系统进行建模,仿真结果表明所提方法的建模精度优于其它神经网络方法,并将该建模方法用于延迟焦化过程的建模,仿真结果表明所建模型精度高,其误差标准差和AIC指标较小(6)针对复杂非线性系统,提出了一种混沌DNA遗传算法的T-S模糊递归神经网络建模方法。在碱基编码和新型操作算子的基础上,混沌DNA遗传算法通过对劣质个体进行混沌细搜索,来提高个体品质。将该方法用于pH中和过程建模,仿真实验和比较结果表明所建立的模型的拟合精度高。(7)针对多目标优化问题,提出了一种多目标DNA遗传算法。测试函数的仿真研究表明,该算法可以更好的逼近Pareto前沿,解的分布更均匀,搜索速度更快。将该算法用于设计基于T-S模糊递归神经网络的广义预测控制器,对一个pH中和过程进行控制,仿真实验结果表明所建模型的精度更高,控制效果更好。
殷社杰[9]2012年在《基于粗糙集与模糊神经网络的氨合成塔合成气氨净值建模》文中研究指明粗糙集理论是一种有效的处理不确定性的数学理论,在多个领域得到了广泛应用,为复杂过程建模提供了新的理论工具。属性约简是粗糙集理论研究的重要内容,寻找最小约简为NP-hard问题。本文利用蚁群算法在解决组合优化问题方面的优势,将属性约简看作组合优化问题,把蚁群算法和属性约简相结合,用于搜索最小约简；并且针对可能得到多个相同长度最小约简的情形,提出了在找到最小约简后,利用决策属性对最小约简中非核属性的依赖度来衡量各个解的优劣,从中选取依赖度最大的约简为最优解,从而达到寻找到长度最短且最优的解的效果。氨净值是反映氨合成生产效率的重要指标,对合成氨生产过程中氨净值进行准确估算,对于指导合成氨生产过程操作具有重要意义。本文以某化工厂氨合成装置为对象,将粗糙集属性约简方法与模糊神经网络结合起来用于合成氨生产过程中氨净值模型的建立。本文利用生产数据建立了氨净值模型,并进行了验证,模型精度满足要求,表明了该算法的有效性。设计了合成氨操作优化系统软件中的氨净值建模模块,利用该模块建立的氨净值测算模型可实时反映当操作变量改变时氨净值的变化情况,从而指导操作人员合理调节输入变量,提高氨净值。
孙漾[10]2011年在《面向水煤浆气化装置的过程建模与操作优化技术》文中研究说明煤炭是我国的基础能源和主要工业原料之一。化学工业每年的煤炭消费量在四亿吨以上。煤炭气化过程是对煤炭进行化学加工的一个重要方法,是实现煤炭洁净利用的关键技术。水煤浆加压气化技术是当今具有代表性的主流煤炭气化技术之一。作为煤化工的源头、全厂能量转换的核心,气化装置的运行状况十分重要。目前,采用先进的控制方法优化装置的运行状况的研究尚处于起步阶段。加快进行煤炭气化过程建模、流程模拟、控制优化等自动化关键技术的研究对提高装置的运转效率、提高煤炭资源利用率、实现节能降耗具有重要意义。本课题以水煤浆气化装置为研究对象,探讨复杂化工过程的建模和优化方法,提出了几种改进的智能优化算法应用于水煤浆气化装置过程建模与操作优化问题中。同时,设计并开发了水煤浆气化操作优化系统应用软件。本文的主要研究成果如下：(1)针对水煤浆气化装置优化配煤问题,建立了混煤质量指标预测模型。其中,采用最小二乘支持向量机(LS-SVM)建立混煤灰熔点预测模型,描述混煤灰熔点与灰成分之间复杂的非线性关系。同时,提出了一种多种群竞争型协同文化差分进化算法(MCCDE),算法中建立了基于差分进化算法的竞争型协同策略及竞争适应度评判方法,并引入了文化算法的部分思想。将MCCDE算法与其它五种变异策略的DE算法通过八种典型测试函数优化问题进行比较,验证了该算法的有效性。最后,将MCCDE算法用于优化LS-SVM模型的超参数。仿真结果表明,该方法建立的模型比其它3种比较方法建立的模型具有更好的泛化能力。(2)结合(1)中建立的混煤质量指标预测模型,建立了一个管理级视角下的配煤优化模型。