基于多时间尺度协同的大规模原油调度进化算法

针对原油调度过程存在的资源规模庞大、约束条件复杂、多时间尺度决策衔接困难等问题,提出一种基于多时间尺度协同的进化算法(MTCEA)。首先,根据炼油企业的规模结构和实际需求,建立了一种大规模多时间尺度原油调度优化模型,该模型由面向资源的中长期调度模型和面向操作的短期调度模型构成,通过引入原油资源动态分组策略,实现原油资源的合理配置,以满足不同的调度规模、多时间尺度的特征和精细化生产的要求;其次,为促进不同时间尺度调度决策的融合衔接,设计基于多时间尺度协同的进化算法,并针对不同时间尺度调度模型中的连续决策变量构造子问题进行求解,以实现不同时间尺度调度决策之间的协同优化;最后,在3个实际工业案例进行了算法性能验证。结果表明,与3种具有代表性的大规模进化优化算法(即竞争性粒子群优化算法(CSO)、基于多轨迹搜索的自适应差分进化算法(SaDE-MMTS)和基于混合模型的进化策略(MMES))以及3种高性能混合整数非线性规划(MINLP)数学求解器(即ANTIGONE(Algorithms for coNTinuous/Integer Global Optimization of Nonlinear Equations)、SCIP(Solving Constraint Integer Programs)和SHOT(Supporting Hyperplane Optimization Toolkit))相比,MTCEA的求解最优性指标和稳定性指标分别提高了30%和25%以上。这些显著的性能提升验证了MTCEA在大规模多时间尺度原油调度决策中的实际应用价值和优势。

面向大规模重叠问题的两阶段差分分组方法

大规模重叠问题在实际工程应用中普遍存在,重叠问题子组间的共享变量给大规模重叠问题的优化带来了很大困难。基于分解的协同进化(CC)算法在解决大规模重叠问题上表现良好。然而,一些针对重叠问题设计的新型CC框架依赖问题分解方法获得重叠问题结构,而目前针对大规模重叠问题设计的分解方法不能同时兼顾高效性和准确性。为此,提出一种两阶段差分分组(TSDG)方法,在实现精确分组的同时显著减少了计算资源消耗。在第一阶段,采用基于有限差分原理的分组方法高效地识别子组集和共享变量集;第二阶段则提出一种分组改善方法检查前一阶段得到的子组集和共享变量集的信息,改正不准确的分组结果,以提高分组的稳定性和准确性。利用两阶段的协同作用,TSDG实现了对大规模重叠问题高效准确的分解。实验结果表明,TSDG能够在消耗较少计算资源的同时准确地分解大规模重叠问题。在优化实验中,TSDG在大规模重叠问题上的表现也优于对比算法。

一种基于时序误差补偿的动态软测量建模方法

针对目前静态软测量建模方法无法反映工业过程动态信息,造成预测模型精度低、鲁棒性差等问题,提出了一种基于最小二乘支持向量机(LS-SVM)和自回归-滑动平均模型(ARMA)的软测量建模方法。首先,建立了基于LS-SVM的软测量模型,利用ARMA模型对预测误差的动态估计,通过增加动态校正环节,实现了对静态模型的动态校正以改善系统动态响应特性。最后将上述方法用于乙烯精馏过程中乙烷浓度的软测量建模,仿真结果表明:与单一使用LSSVM模型相比,该方法具有跟踪性能好、泛化能力强等优点,是一种有效的软测量建模方法。

基于神经网络的实时专家控制系统及其PTA工业应用

以精对苯二甲酸结晶过程为研究对象,提出一种基于神经网络模型的实时专家控制系统.该方法利用神经网络建模技术获取对象的机理知识,通过对影响模型特性的多个变量进行分析,自动得到常规专家控制系统难于获取的定性、定量知识,并按分级递阶的启发式搜索机制,实现了对工业过程对象的实时控制.实际应用表明:该方法不但克服了以往专家系统知识获取的瓶颈,而且有效实现了人机对话的功能,便于现场操作和更改专家知识库,为化工过程的多变量控制提供了新的思路.

