计算智能方法研究及其在流程工业中应用.pdf

摘要 计算智能方法研究及其在流程工业中应用 摘 要 随着计算智能方法的发展，将计算智能方法用于解决工程问题己成为 其研究的首要任务。而流程工业中建模与优化技术对于石化企业具有重要 的现实意义，它的不断完善和应用可以带来十分可观的经济效益。对于具 有多样的信息模型、多变量和强耦合特性，以及庞大计算量的复杂流程工 业过程，采用单一过程建模与优化手段的作法显然无法满足生产要求。随 着多学科相互交叉和渗透，将高效的建模与优化技术和计算智能相结合已 成为必然的趋势。鉴于实际流程工业建模与优化问题的复杂性、约束性、 非线性、多极小、建模困难等特点，寻求合适的建模与优化方法已成为计 算智能学科的一个主要研究目标。因此本文针对流程工业的建模与优化问 题，结合计算智能方法中粒子群算法和蚁群算法，并借助于神经网络和模 糊分析工具，进行了如下探讨： 针对流程工业神经网络建模时，算法的局部收敛问题，采用模糊粒子 群算法改进神经网络学习问题。该算法将模糊粒子群引入神经网络学习算 法，将网络输出误差和当前的初始权重作为模糊输入变量，粒子的权重变 化值作为模糊输出，使得粒子群的权重自适应更新，同时模糊粒子群自适 应调整神经网络权重参数，保证了网络的收敛性。将模糊粒子群神经网络 算法，用于建立乙烯裂解工业中裂解炉出口温度(COT)、裂解产品收率 北京化．T人学博_1二学位论文 及工业PTA溶剂脱水系统中醋酸含量等软测量模型，取得了较好的应用 效果。 针对复杂工业对象的多个优化目标问题存在相互冲突、难以协调一致 的问题，研究了基于Pareto机制的多目标粒子群算法(Multiobjective Particle swarm 多目标粒子群算法，新算法在Pareto排序基础上引入子目标的最优解来 扩展非劣解集的范围，使非劣解集对于每个单目标而言都有较广的覆盖范 围，确保非劣解集均匀分布，并逼近非劣前沿，改进了非劣解集的质量；同 时对非劣解引入目标偏好信息，通过后验的模糊评价，来确定非劣解的满 意解，为决策者提供了明确的决策范围。将模糊多目标粒子群算法用于解 决乙烯裂解过程中乙烯和丙烯收率多目标优化问题，较好地平衡了两种目 标之间的冲突，为流程工业多目标优化问题提供了理论指导。 针对蚁群算法中影响算法性能的参数确定问题，研究了基于进化机制 的蚁群算法参数确定方法。该方法将蚁群算法中的参数作为每只蚂蚁的属 性，利用进化机制对蚂蚁的种群进行自然选择，蚂蚁的参数在求解问题的 动态过程中收敛到合理的范围内。验证结果表明，该算法改进了解的性能。 针对工业PTA醋酸消耗问题，分析了工业PTA溶剂脱水塔共沸精馏 过程，建立了PTA共沸精馏动态模型，对其动态特性进行了分析。在此 基础上研究了PTA溶剂脱水系统醋酸降耗问题，将基于进化机制的蚁群 算法及模糊多目标粒子群算法分别用于工业PTA的醋酸降耗问题研究， 基于进化机制的蚁群算法为解决工业PTA醋酸消耗问题提供了一个优化 H 摘要 策略值，模糊多目标粒子群算法为解决工业PTA醋酸消耗问题提供了一 个可选的决策范围，两种算法分别从不同角度对解决工业PTA醋酸消耗 问题提供了理论指导。 关健词：计算智能，模糊Pareto多目标粒子群优化，进化蚁群算法， 乙烯裂解炉，PTA溶剂脱水系统 III 北京化工大学博J：学位论文 method and Computationalintelligent investigation inthe applicationprocessindustry．