啤酒生产过程优化和综合自动化若干关键技术研究

【摘要】： 啤酒生产是我国的一个传统产业,随着国民经济的发展和人民生活质量的改善,我国啤酒工业得到空前的发展,为国民经济建设发挥了非常重要的作用。尽管如此,由于啤酒企业竞争的日益激烈和市场的逐渐开放,对啤酒生产过程的控制和优化研究更显得具有重大的现实意义。但是,啤酒生产过程是一个复杂的工业系统,虽然传统控制与优化理论比较成熟,但在复杂工业系统中的应用还存在局限性。随着智能方法的发展,出现了许多独立于问题的智能算法,如蚁群算法,遗传算法,专家系统等等,适合于复杂工业系统中控制与优化问题,为解决复杂问题提供了新的思路和方法。 本文以啤酒生产过程为工程背景,从智能优化算法到对啤酒原料配方优化设计、啤酒生产调度优化问题进行了研究,还对啤酒生产过程的综合自动化及其应用技术进行了研究。 论文的主要工作和创新点如下: (1)针对现有蚁群算法在优化迭代过程中存在的不足,受人类社会活动某些特征的启发,提出了两种改进算子,分别是仿效人类创新思维的好奇因子和效仿人类社会税收功效的征税算子。两种改进算子修正了蚁群算法中选择策略与信息素更新规则。另外,本文还对改进算子的参数设置以及收敛性问题进行研究讨论。大量仿真结果表明,添加改进算子的蚁群优化算法非常有效,两者能有效地提高蚁群算法全局优化能力,并且对以往改进的蚁群算法普遍有效。另外,两种改进算子也被应用于后续的应用研究中,同样表现出了优异的全局优化能力。 (2)建立了啤酒风味与原料组分的关系模型,研究啤酒原料配方优化设计方法,并在此基础上提出了一种适合连续域优化的变尺度蚁群算法。目前啤酒企业生产配方仍然依靠人工经验结合试验的方法来确定,具有一定的盲目性,各种指标参数很难令人满意。因此论文开展了对啤酒配方智能优化设计方法的研究,首次对啤酒风味指标进行量化研究,利用模糊综合评判和神经网络方法建立原料组分与啤酒风味之间的关系模型。另外,原料配方优化属于连续域优化问题,为了提高蚁群算法求解此类连续域优化问题的能力,本文提出了一种变尺度蚁群算法,并将改进蚁群算法成功应用于啤酒原料配方设计中。研究结果表明,啤酒原料配方蚁群优化设计方法的设计效率明显优于传统配方设计方法,具有良好的工业应用价值。此外,与传统蚁群算法相比,改进蚁群算法能有效地降低计算量,缩短计算时间,更适合于解决连续域优化问题。 (3)分析啤酒生产工艺和生产流程,建立了啤酒企业的生产调度模型,并应用蚁群算法进行了啤酒生产优化调度研究。由于啤酒生产半连续的特点以及迅速响应市场变化的需求,使得啤酒全部生产活动和经济效益极大地依赖于生产计划和调度。于是,本文研究了啤酒生产过程中的调度问题。为了降低问题的规模与复杂性,考虑到啤酒生产过程和工艺特点,本文将啤酒生产调度划分为生产计划和生产调度两部分并单独进行机理建模,分别建立了适合于中长期的生产计划数学规划模型以及适合短期的生产调度数学规划模型。然后,应用蚁群优化算法求解此类生产优化调度问题。仿真结果表明,蚁群算法能优于遗传算法等其它智能算法获得更佳的解决方案,而且提出的啤酒生产优化调度方法能够很好保证生产库存稳定,减少市场波动给企业带来的负面影响。 (4)针对啤酒生产过程中存在的几个传统控制难点:发酵罐的温度控制、烛式过滤机的滤层监控等,通过研究分析,分别提出了有效的智能控制策略,其应用结果表明控制策略的有效性。另外对啤酒生产过程,在系统地分析了其工艺对象特征及控制特点后,讨论分析了实现大型啤酒生产计算机控制系统的新型网络结构以及实现综合自动化控制系统的高效软件设计方法。

【学位授予单位】：浙江大学
【学位级别】：博士
【学位授予年份】：2008
【分类号】：TP278