收藏本站
《华东理工大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

基于进化算法的复杂化工过程智能建模方法及其应用

许伟  
【摘要】: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。
【学位授予单位】:华东理工大学
【学位级别】:博士
【学位授予年份】:2011
【分类号】:TQ021.8

【参考文献】
中国期刊全文数据库 前10条
1 张晓娟,刘长厚;环己醇/环己酮硝酸氧化的反应动力学[J];高校化学工程学报;1999年03期
2 董宏光,秦立民,王涛,樊栓狮,姚平经;基于自适应并行禁忌搜索的精馏分离序列优化综合[J];化工学报;2004年10期
3 贺益君,陈德钊;连续约束蚁群优化算法的构建及其在丁烯烷化过程中的应用[J];化工学报;2005年09期
4 陈国初,俞金寿;变邻域宽度的爬山微粒群优化算法及其应用[J];化工学报;2005年10期
5 林碧华;顾幸生;;基于差分进化算法-最小二乘支持向量机的软测量建模[J];化工学报;2008年07期
6 王钧炎;黄德先;;基于差分进化算法和HYSYS机理模型的催化重整过程优化[J];化工学报;2008年07期
7 赵佩清;林文才;颜学峰;;基于蚂蚁智能体调度的混沌搜索算法及化工应用[J];化工自动化及仪表;2009年04期
8 王磊;黄道;;化工故障诊断中基于遗传算法优化的SOM网络[J];计算机工程与应用;2006年31期
9 陈雄,徐心和;基于模拟退火轧制批量计划问题的两阶段算法[J];控制理论与应用;1999年02期
10 黄海燕;顾幸生;;基于文化算法的神经网络及其在建模中的应用[J];控制与决策;2008年04期
【共引文献】
中国期刊全文数据库 前10条
1 冀卫兴;陈忠海;方筝;;基于DE—BP算法的空调负荷预测研究[J];四川建筑科学研究;2010年05期
2 梁学斌;;离散Hopfield神经网络的统一描述[J];安徽大学学报(自然科学版);1993年02期
3 方兴龙;曾照东;;水煤气净化系统氨积累处理方法[J];安徽化工;2007年01期
4 杨绪兵,韩自存;ε不敏感的核Adaline算法及其在图像去噪中的应用[J];安徽工程科技学院学报(自然科学版);2003年04期
5 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期
6 许小健;张金轮;;微进化算法[J];安徽工程科技学院学报(自然科学版);2010年04期
7 许高程;张文君;王卫红;;支持向量机技术在遥感影像滑坡体提取中的应用[J];安徽农业科学;2009年06期
8 郭立萍;唐家奎;米素娟;张成雯;赵理君;;基于支持向量机遥感图像融合分类方法研究进展[J];安徽农业科学;2010年17期
9 ;Multi-swingby optimization of mission to Saturn using global optimization algorithms[J];Acta Mechanica Sinica;2009年06期
10 王婷婷;黄燕;;基于NC-SVM的酵母蛋白功能预测研究[J];现代农业科技;2011年07期
中国重要会议论文全文数据库 前10条
1 严传魁;王如彬;;基于汉密尔顿原理的神经元模型[A];第十三届全国非线性振动暨第十届全国非线性动力学和运动稳定性学术会议摘要集[C];2011年
2 刘暾东;郑国祥;骆勤强;;基于现场总线的造气炉智能控制研究[A];2005年“数字安徽”博士科技论坛论文集[C];2005年
3 ;An effective procedure exploiting unlabeled data to build monitoring system[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(下)[C];2012年
4 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年
5 宋海鹰;桂卫华;阳春华;;基于最小二乘支持向量机的Hammerstein-Wiener模型辨识[A];第二十六届中国控制会议论文集[C];2007年
6 ;Inverse System Control of Nonlinear Systems Using LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
7 ;A Novel Kernel PCA Support Vector Machine Algorithm with Feature Transition Function[A];第二十六届中国控制会议论文集[C];2007年
8 ;A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition[A];第二十六届中国控制会议论文集[C];2007年
