智能算法在化工动态优化中的应用研究
发布时间：2021-04-11 15:26
动态优化问题常见于化工生产过程,对动态优化问题进行有效求解可以提高生产效率以及减少原料消耗。然而,动态优化问题的优化变量为连续变量并且具有多峰值、多变量等复杂特征,给问题求解带来了挑战。本文基于典型智能优化算法,在控制向量参数化（CVP）框架下,对动态优化问题求解方法开展研究,具体研究内容如下:（1）研究比较了八种典型智能算法求解动态优化问题的性能:以往研究集中在提升智能算法性能,忽略了不同算法之间的性能比较。为此,将八种典型智能算法用于求解动态优化问题,分析比较不同算法的求解性能。通过对具体的四个动态优化问题的求解,从精度统计、弗里德曼排名、收敛性等三个方面,全面比较分析不同智能算法的求解性能。通过分析比较结果,得出了差分算法（DE）较其余七种算法求解性能较优。（2）研究了基于混合梯度搜索的自适应智能动态优化算法:为了改善智能算法求解动态优化问题的性能,通过融合自适应DE算法与梯度搜索算法,提出了混合梯度自适应差分算法（HGADE）用于求解动态优化问题。HGADE分为两个部分,首先采用带有自适应DE算法进行全局寻优,之后通过梯度搜索提高搜索精度。在CVP方法下,HGADE算法被用于求...
【文章来源】：江苏大学江苏省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
问题1仿真结果(a
智能算法在化工动态优化中的应用研究20表2.5问题2的计算结果统计Table2.5Summaryofresultsofproblem2DEPSOABCHSBBOTLBOFWASOSBest1.453321.477381.456941.453321.458321.453321.582251.45332Mean1.453321.540821.461891.453531.463411.453321.735781.45332Worst1.453321.623591.466691.453781.470891.453322.036081.45332SD9.94E-073.44E-022.53E-031.30E-043.32E-034.18E-081.17E-011.13E-07注：加粗表示最优结果图2.2给出了在区间分段N=20时的最优控制轨迹和8个算法30次运行的平均收敛曲线。该问题的最优控制轨迹为上下切换的bang-bang控制结构，在将控制变量分割为20等份时，优化获得的等效控制曲线并不是严格的bang-bang控制结构，这是由分割数量导致。HS算法的起始搜索速度最快，但最终搜索获得的求解精度较低，收敛速度最慢的为FWA算法，在评估次数耗尽时都未能达成最终结果的收敛。PSO算法虽然搜索速度很快，但取得的收敛精度很低，最终获得的求解结果仅优于还未最终收敛的FWA算法。搜索精度最高的为DE、SOS以及TLBO算法，所有的30次求解中都能获得1.45332的最优求解精度，并且三种算法的搜索收敛速度较为接近，虽不如HS算法搜索速度快，但要远高于FWA和ABC算法。（a）(b)图2.2问题2仿真结果(a)最优控制轨迹(b)收敛图Fig.2.2Problem2simulationresults(a)optimalcontroltrajectory(b)convergencegraph2.3.3问题3：六板瓦斯吸收塔问题该问题是一个双控制变量的动态优化问题，它需要确定非线性六板式气体吸收塔中的两个控制变量[47]。数学模型如公式(2.33)所示。00.20.40.60.811.21.41.61.82Functionalevaluation1041.522.533.5ObjectivefunctionvalueDEPSOABCHSBBOTLBOFWASOS1.91.952104
智能算法在化工动态优化中的应用研究22评价计算次数中获得的求解结果也最差。（a）(b)图2.3问题3仿真结果(a)最优控制轨迹(b)收敛图Fig.2.3Problem3simulationresults(a)optimalcontroltrajectory(b)convergencegraph2.3.4问题4：高维连续搅拌釜反应器问题该问题最初由詹森(Jensen)提出，总共需要优化四个控制变量[48]。它描述了在等温CSTR中同时发生的四个化学反应。控制变量包括三种进料流的流速和用于促进光化学反应的电能输入。数学模型描述如公式(2.34)所示：81412411216321124212233212432341244124551245234561246max()()17.623()17.6146()73()35.251.3()21951.3()102fJxtxuuuuxxxxxuxuuuuxxxxxxuuuuxxxxuuuxxxxxxuuuxxxxxxuuux==++=++=++=+++=+++=+++45163712471638124141221244567312.623()465.8[()]3.74.1()(23112835)50.099(0)[0.1883,0.2507,0.0467,0.0899,0.1804,0.1394,0.1046,0.0000][0,0,0,0][,,Txxxxuxuuuxxxuxuuuxuuuuuuxxxxuxuu=+++=++++++++=≤34,][20,6,4,20],0.2fuut≤=(2.34)式中17x~x分别是反应中七个物种的重量分数，8x为性能指数的转换变量。该问题共需要优化4个控制变量，因此求解难度较大。求解该问题主要为了比较所选算法在求解动态优化问题的求解精度，因此设置求解该问题的评估计算次数较为充足为80000次。其求解结果如表2.7所示，在30次求解计算中，表010002000300040005000600070008000900010000Functionalevaluation0.1120.1130.1140.1150.1160.1170.1180.1190.120.121ObjectivefunctionvalueDEPSOABCHS
