04生物反应过程优化操幻灯片.pptVIP

4 生物反应过程优化操作 4.1 概述 常规操作:总的原则是被控变量尽量保持或接近设定值。 实际生产:被控变量越接近设定值并不意味控制效果越好(设定值并非真正合适)。 原因：?装置设计时难以使装置的结构参数和操作参数在工艺技术和经济上取得系统的最优值；?农副产品等原料在品种、质量等方面的变化、菌种变异、改良甚至更新,可能导致工艺条件严重地偏离系统的优化状态。 适时地调整操作参数很有必要。 单凭经验或经典的试验数据来控制生产显然适应不了时代的需要。 如何借助于最优化技术，在生化过程客观允许的范围内，寻求与产品质量最好、产量最高、能耗最低和效果最佳相对应的系列操作优化策略，关系到生化过程控制水平及生物技术发展的速度。 4.1.1 优化问题的几个基本概念 1．目标函数与等位线 目标或性能指标：评价方案好坏的标准。 目标函数：所关心的目标(某一变量)与相关的因素(某些变量)的函数关系。 最优化的任务：在问题的允许范围内选定参数或函数，使目标达到最大值或最小值。 目标函数总是与经济效益密切相关的指标，如收益、产率、成本、能耗等。 如何确定目标函数？突出重点，统筹兼顾 按照处理多目标优化的方法，把几个目标函数加权后相加，这样可以防止某项目标函数太差； 在目标函数中引入约束条件，防止某些指标突破限值。 单目标优化：只有一个目标函数的问题。 多目标优化：有多个目标函数的问题。 等位线：把具有相同函数值的自变量的点连成的曲线，目标函数取不同的常数值，就得到不同的等位线。 2．静态优化与动态优化 静态优化：在一定的范围内选取一些参数，使问题的目标函数达到最优化值。静态优化常用于一定最优目标下，确定工程问题的最佳操作(温度、压力、pH和流量等)和设计参数（设备最佳尺寸和最优生产水平等）的场合。 动态优化：选择一个或几个函数，使问题的性能指标达到最优值。动态优化所候选的函数经常是时间（空间）变量的函数，它常用于在一定的最优目标下，确定某些函数应具有最佳变化规律，例如，过程动态分析中的操作变量(温度、压力、pH、流量等)随时间变化的最佳曲线，或在某空间区域中的最佳分布。 一般地，连续生物反应器都采用静态优化控制。其目的是搜索变量优化参数，如温度、pH、DO及营养物输送速率等常数。 目前先进的分批和补料分批生物反应器采用的是动态优化控制。其温度、pH、DO都是时间的函数。因此，它们的过程控制是找到最佳时间结构，在时间连续变化的同时搜索最优参数，即T(t)、pH(t)、DO(t)的最佳轨线。 3. 约束条件与可行域 约束条件：限制目标函数自变量的取值范围。约束条件可用等式或不等式来表示，其形式为： (4.1) 可行点：满足约束条件的点。 可行域：可行点组成的集合，记为S。 等式约束条件hj(x)=0：各过程变量间通过一些物理的、化学的定律(如物质不灭定律和能量守恒定律)或一些经验关系式所建立的相互联系。 不等式约束条件：为了保证状态变量(或参数)和过程在物理上的可实现性或一致性所加的限制，如生产能力、原料要求及操作时间限制等。此外，为了简化过程模型所作出的一些假设条件。 由于大多数最优化算法在无等式约束时运行得较好，所以在规定等式约束时需更为慎重。 4. 最优化问题的数学模型 最优化问题的数学模型由三个部分组成：目标函数(性能指标)、独立变量和约束。一般可表达为： (4.2) 其中f(x)为目标函数，x为独立变量，s为可行域： gi(x)、hj(x)为约束函数。 式（4.2）的另一种形式为： (4.3) s.t.是subject to的缩写，表示约束条件。 无约束最优化：l=m=0时，数学模型中不存在约束，此时可行域为整个空间。 约束最优化：l或m至少有一个不为零。 线性规划：f(x)、gi(x)、h(x)全为线性函数，否则称为非线性规划问题。 4.1.2 典型的优化方法 4.2 过程静态优化 最常用的方法：用于线性规划的单纯形法。 创立：美国数学家G. B. Dantzing，1947年。 4.2.1 几个基本概念 线性规划的标准形式 其中 为系数矩阵 为变量的系数向量 为价值系数向量 为决策向量 为要求向量 n为线性规划维数 m为线性规划阶数 2．线性规划的典范形式 如