9 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
10 ;LS-SVM Based Stable Generalized Predictive Control[A];第二十七届中国控制会议论文集[C];2008年
中国博士学位论文全文数据库 前10条
1 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
2 谭枫;介入式文化算法及其应用研究[D];哈尔滨工程大学;2010年
3 孙明;基于小波和迟滞的混沌神经网络及其应用[D];哈尔滨工程大学;2010年
4 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
5 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年
6 李桃迎;交通领域中的聚类分析方法研究[D];大连海事大学;2010年
7 吴德烽;计算智能在三维表面扫描机器人系统中的应用研究[D];大连海事大学;2010年
8 郑大腾;柔性坐标测量机空间误差模型及最佳测量区研究[D];合肥工业大学;2010年
9 李书艳;单点氨基酸多态性与疾病相关关系的预测及其机制研究[D];兰州大学;2010年
10 朱松;随机回归神经网络的动力学行为研究[D];华中科技大学;2010年
中国硕士学位论文全文数据库 前10条
1 曾传华;基于颜色和纹理特征的竹条分级方法研究[D];华中农业大学;2010年
2 朱杰;一种基于聚类的支持向量机反问题求解算法[D];河北大学;2007年
3 李连昌;新安煤田二_1煤层煤与瓦斯突出危险程度预测[D];河南理工大学;2010年
4 罗婷婷;飞机钣金叠板数控套裁下料软件系统的研究[D];南昌航空大学;2010年
5 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
6 田文娟;基于支持向量机的人民币序列号识别方法的研究[D];山东科技大学;2010年
7 孟培培;基于3S的土地督察信息系统研究[D];山东科技大学;2010年
8 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年
9 刘维会;不平衡数据集上支持向量机算法研究[D];山东科技大学;2010年
10 李海清;支持向量机在金融市场预测中的应用[D];辽宁师范大学;2010年
【二级参考文献】
中国期刊全文数据库 前10条
1 翁惠新,江洪波,陈志;催化重整集总动力学模型(Ⅱ)——实验设计和动力学参数估计[J];化工学报;1994年05期
2 施宝昌,王健红;多组分分离塔序列相对费用函数的建立和应用[J];化工学报;1997年02期
3 钟璇,王树青;粗汽油干点的在线软测量[J];化工学报;1998年02期
4 吴建锋,何小荣,陈丙珍;一种用于动态化工过程建模的反馈神经网络新结构[J];化工学报;2002年02期
5 罗健旭,邵惠鹤;应用多神经网络建立动态软测量模型[J];化工学报;2003年12期
6 方强,陈德钊,俞欢军,吴晓华;基于优进策略的差分进化算法及其化工应用[J];化工学报;2004年04期
7 贺益君,陈德钊;连续约束蚁群优化算法的构建及其在丁烯烷化过程中的应用[J];化工学报;2005年09期
8 颜学峰;;基于MLFN-PLSR的PX氧化反应组合建模方法[J];化工学报;2007年01期
9 陈国初,俞金寿;微粒群神经网络在常压塔汽油干点软测量建模中的应用[J];化工自动化及仪表;2005年03期
10 周艳平;顾幸生;;差分进化算法研究进展[J];化工自动化及仪表;2007年03期
【相似文献】
中国期刊全文数据库 前10条
1 李希宏;常减压装置稳态数据协调的差分进化算法[J];石油化工设计;2004年03期
2 胡江强;郭晨;卜仁祥;;混沌-克隆进化算法[J];石油化工高等学校学报;2007年03期
3 廖代辉;沈阳;成艾国;钟志华;谢慧超;龚英菊;;基于进化算法的冲压模具型面参数优化[J];汽车工程;2008年03期
4 李绍军;张小广;;基于Alopex的进化算法及其在乙炔加氢反应器建模中的应用[J];化工自动化及仪表;2008年03期
5 曹彬;微分进化算法及其在聚合过程控制中的应用[J];化学反应工程与工艺;2000年02期
6 王伯平,景大英;基于进化算法的空间面轮廓度误差的测量[J];仪器仪表学报;2005年S1期
7 颜学峰;余娟;钱锋;丁军委;;基于优选优生进化算法的常减压蒸馏装置稳态数据整定方法[J];石油炼制与化工;2005年07期
8 王建维;;基于进化算法的机械夹持器优化设计[J];煤矿机械;2006年10期
9 聂曼;夏海霞;杨仕友;倪光正;;电磁装置多目标优化设计的改进矢量进化算法研究[J];浙江理工大学学报;2007年01期
10 孔令启;李玉刚;岳金彩;郑世清;;基于遗传禁忌算法的多目的间歇过程调度问题求解(英文)[J];计算机与应用化学;2006年12期