【参考文献】：
博士论文
[1]控制变量参数化最优控制问题计算方法研究[D]. 刘平.浙江大学 2017
[2]基于进化计算的动态多目标优化方法研究[D]. 陈旭.华东理工大学 2015
硕士论文
[1]群智能动态优化方法研究[D]. 张盼盼.浙江大学 2016
[2]基于粒子群优化的动态优化研究[D]. 周游.浙江大学 2014
[3]基于多射的工业过程动态优化研究[D]. 王俊.浙江大学 2013
本文编号：3131506
【文章来源】：江苏大学江苏省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
问题1仿真结果(a
智能算法在化工动态优化中的应用研究20表2.5问题2的计算结果统计Table2.5Summaryofresultsofproblem2DEPSOABCHSBBOTLBOFWASOSBest1.453321.477381.456941.453321.458321.453321.582251.45332Mean1.453321.540821.461891.453531.463411.453321.735781.45332Worst1.453321.623591.466691.453781.470891.453322.036081.45332SD9.94E-073.44E-022.53E-031.30E-043.32E-034.18E-081.17E-011.13E-07注：加粗表示最优结果图2.2给出了在区间分段N=20时的最优控制轨迹和8个算法30次运行的平均收敛曲线。该问题的最优控制轨迹为上下切换的bang-bang控制结构，在将控制变量分割为20等份时，优化获得的等效控制曲线并不是严格的bang-bang控制结构，这是由分割数量导致。HS算法的起始搜索速度最快，但最终搜索获得的求解精度较低，收敛速度最慢的为FWA算法，在评估次数耗尽时都未能达成最终结果的收敛。PSO算法虽然搜索速度很快，但取得的收敛精度很低，最终获得的求解结果仅优于还未最终收敛的FWA算法。搜索精度最高的为DE、SOS以及TLBO算法，所有的30次求解中都能获得1.45332的最优求解精度，并且三种算法的搜索收敛速度较为接近，虽不如HS算法搜索速度快，但要远高于FWA和ABC算法。（a）(b)图2.2问题2仿真结果(a)最优控制轨迹(b)收敛图Fig.2.2Problem2simulationresults(a)optimalcontroltrajectory(b)convergencegraph2.3.3问题3：六板瓦斯吸收塔问题该问题是一个双控制变量的动态优化问题，它需要确定非线性六板式气体吸收塔中的两个控制变量[47]。数学模型如公式(2.33)所示。00.20.40.60.811.21.41.61.82Functionalevaluation1041.522.533.5ObjectivefunctionvalueDEPSOABCHSBBOTLBOFWASOS1.91.952104
智能算法在化工动态优化中的应用研究22评价计算次数中获得的求解结果也最差。（a）(b)图2.3问题3仿真结果(a)最优控制轨迹(b)收敛图Fig.2.3Problem3simulationresults(a)optimalcontroltrajectory(b)convergencegraph2.3.4问题4：高维连续搅拌釜反应器问题该问题最初由詹森(Jensen)提出，总共需要优化四个控制变量[48]。它描述了在等温CSTR中同时发生的四个化学反应。控制变量包括三种进料流的流速和用于促进光化学反应的电能输入。数学模型描述如公式(2.34)所示：81412411216321124212233212432341244124551245234561246max()()17.623()17.6146()73()35.251.3()21951.3()102fJxtxuuuuxxxxxuxuuuuxxxxxxuuuuxxxxuuuxxxxxxuuuxxxxxxuuux==++=++=++=+++=+++=+++45163712471638124141221244567312.623()465.8[()]3.74.1()(23112835)50.099(0)[0.1883,0.2507,0.0467,0.0899,0.1804,0.1394,0.1046,0.0000][0,0,0,0][,,Txxxxuxuuuxxxuxuuuxuuuuuuxxxxuxuu=+++=++++++++=≤34,][20,6,4,20],0.2fuut≤=(2.34)式中17x~x分别是反应中七个物种的重量分数，8x为性能指数的转换变量。该问题共需要优化4个控制变量，因此求解难度较大。求解该问题主要为了比较所选算法在求解动态优化问题的求解精度，因此设置求解该问题的评估计算次数较为充足为80000次。其求解结果如表2.7所示，在30次求解计算中，表010002000300040005000600070008000900010000Functionalevaluation0.1120.1130.1140.1150.1160.1170.1180.1190.120.121ObjectivefunctionvalueDEPSOABCHS
【参考文献】：
博士论文
[1]控制变量参数化最优控制问题计算方法研究[D]. 刘平.浙江大学 2017
[2]基于进化计算的动态多目标优化方法研究[D]. 陈旭.华东理工大学 2015
硕士论文
[1]群智能动态优化方法研究[D]. 张盼盼.浙江大学 2016
[2]基于粒子群优化的动态优化研究[D]. 周游.浙江大学 2014
[3]基于多射的工业过程动态优化研究[D]. 王俊.浙江大学 2013
本文编号：3131506
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3131506.html
