旋风分离器的性能建模及多目标粒子群优化

发布时间：2020-06-18 05:16

【摘要】：旋风分离器是气固分离器中应用最广泛的设备,它是一种依靠离心力将固体颗粒从气流中分离出来的分离器。由于结构简单维修方便等原因,它被广泛的应用在了化工、能源和环保等领域。效率和压降是旋风分离器的两个相互矛盾的性能参数,追求高效低阻的旋风分离器设计是一个复杂的多目标优化问题。在旋风分离器的多目标优化问题中目标函数一般有理论与半经验模型、计算流体动力学模型和元模型三种形式。其中,不同的理论与半经验模型的计算结果由于采用了不同的假设和简化条件会有很大的偏差,而计算流体动力学模型又是一个耗时耗费的工作且不适于应用在迭代优化任务中,因此构建一个由实验数据或模拟计算数据通过复杂过程建模得到的简单有效的元模型是非常有意义的。为了清晰地描述效率、压降与旋风分离器的结构参数和操作条件之间的复杂非线性关系,采用基于主元分析法(Principal Component Analysis,PCA)和粒子群优化(Particle Swarm Optimization,PSO)技术的支持向量回归算法(Support Vector Regression,SVR)对旋风分离器的粒级效率和压降进行建模。利用主元分析法、随机抽样技术和归一化方法对文献中提供的实验数据进行预处理,然后通过粒子群优化算法确定支持向量回归模型中的惩罚系数C、核函数的参数g和不敏感损失ε,最后用80%的预处理数据对已获得优化参数的SVR模型进行训练,用剩余的20%数据测试模型的泛化能力。将PCA、PSO和SVR三种算法耦合在一起的PCA-PSO-SVR模型对粒级效率和压降的测试集进行预测的均方误差分别为6.948e-4和8.982e-4,相关系数分别为0.982和0.990,通过比较说明该模型比现有旋风分离器效率和压降的理论与半经验模型、元模型具有更高的准确性、泛化能力和鲁棒性。将这两个元模型作为目标函数应用到多级串联旋风分离器的多目标优化设计会得到更好的结果。旋风分离器是气固分离的重要设备,然而在大多数工业中,单级的旋风分离器并不能满足生产的需要,需要用到三个甚至更多旋风分离器串联起来协同工作。但目前有关多级串联旋风分离器的研究较少,而且大多数的旋风分离器的结构优化研究只针对提高效率和降低压降两个目标并没有考虑如何降低成本。本文利用多目标粒子群优化算法(Multi-objective Particle Swarm Optimization,MOPSO)以建立的两个PCA-PSO-SVR模型和成本为目标函数对三级串联PV型旋风分离器的入口截面比K_a、排气管下口直径比(?)和筒体直径D在固定入口流量的情况下进行多目标优化。这种多目标优化方法为多级串联旋风分离器的设计提供了一种新的方法,它的结果是得到了一组权衡压降、效率和成本关系的Pareto最优解。
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TH237.5
【图文】：

旋风分离器,结构示意图,气相分离,绪论

太原理工大学硕士研究生学位论文第一章绪论义简单的气固分离装置，本身并没有复特点，被广泛的应用在了化工、能源，它包括以下几个结构参数：入口高 S、筒体直径 D、排尘口直径 B、筒的分离原理是气固两相在分离器内受甩向外壁面与气相分离。

示意图,主成分分析,示意图,降维算法

度主元分析法并成功的应用到了化工过程“时滞移位”方法来将动态行为包括在主析维算法。它是最常用的降维算法之一，可大的弊端。主成分分析是一种基于变量协法。PCA 的思想是根据最大方差理论将 n主元，是旧特征的线性组合，新的 k 个特。如下图 2-1 所示，PCA 实现降维的过程标系，在这个新坐标系里样本点在某些轴

【相似文献】