化工过程分析与合成Ch42.ppt

目标函数含终态 （终态时刻固定，终端无约束） 这个优化问题的目标函数中包括一个与终态有关的项，且该项随状态函数的变化而变化。 所以，不能直接应用泛函数的欧拉方程求解这一优化问题。 用变分法推证这类优化问题极值的必要条件－最小值原理 利用拉格朗日乘子向量函数将式中的目标函数与微分约束方程结合，就构成拉格朗日函数： 引进哈密尔顿函数： 哈密尔顿是类似于拉格朗日函数的辅助函数，其中向量函数称为协状态变量： 把哈密尔顿函数代入(4-52)式，得到： 将上式中最后一项分部积分后得到： 当原式中的微分约束方程满足时，本式与原问题的目标函数是一致的。 可以证明，原问题最优解的必要条件为： 若使目标函数达到最小，那么它的一个必要条件是最优决策W*(f)使哈密尔顿函数为极值 进一步还可以证明，如果哈密尔顿函数是极小（大），则原问题的目标函数也是极小（大）。因此，这个必要条件取名为最小（大）值原理。 这样，通过应用最小值原理，本节提出的泛函J的最优化问题便可转换为普通函数H的最优化问题。 目标函数含终态 （终态时刻不定，终端有约束）连续系统参数优化的数值解法 参阅相关书籍 大作业 4.6 化工过程大系统的优化 前面所描述的优化问题，仅仅涉及到一个单元设备或一个局部过程， 实际的过程系统往往是针对一个较大或者是较复杂的系统进行的，所包含的线性和非线性方程更多、更复杂。 一般来说当方程个数大于100时，用计算机直接求解就有困难。 化工过程大系统的优化方法 和过程系统的稳态模型一样，过程大系统的最优化问题可有以下方程来描述： 流程描述方程 尺寸，成本方程 等式设计约束 不等式设计约束 求解(OPT1)优化问题的优化方法视其处理约束条件的方式分为两大类：可行路径型和不可行路径型。 可行路径型是指优化搜索过程在可行域内进行，因此对决策变量w迭代的每次取值，都必须求解流程方程，尺寸及成本模型方程和等式设计约束方程。 不可行路径型是指优化搜索过程仅在最优解处满足约束条件。这类方法中所有变量w、x、z同时向使目标函数F最优而又满足约束条件的方向移动。 过程大系统优化问题的求解方法，可以看作是最优化方法与稳态模拟方法的结合。 通常，可以利用稳态模拟方法求解等式约束方程，利用最优化方法寻求满足约束的目标函数最优解。 这两方面中不同方法相结合就产生了不同类型的系统模拟优化策略。 ①可行路径黑箱搜索法 (Feasible-Path Pointwise Black Box Method)； ②可行路径联立模块法 (Feasible-Path Block Modular Method) 又称可行路径组合模块法； ③不可行路径序贯模块法 (Infeasible-Path Sequential Modular Method) ④不可行路径面向方程法 (Infeasible-Path Equation Oriented Method)； ⑤不可行路径联立模块法 (Infeasible-Path Block Modular Method)。 (2) 化工过程大系统优化方法评价标准 应用方便，如尽可能地利用现有的流程模拟系统，把数据和函数引入最优化算法程序，且花费的人工最少。 计算可靠，初值选择方便，计算过程需要人工干预少，计算方法的适应性强。 解效率高 (3) 系统模拟优化采用的最优化方法评述 直接搜索法。 它应用简便，计算比较可靠，但优化计算每迭代一次都要做一次全流程模拟计算，属于可行路径法。用这种方法即使计算变量很少的优化问题（如5个变量），也需要5-~400次全流程模拟，计算效率很低。因此在早期的的研究工作中报道较多，目前已很少被采用。 罚函数型和拉格朗日函数型的优化方法。 曾被广泛用于处理有约束的非线性问题，但随着问题维数的增多，其数学性质变得复杂，条件变坏，求解困难，而且罚函数的选择和修正带有很大的任意性。因而，仅用于解决大系统参数优化问题。 序列线性逼近法（SLP）。 该法适应性强，能处理大规模的优化问题，但收敛速度慢。序列二次规划法（SQP）属于不可行路径法，它具有很好的性质：收敛速度快，计算效率高，是当前公认的最好的优化方法之一。但SQP法不能直接用于维数过多的优化问题，须辅以变量分解法以缩小变量空间。 广义简约梯度法（GRG）。 该法是一种很有吸引力的方法，它适应性好，收敛速度快，特别是可以直接用于处理大规模优化问题，但在过程优化方面应用的报道不多。 4.6.1 可行路径优化法 (1) 可行路径黑箱搜索法 将过程系统视为“黑箱”，在优化计算确定决策变量的搜索过程