智能优化算法及人工神经网络在催化裂化模型分析中的应用进展
发布时间：2021-07-12 03:31
催化裂化是一个由多种高度非线性和相互强关联因素影响的复杂工艺过程,对其工艺过程和产品收率优化的数学建模分析一直是石油加工领域研究的热点和难点。集总动力学模型是机理分析层面最为常用的研究方法。选用合适而快捷的参数估算和求取方法,是集总动力学模型构建过程中的重要一环。遗传算法、粒子群算法和模拟退火算法等智能算法一定程度上克服了经典算法对初值依赖性,难寻找全局最优的问题,同时还保证了算法的收敛性,对于集总动力学模型的发展起到了极大的促进作用。此外,通过构建原料油性质、催化剂性质、操作条件和产品分布之间的神经网络模型,可以从统计学的角度找到产物分布的影响机制,分析得到常规集总分析方法忽略的一些因素,且可对产物分布进行进一步的预测,是构建催化裂化分析模型的一种新型且有效的手段。笔者对现有关于人工智能算法在催化裂化工艺模型构建中应用的研究成果做一整理,以期对后续的研究提供帮助。
【文章来源】：石油学报(石油加工). 2020,36(04)北大核心EICSCD
【文章页数】：11 页
【部分图文】：
遗传算法框架图
从计算过程来看,PSO具有较强的全局收敛能力,但依然存在收敛速率和收敛性能较低等不足,在实际使用中,需要结合其他算法来弥补其不足。在催化裂化中,PSO常常被用来计算集总动力学模型的参数。Sani等[31]比较了非支配排序遗传算法II(NSGA-II)和混沌粒子群优化算法(C-PSO)对二十七集总动力学模型参数进行估计时的性能。结果表明,从计算时间和全局寻优的角度,C-PSO粒子群算法都具有更出色的表现。Chen等[32]采用混合粒子群优化算法(HPSO)结合进化算法,对八集总催化裂化动力学模型的21个动力学参数进行了求解,得到的模型动力学参数结果与实验结果表现出良好的一致性。栗伟等[33]在所构建的FCC集总模型中,采用结合Levenberg-Marquardt算法的PSO算法来计算动力学参数,还考察了其他多种优化算法的实际运算效果。结果表明,粒子群算法不仅简单易用,得到的动力学参数也非常精确。综上可知,通过将粒子群算法与其他算法进行结合,可以很好地弥补粒子群算法自身的不足,并极大地提升粒子群算法的寻优能力,从而显著地提高催化裂化模型的准确性。1.3 模拟退火算法
在优化催化裂化模型的过程中,模拟退火算法经常与局部最优算法联合使用,从而在不同层面上寻找模型参数的最优值。杜玉朋[35]通过模拟退火法(全局)-最小二乘法(局部)-模拟退火法(全局)3层逐层寻优算法,对两段提升管催化裂解多产丙烯(TMP)的完整数学模型进行了模型参数估计,完成了十集总动力学模型的构建。结果表明,模型能够很好地对TMP技术在不同操作条件下的产物分布进行预测。在分子尺度的计算中,模拟退火算法也表现出良好的适用性。王胜[36]采用了模拟退火法优化了基于深度催化裂化(DCC)工艺而建立的分子尺度模型。闫昊等[37]利用结构导向集总与Monte Carlo模拟方法相结合,构建了废弃油脂催化裂化反应的分子尺度动力学模型,并利用模拟退火算法对原料矩阵进行优化。结果表明,模型可以很好地对原料性质和产物分布进行预测。由以上分析可知,通过模拟退火算法以及将模拟退火算法与其他算法进行结合,有助于降低模型预测值与真实值之间的差异。综合所述,在催化裂化集总动力学模型参数的求解过程中,遗传算法、粒子群算法以及模拟退火算法存在许多相似之处,通过不断地迭代在可行解空间中寻找最优解,并采取相应的策略以避免陷入局部最优,从而保证算法的收敛性和稳定性。但是在寻找最优解的过程中,遗传算法、粒子群算法和模拟退火算法所采取的策略大不相同。因此,3种算法在模型求解寻优中各有所长,实际应用过程中,应根据具体的问题灵活选择。
【参考文献】：
期刊论文
[1]BP神经网络结合遗传算法优化MIP工艺的产品分布[J]. 欧阳福生,游俊峰,方伟刚. 石油炼制与化工. 2018(08)