中国重要会议论文全文数据库 前10条
1 楼洋;李均利;陈刚;;基于个体排序的差分进化算法[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年
2 莫纯欢;石纯一;史忠植;陈青;周代琪;;进化算法中的各种选择机制的分析和比较[A];信息科学与微电子技术:中国科协第三届青年学术年会论文集[C];1998年
3 赵娟;蔡涛;邓方;杨红伟;;基于改进差分进化算法的脉冲控制方法[A];中国自动化学会控制理论专业委员会B卷[C];2011年
4 王向;;遗传算法综述[A];2007年河北省电子学会、河北省计算机学会、河北省自动化学会、河北省人工智能学会、河北省计算机辅助设计研究会、河北省软件行业协会联合学术年会论文集[C];2007年
5 张明;周永权;;一种新型的全局优化算法—区间进化算法[A];第二十七届中国控制会议论文集[C];2008年
6 唐焕友;郭崇慧;杜秀红;张立震;范丽伟;;几种进化算法的比较及计算效率分析[A];2001年全国数学规划及运筹研讨会论文集[C];2001年
7 朱广为;;多群体协同进化算法及其在经济调度中的应用[A];2009年中国智能自动化会议论文集(第一分册)[C];2009年
8 罗长童;张绍良;;符号回归问题的解析矩阵进化算法[A];第十四届全国激波与激波管学术会议论文集(下册)[C];2010年
9 云庆夏;王战权;;采矿工程决策中的进化算法[A];第六届全国采矿学术会议论文集[C];1999年
10 郭水良;郑园园;娄玉霞;沈蕾;;中华蓑藓(Macromitrium cavaleriei)的形态变异是否有遗传学基础?—基于浙赣4个地理种群的遗传多样性分析[A];Abstracts of International Symposium on Systematic Lichenology & Bryology[C];2010年
中国重要报纸全文数据库 前10条
1 陈建兵 记者 张兵;五小叶槭现身雅江[N];甘孜日报(汉文);2010年
2 ;1/10鸟类种群本世纪内将灭绝[N];新华每日电讯;2004年
3 记者 郑北鹰;80%以上濒危野生动物种群得到保护[N];光明日报;2004年
4 通讯员 向才银 李子钢;石门马头羊种群进入基因库[N];常德日报;2007年
5 本报记者 徐玢;进化畅想:机器人能否成“人”[N];科技日报;2009年
6 王左军;亚洲象种群在扩大[N];中国绿色时报;2004年
7 记者王艳明;甘肃玛曲 野生动物种群锐减[N];人民日报;2003年
8 记者徐松;三峡稀有水生种群获妥善保护[N];人民日报海外版;2003年
9 记者 章译;东莞研讨伯乐树保护与种群重建[N];中国花卉报;2009年
10 记者 罗盘;湖北野生动物家底摸清[N];人民日报海外版;2001年
中国博士学位论文全文数据库 前10条
1 许伟;基于进化算法的复杂化工过程智能建模方法及其应用[D];华东理工大学;2011年
2 贾东立;改进的差分进化算法及其在通信信号处理中的应用研究[D];上海大学;2011年
3 张鹏翔;多目标进化算法及其在电力系统中的应用研究[D];华中科技大学;2004年
4 王瑜;基于多方法融合的进化算法研究[D];中国科学技术大学;2011年
5 李映;混合智能计算方法及其应用[D];西安电子科技大学;2002年
6 崔承刚;基于启发式知识进化算法的复杂约束优化问题求解[D];浙江大学;2010年
7 陆婷;进化回归神经网络的研究及应用[D];华南理工大学;2003年
8 孙成富;差分进化算法及其在电力系统调度优化中的应用研究[D];华中科技大学;2010年
9 龙海侠;进化算法及其在生物信息中的应用[D];江南大学;2010年
10 王允良;飞行器总体参数优化的进化算法及其应用研究[D];西北工业大学;2006年
中国硕士学位论文全文数据库 前10条
1 谢俊凰;进化算法研究平台的设计与开发—数据处理[D];太原科技大学;2011年
2 刘彤;解多目标优化问题的进化算法[D];西安电子科技大学;2010年
3 邹丽珊;共同进化算法及其应用研究[D];湘潭大学;2002年
4 刘楠楠;基于进化算法的多目标优化算法及应用研究[D];南京航空航天大学;2010年
5 杨淑媛;量子进化算法的研究及其应用[D];西安电子科技大学;2003年
6 刘淳安;无偏好多目标优化进化算法及其应用[D];西安电子科技大学;2005年
7 杜金玲;基于水平集进化的全局优化进化算法研究[D];西安电子科技大学;2004年
8 冀德刚;物流运输中车辆路径优化算法研究[D];河北大学;2011年
9 周丽娟;进化算法及其在全局优化和VRP中的应用[D];西安电子科技大学;2007年
10 梁峰;基于BPSO和变邻域差分进化算法的配电网重构[D];东北电力大学;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026