PV型旋风分离器的响应面实验建模及粒子群优化
发布时间：2021-06-17 10:17
粒子群算法（particle swarm optimization,PSO）作为近年发展起来的智能优化算法的代表,有着结构简单、容易理解、程序易实现,寻优速度快等特点,适用于求解不可微、非线性、多目标等复杂问题,因而广泛应用于工程领域中以解决实际问题的优化,本文将其应用于旋风分离器结构的优化。旋风分离器是一种结构简单,分离效率高,安装维护方便的气固分离设备。PV型旋风分离器由于其优越的性能,一经开发便广泛应用于石油行业催化裂化中催化剂的回收。由于旋风分离器的性能参数与影响因素间的关系复杂,因此研究者为了更准确的描述这种关系做了大量的理论和试验研究。本文的主要研究内容如下:1、为了准确描述PV型旋风分离器的压降和总效率与几何结构等影响因素之间的关系,以便有效预测出高效低阻的旋风分离器结构,基于已发表文献中的试验数据,使用Design-Expert软件中的历史数据拟合功能（Historical Data）分别对PV型旋风分离器的压降和总效率进行了响应面（response surface methodology,RSM）回归建模,得到了压降和总效率随各因素变化的多项式回归方程,由模型的相关系...
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题背景及意义
1.2 研究现状与发展
1.3 研究内容及结构
第二章 粒子群优化算法
2.1 引言
2.2 粒子群算法概述
2.2.1 标准粒子群算法
2.2.2 粒子群算法的改进
2.2.3 粒子群算法的特点和问题
2.3 多目标粒子群算法
2.3.1 多目标优化问题
2.3.2 多目标粒子群算法
2.3.3 多目标粒子群算法的研究现状
2.4 本章小结
第三章 响应面建模及实验设计
3.1 引言
3.2 响应面模型介绍
3.2.1 响应面法概述
3.2.2 二次多项式响应面
3.2.3 响应面有效性评价
3.3 试验设计概述
3.3.1 因子试验设计
3.3.2 Box-Behnken试验设计
3.3.3 中心复合试验设计
3.4 Design-Expert软件简介
3.5 本章小结
第四章 PV型旋风分离器及其响应面建模
4.1 引言
4.2 PV型旋风分离器的结构与性能参数
4.2.1 PV型旋风分离器结构及参数
4.2.2 旋风分离器性能评价指标
4.3 总效率的响应面建模
4.3.1 总效率响应面模型建立
4.3.2 总效率响应面模型分析
4.4 压降的响应面建模
4.4.1 压降响应面模型建立
4.4.2 压降响应面模型分析
4.5 本章小结
第五章 性能参数的粒子群优化
5.1 引言
5.2 性能参数的约束优化
5.2.1 惩罚函数法处理约束优化
5.2.2 性能参数的优化及结果
5.3 性能参数的多目标粒子群优化
5.3.1 算法描述
5.3.2 优化结果
5.4 本章小结
第六章 总结与展望
6.1 本文总结
6.2 工作展望
参考文献
致谢
攻读硕士学位期间发表的学术论文
【参考文献】：
期刊论文
[1]基于响应曲面法的蜗壳式旋风分离器分离效率[J]. 李庆生,张译峰. 中国粉体技术. 2015(01)
[2]一种改进的多目标粒子群优化算法及其应用[J]. 冯金芝,陈兴,郑松林. 计算机应用研究. 2014(03)
[3]Study of a New Improved PSO-BP Neural Network Algorithm[J]. Li Zhang,Jia-Qiang Zhao,Xu-Nan Zhang,Sen-Lin Zhang. Journal of Harbin Institute of Technology. 2013(05)
[4]一种改进的多目标粒子群优化算法及其应用[J]. 冯琳,毛志忠,袁平. 控制与决策. 2012(09)
[5]复合策略惯性权重的粒子群优化算法[J]. 郜振华,梅莉,祝远鉴. 计算机应用. 2012(08)
[6]一种混合拓扑结构的粒子群优化算法[J]. 黄少荣. 辽宁大学学报(自然科学版). 2012(02)
[7]粒子群算法在车间作业调度问题中的仿真研究[J]. 李宏芳,郑睿颖. 计算机仿真. 2011(11)
[8]惯性权重正弦调整的粒子群算法[J]. 姜长元,赵曙光,沈士根,郭力争. 计算机工程与应用. 2012(08)
[9]基于生物寄生行为的双种群粒子群算法[J]. 秦全德,李荣钧. 控制与决策. 2011(04)
[10]具有动态拓扑结构的聚类粒子群算法研究[J]. 梁晓磊,李文锋,张煜,李斌. 武汉理工大学学报(信息与管理工程版). 2011(01)
博士论文
[1]基于响应面建模和改进粒子群算法的有限元模型修正方法[D]. 秦玉灵.哈尔滨工业大学 2011
[2]粒子群优化算法及其应用研究[D]. 田野.吉林大学 2010