模型综合考虑了原煤的采购成本、库存成本、实施配煤的操作成本等,在满足装置对煤质要求的前提下,实现用煤总成本最低控制。根据配煤优化模型的特点,将粒子群优化算法、文化算法和协同进化算法进行改进和结合,取长补短,提出了协同文化框架及其进化机制,并建立了基于粒子群算法的协同文化算法(CECBPSO)。采用正交试验的方法分析讨论了该算法的参数对其性能的影响。同时,将CECBPSO算法与其它四种算法优化八个典型测试函数的结果进行比较。最后,对某煤化工厂水煤浆配煤优化问题进行仿真分析,采用CECBPSO算法求解配煤优化模型,计算结果验证了模型和算法的可行性。(3)根据群搜索优化算法适于解决高维多峰函数优化问题的特点,在基本群搜索算法中引入了差分进化算法和混沌局部搜索的思想,提出了一种改进的群搜索差分进化算法(DEGSO),与其它四种算法通过标准测试函数的仿真比较验证了算法的性能。将DEGSO算法用于优化神经网络的权值和阈值,建立了“德士古合成气”CO、H2和CO2气体含量软测量模型(DEGSO-NN),实现以低成本及时、在线获得“德士古合成气”组分含量。采用某德士古气化装置现场实际数据进行仿真研究,结果表明,同另外两种方法相比,基于DEGSO的神经网络软测量模型具有最高的训练效率和泛化能力。(4)根据膜系统计算模型的分布式、极大并行性和不确定性特征,将粒子群算法引入到膜计算模型的框架中,提出了膜计算粒子群优化算法(MCBPSO)。该算法中,多个群体在膜系统的不同膜结构中并行搜索,同时,建立了协同和变异机制以提高其性能。采用正交试验的方法对MCBPSO的参数选择进行了研究,并与其它四种算法采用五种测试函数进行测试比较。针对德士古气化炉操作优化问题的特点,引入了区域优化的概念,建立了工况评判标准和操作优化模型,将MCBPSO用于优化模型的求解。最后,采用某化工厂德士古气化炉实际运行数据进行仿真,经过操作优化计算,能够获得优化的控制参数,并提高气化炉有效气产率。(5)针对某甲醇合成企业德士古水煤浆气化系统,开发了水煤浆气化操作优化系统应用软件。软件具有混煤指标预测、配煤操作优化计算、气化炉炉膛温度软测量、德士古合成气组分软测量、气化炉工况操作优化等功能,同时能够进行模型的自动更新以及记录报表的自动生成与存储。水煤浆气化操作优化系统应用软件能够实现将建模、控制、优化技术应用于实际生产中,以提高装置的经济效益。
参考文献：
[1]. 软测量建模方法研究及其工业应用[D]. 傅永峰. 浙江大学. 2007
[2]. 基于进化算法的复杂化工过程智能建模方法及其应用[D]. 许伟. 华东理工大学. 2010
[3]. RBF神经元网络和遗传算法的研究及其在化工中的应用[D]. 郑启富. 浙江大学. 2003
[4]. 改进的模糊神经网络及其在化工过程中的建模与控制[D]. 杜文莉. 大连理工大学. 2000
[5]. 基于模糊神经网络的聚氯乙烯颗粒特性软测量研究[D]. 方鹏迪. 浙江工业大学. 2012
[6]. 软测量技术若干问题的研究及工业应用[D]. 刘瑞兰. 浙江大学. 2004
[7]. 一类化工过程的建模与控制问题研究[D]. 庄利锋. 江南大学. 2005
[8]. DNA遗传算法及应用研究[D]. 陈霄. 浙江大学. 2010
[9]. 基于粗糙集与模糊神经网络的氨合成塔合成气氨净值建模[D]. 殷社杰. 华东理工大学. 2012
[10]. 面向水煤浆气化装置的过程建模与操作优化技术[D]. 孙漾. 华东理工大学. 2011
标签：自动化技术论文; 遗传算法论文; 模糊神经网络论文; 模型预测控制论文; 预测模型论文; 软测量论文; 模糊算法论文; 网络优化论文; 数据建模论文; 系统仿真论文; 网络模型论文; 模糊理论论文; 建模软件论文; 线性系统论文; 控制测试论文; 测试过程论文; 非线性论文; bp神经网络算法论文;