[2]催化裂化反应系统关键装备技术研究进展[J]. 卢春喜,范怡平,刘梦溪,姚秀颖. 石油学报(石油加工). 2018(03)
[3]催化裂化技术面临的挑战与机遇[J]. 杨朝合,陈小博,李春义,山红红. 中国石油大学学报(自然科学版). 2017(06)
[4]基于粒子群算法的BP神经网络在催化裂化反应再生过程中的应用[J]. 高玉梦,邢艺凡,付杰,张伟,赵进慧. 计算机与应用化学. 2017(11)
[5]大数据挖掘分析在航空发动机状态监控与故障诊断中的应用[J]. 旷典,付尧明,房丽瑶. 西安航空学院学报. 2017(05)
[6]石油和化工行业智能优化制造若干问题及挑战[J]. 钱锋,杜文莉,钟伟民,唐漾. 自动化学报. 2017(06)
[7]集总动力学模型结合神经网络预测催化裂化产物收率[J]. 欧阳福生,刘永吉. 石油化工. 2017(01)
[8]基于结构导向集总的废弃油脂催化裂化分子尺度动力学模型[J]. 闫昊,刘熠斌,冯翔,杨朝合,山红红. 化工学报. 2017(04)
[9]大数据技术在过程工业中的应用研究进展[J]. 苏鑫,吴迎亚,裴华健,蓝兴英,高金森. 化工进展. 2016(06)
[10]以BP神经网络为基础的MIP工艺过程产品分布优化[J]. 欧阳福生,方伟刚,唐嘉瑞,江洪波. 石油炼制与化工. 2016(05)
博士论文
[1]两段提升管催化裂解多产丙烯（TMP）技术提升管反应器的模型化[D]. 杜玉朋.中国石油大学(华东) 2016
硕士论文
[1]基于遗传算法和BP神经网络的微涡流混凝投药控制模型研究[D]. 樊琦.华东交通大学 2018
[2]数据挖掘技术在MIP工艺汽油收率优化中的应用[D]. 赵媛媛.华东理工大学 2018
[3]MIP-CGP工艺8集总反应动力学模型[D]. 黄帅.华东理工大学 2017
[4]集总动力学模型结合神经网络预测重油催化裂化产物收率[D]. 刘永吉.华东理工大学 2017
[5]数据挖掘技术在催化裂化MIP工艺产品分布优化中的应用研究[D]. 方伟刚.华东理工大学 2016
[6]MIP装置汽油产率预测和优化的新方法[D]. 唐嘉瑞.华东理工大学 2016
[7]灵活多效催化裂化工艺（FDFCC）集总动力学模型的研究[D]. 虞正恺.华东理工大学 2012
本文编号：3279110
【文章来源】：石油学报(石油加工). 2020,36(04)北大核心EICSCD
【文章页数】：11 页
【部分图文】：
遗传算法框架图
从计算过程来看,PSO具有较强的全局收敛能力,但依然存在收敛速率和收敛性能较低等不足,在实际使用中,需要结合其他算法来弥补其不足。在催化裂化中,PSO常常被用来计算集总动力学模型的参数。Sani等[31]比较了非支配排序遗传算法II(NSGA-II)和混沌粒子群优化算法(C-PSO)对二十七集总动力学模型参数进行估计时的性能。结果表明,从计算时间和全局寻优的角度,C-PSO粒子群算法都具有更出色的表现。Chen等[32]采用混合粒子群优化算法(HPSO)结合进化算法,对八集总催化裂化动力学模型的21个动力学参数进行了求解,得到的模型动力学参数结果与实验结果表现出良好的一致性。栗伟等[33]在所构建的FCC集总模型中,采用结合Levenberg-Marquardt算法的PSO算法来计算动力学参数,还考察了其他多种优化算法的实际运算效果。结果表明,粒子群算法不仅简单易用,得到的动力学参数也非常精确。综上可知,通过将粒子群算法与其他算法进行结合,可以很好地弥补粒子群算法自身的不足,并极大地提升粒子群算法的寻优能力,从而显著地提高催化裂化模型的准确性。1.3 模拟退火算法
