基于遗传算法板式塔负荷性能图优化设计.pdfVIP

维普资讯 第37卷 第 9期 化 工 技 术 与 开 发 VoI．37 No．9 2008年9月 Technology DevelopmentofChemicalIndustry Sep．2008 基于遗传算法的板式塔负荷性能图优化设计 汪厚新 ，高红莲 (成都理工大学工程技术学院自动化系，四川 乐山 614007) 摘 要：对板式塔设备进行负荷性能优化设计 ，在设计计算模块中，应用遗传算法，实现了塔设备负荷性能图 的优化。 关键词：塔设备 ；遗传算法；负荷性能图；优化设计 中图分类号：TQ053．5 文献标识码：A 文章编号：1671—9905(2008)06．0050—03 板式蒸馏塔设备的设计过程中，负荷性能图是 备负荷性能图优化调整时，除了要妥善解决设计对 检验塔设备设计是否合理的一个重要环节，而负荷 象的描述问题之外，如何合理地选择优化方法 (算 性能图的调整则是对塔设备总体性能的一个优化过 法)是需要着重考虑的问题。 程，在整个板式塔设计过程中有非常重要的作用。 目前常用的有关约束非线性离散变量的优化方 通过调整塔板的结构参数来调整负荷性能图一般出 法，归纳起来，有这样几类：基于连续变量优化思路 于两个 目的，一是为了维持塔的正常操作，不至于发 而发展出的离散或拟离散优化方法，如圆整法、拟离 生液泛、雾沫夹带、漏液等；二是为了获得 良好的操 散法和离散惩罚函数法；随机型和半随机型的离散 作弹性及较宽的操作范围，即进行塔板结构设计的 变量优化方法，如离散变量随机实验法、随机离散搜 优化。然而在传统的设计中，每调整一次，就需要对 ， 索法；离散变量搜索优化方法，如整数梯度法、 塔设备进行反复设计，并对负荷性能图进行重新绘 MDOD法和离散复合形法；其他离散变量优化方 制，而且在调整中也仅仅是从众多调整方案中选择 法，如分支定界法、隐枚举法等[2l。 一 个相对较好的方案，无法获得最优解。而通过采 现代优化算法包括禁忌搜索 (tabusearch)、遗传 用合适的优化方法，就可以使设计效率大大提高，同 算法(geneticalgorithm)、人工神经网络(neur~net— 时还能获得质量较高的设计结果。 works)。它们主要用于解决大量的实际应用问题。 塔设备负荷性能图优化的设计变量具有离散 而这几种方法比较起来，遗传算法尤其适合进行参 性，并且有一定的约束。如要求塔径在 600、700、 数的优化选择，并且易于理解，也比较成熟，所以选 800、1000、1200等离散系列中选取，而开孔率要求 择遗传算法作为塔设备负荷性能图调整的优化方 在5％～15％的约束之内。目标函数的求取过程中 法。遗传算法的流程图见图1。 包含高次函数以及积分函数，具有一定的复杂性，而 2 塔负荷性能图优化方法的实现 且是非线性的。因此该优化问题属于有约束非线性 优化问题。同时，它又是一个多峰值的随机性很大 2．1 设计变量 的优化问题。因此选用什么样的优化方法能够克服 在对负荷性能图的调整中，工程实际中所需要 目标函数的局部收敛，得到全局最优解是塔设备负 调整的参数有：塔径D、板间距 I-It、堰长 ￡Ⅳ、降液管 荷性能图优化的一个关键 问题。 底隙h0,以及开孔率 等参数，这5个参数的调整将 会引起最小液量线、漏液线、最大液量线、液泛线、雾