[3]最小二乘支持向量机建模及预测控制算法研究[D]. 李丽娟.浙江大学 2008
硕士论文
[1]响应面法优化超声辅助提取银杏叶中总黄酮及其抗氧化研究[D]. 刘岿.兰州大学 2016
[2]改进粒子群优化算法在路径优化中的应用[D]. 宋慧.郑州大学 2014
[3]基于粒子群算法的非概率可靠性分析及其在边坡工程中的应用[D]. 张盈盈.中南大学 2011
[4]响应曲面二阶设计方法比较研究[D]. 胡雅琴.天津大学 2005
本文编号：3235007
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题背景及意义
1.2 研究现状与发展
1.3 研究内容及结构
第二章 粒子群优化算法
2.1 引言
2.2 粒子群算法概述
2.2.1 标准粒子群算法
2.2.2 粒子群算法的改进
2.2.3 粒子群算法的特点和问题
2.3 多目标粒子群算法
2.3.1 多目标优化问题
2.3.2 多目标粒子群算法
2.3.3 多目标粒子群算法的研究现状
2.4 本章小结
第三章 响应面建模及实验设计
3.1 引言
3.2 响应面模型介绍
3.2.1 响应面法概述
3.2.2 二次多项式响应面
3.2.3 响应面有效性评价
3.3 试验设计概述
3.3.1 因子试验设计
3.3.2 Box-Behnken试验设计
3.3.3 中心复合试验设计
3.4 Design-Expert软件简介
3.5 本章小结
第四章 PV型旋风分离器及其响应面建模
4.1 引言
4.2 PV型旋风分离器的结构与性能参数
4.2.1 PV型旋风分离器结构及参数
4.2.2 旋风分离器性能评价指标
4.3 总效率的响应面建模
4.3.1 总效率响应面模型建立
4.3.2 总效率响应面模型分析
4.4 压降的响应面建模
4.4.1 压降响应面模型建立
4.4.2 压降响应面模型分析
4.5 本章小结
第五章 性能参数的粒子群优化
5.1 引言
5.2 性能参数的约束优化
5.2.1 惩罚函数法处理约束优化
5.2.2 性能参数的优化及结果
5.3 性能参数的多目标粒子群优化
5.3.1 算法描述
5.3.2 优化结果
5.4 本章小结
第六章 总结与展望
6.1 本文总结
6.2 工作展望
参考文献
致谢
攻读硕士学位期间发表的学术论文
【参考文献】：
期刊论文
[1]基于响应曲面法的蜗壳式旋风分离器分离效率[J]. 李庆生,张译峰. 中国粉体技术. 2015(01)
[2]一种改进的多目标粒子群优化算法及其应用[J]. 冯金芝,陈兴,郑松林. 计算机应用研究. 2014(03)
[3]Study of a New Improved PSO-BP Neural Network Algorithm[J]. Li Zhang,Jia-Qiang Zhao,Xu-Nan Zhang,Sen-Lin Zhang. Journal of Harbin Institute of Technology. 2013(05)
[4]一种改进的多目标粒子群优化算法及其应用[J]. 冯琳,毛志忠,袁平. 控制与决策. 2012(09)
[5]复合策略惯性权重的粒子群优化算法[J]. 郜振华,梅莉,祝远鉴. 计算机应用. 2012(08)
[6]一种混合拓扑结构的粒子群优化算法[J]. 黄少荣. 辽宁大学学报(自然科学版). 2012(02)
[7]粒子群算法在车间作业调度问题中的仿真研究[J]. 李宏芳,郑睿颖. 计算机仿真. 2011(11)
[8]惯性权重正弦调整的粒子群算法[J]. 姜长元,赵曙光,沈士根,郭力争. 计算机工程与应用. 2012(08)
[9]基于生物寄生行为的双种群粒子群算法[J]. 秦全德,李荣钧. 控制与决策. 2011(04)
[10]具有动态拓扑结构的聚类粒子群算法研究[J]. 梁晓磊,李文锋,张煜,李斌. 武汉理工大学学报(信息与管理工程版). 2011(01)
博士论文
[1]基于响应面建模和改进粒子群算法的有限元模型修正方法[D]. 秦玉灵.哈尔滨工业大学 2011
[2]粒子群优化算法及其应用研究[D]. 田野.吉林大学 2010
[3]最小二乘支持向量机建模及预测控制算法研究[D]. 李丽娟.浙江大学 2008
硕士论文
[1]响应面法优化超声辅助提取银杏叶中总黄酮及其抗氧化研究[D]. 刘岿.兰州大学 2016
[2]改进粒子群优化算法在路径优化中的应用[D]. 宋慧.郑州大学 2014
[3]基于粒子群算法的非概率可靠性分析及其在边坡工程中的应用[D]. 张盈盈.中南大学 2011
[4]响应曲面二阶设计方法比较研究[D]. 胡雅琴.天津大学 2005
本文编号：3235007
本文链接：https://www.wllwen.com/kejilunwen/huaxuehuagong/3235007.html