在优化催化裂化模型的过程中,模拟退火算法经常与局部最优算法联合使用,从而在不同层面上寻找模型参数的最优值。杜玉朋[35]通过模拟退火法(全局)-最小二乘法(局部)-模拟退火法(全局)3层逐层寻优算法,对两段提升管催化裂解多产丙烯(TMP)的完整数学模型进行了模型参数估计,完成了十集总动力学模型的构建。结果表明,模型能够很好地对TMP技术在不同操作条件下的产物分布进行预测。在分子尺度的计算中,模拟退火算法也表现出良好的适用性。王胜[36]采用了模拟退火法优化了基于深度催化裂化(DCC)工艺而建立的分子尺度模型。闫昊等[37]利用结构导向集总与Monte Carlo模拟方法相结合,构建了废弃油脂催化裂化反应的分子尺度动力学模型,并利用模拟退火算法对原料矩阵进行优化。结果表明,模型可以很好地对原料性质和产物分布进行预测。由以上分析可知,通过模拟退火算法以及将模拟退火算法与其他算法进行结合,有助于降低模型预测值与真实值之间的差异。综合所述,在催化裂化集总动力学模型参数的求解过程中,遗传算法、粒子群算法以及模拟退火算法存在许多相似之处,通过不断地迭代在可行解空间中寻找最优解,并采取相应的策略以避免陷入局部最优,从而保证算法的收敛性和稳定性。但是在寻找最优解的过程中,遗传算法、粒子群算法和模拟退火算法所采取的策略大不相同。因此,3种算法在模型求解寻优中各有所长,实际应用过程中,应根据具体的问题灵活选择。
【参考文献】：
期刊论文
[1]BP神经网络结合遗传算法优化MIP工艺的产品分布[J]. 欧阳福生,游俊峰,方伟刚. 石油炼制与化工. 2018(08)
[2]催化裂化反应系统关键装备技术研究进展[J]. 卢春喜,范怡平,刘梦溪,姚秀颖. 石油学报(石油加工). 2018(03)
[3]催化裂化技术面临的挑战与机遇[J]. 杨朝合,陈小博,李春义,山红红. 中国石油大学学报(自然科学版). 2017(06)
[4]基于粒子群算法的BP神经网络在催化裂化反应再生过程中的应用[J]. 高玉梦,邢艺凡,付杰,张伟,赵进慧. 计算机与应用化学. 2017(11)
[5]大数据挖掘分析在航空发动机状态监控与故障诊断中的应用[J]. 旷典,付尧明,房丽瑶. 西安航空学院学报. 2017(05)
[6]石油和化工行业智能优化制造若干问题及挑战[J]. 钱锋,杜文莉,钟伟民,唐漾. 自动化学报. 2017(06)
[7]集总动力学模型结合神经网络预测催化裂化产物收率[J]. 欧阳福生,刘永吉. 石油化工. 2017(01)
[8]基于结构导向集总的废弃油脂催化裂化分子尺度动力学模型[J]. 闫昊,刘熠斌,冯翔,杨朝合,山红红. 化工学报. 2017(04)
[9]大数据技术在过程工业中的应用研究进展[J]. 苏鑫,吴迎亚,裴华健,蓝兴英,高金森. 化工进展. 2016(06)
[10]以BP神经网络为基础的MIP工艺过程产品分布优化[J]. 欧阳福生,方伟刚,唐嘉瑞,江洪波. 石油炼制与化工. 2016(05)
博士论文
[1]两段提升管催化裂解多产丙烯（TMP）技术提升管反应器的模型化[D]. 杜玉朋.中国石油大学(华东) 2016
硕士论文
[1]基于遗传算法和BP神经网络的微涡流混凝投药控制模型研究[D]. 樊琦.华东交通大学 2018
[2]数据挖掘技术在MIP工艺汽油收率优化中的应用[D]. 赵媛媛.华东理工大学 2018
[3]MIP-CGP工艺8集总反应动力学模型[D]. 黄帅.华东理工大学 2017
[4]集总动力学模型结合神经网络预测重油催化裂化产物收率[D]. 刘永吉.华东理工大学 2017
[5]数据挖掘技术在催化裂化MIP工艺产品分布优化中的应用研究[D]. 方伟刚.华东理工大学 2016
[6]MIP装置汽油产率预测和优化的新方法[D]. 唐嘉瑞.华东理工大学 2016
[7]灵活多效催化裂化工艺（FDFCC）集总动力学模型的研究[D]. 虞正恺.华东理工大学 2012
本文编号：3279110
本文链接：https://www.wllwen.com/kejilunwen/shiyounenyuanlunwen/3279110.html