基于特征空间降维的溶剂脱水分离过程监控

针对传统化工过程中检测变量具有的非线性和非高斯性等特点,提出将改进的核主元分析(KPCA)和支持向量数据描述(SVDD)相结合的化工过程故障诊断方法.根据Mexican hat小波在提取非线性非平稳信号细微特征方面的优势,将该小波函数引入到KPCA中以增强核函数的非线性映射和抗噪能力.在映射后的特征空间中进行均值聚类分析,选择每个聚类中展现特征中心的数据,使运算复杂度明显降低,提高了监控实时性.采用SVDD描述经过聚类降维后的特征空间分布,提出新的监控指标描述过程的非高斯特性.将该方法应用在一个实际的溶剂脱水化工精馏过程中,仿真结果验证了该方法能够及时有效地检测系统产生的故障.

一种自适应差分进化算法及其在精对苯二甲酸结晶生产过程优化中的应用

提出了一种自适应差分进化算法(adaptive differential evolutionary algorithm,ADE),并将其应用于精对苯二甲酸(PTA)生产中结晶过程的优化.由于该结晶过程为5级结晶器串联组成,并且存在较多杂质等的影响,使得该结晶过程很难用机理数学模型来精确表达.为此首先利用神经网络技术建立了该对象模型,并对各主要操作变量对关键产品指标的影响进行系统分析,以满足结晶机理先验知识.然后利用自适应差分进化算法对该结晶模型进行操作点的寻优.该ADE算法是一种基于实型数值编码的并行直接搜索算法.

136例SLE患者自身抗体检测分析

为进一步观察自身抗体在系统性红斑狼疮(SLE)患者的诊断和疗效观察方面的特异性和敏感性,我们回顾性分析了本院门诊和住院的136例SLE患者ANA、抗ds-DNA抗体、抗ENA多肽抗体检测结果。结果ANA阳性124例占91.18%;抗ds-DNA抗体阳性69例占50.74%;抗Sm抗体阳性41例占30.15%。ANA敏感性较高,抗ds-DNA抗体特异性较高。两者效价与SLE患者病情活动性相关。

石油和化工行业智能优化制造若干问题及挑战

石油和化工行业是国家的基础性产业,目前面临转型升级的重大需求.本文首先回顾了石油和化工行业在生产全流程的信息检测、建模、优化控制,企业经营管理决策以及故障监测和安全环保等几个方面的进展.剖析了当前石油和化工行业存在的主要问题,提出了利用现代信息技术从生产、管理以及营销全流程优化出发,推进实现石化行业智能优化制造的智能化、绿色化、安全化的愿景目标,讨论了石油和化工行业智能优化制造所面临的新挑战.

基于精英选择和个体迁移的多目标遗传算法

提出基于遗传算法求解多目标优化问题的方法,将多目标问题分解成多个单目标优化问题,用遗传算法分别在每个单目标种群中并行搜索.在进化过程中的每一代,采用精英选择和个体迁移策略加快多个目标的并行搜索,提出了控制Pareto最优解数量并保持个体多样性的有限精度法,同时还提出了多目标遗传算法的终止条件.数值实验说明所提出的算法能较快地找到一组分布广泛且均匀的Pareto最优解.

裂解炉燃料气热值的模糊神经网络软测量

从工业过程实际应用要求出发,研究开发了基于模糊逻辑系统的小脑模型关节控制器神经网络算法。仿真研究表明,该算法提高了传统小脑模型关节控制器的平滑能力和泛化能力,可以很好地应用于工业过程的软测量中。经现场的长期应用实施,证实了该热值软测量系统具有较高的准确性,充分显示了燃料气系统热值变化的特征,对裂解炉炉管出口温度的稳定控制起到了极大作用。

基于云计算和虚拟现实技术的化工过程虚拟工厂

作为后超算时代计算服务的主流服务模式,云计算为制造业的资源整合利用创造了全新的服务平台。本文以已有的云计算理论为基础,针对化工过程的特点,提出了基于云计算的虚拟工厂技术体系,通过对关键技术的讨论,有效地将已有的资源虚拟化为服务,并通过虚拟现实技术建立三维云端模拟企业现场环境,增强了用户对现场操作的实际体验。基于云计算和虚拟现实技术建立的乙二醇虚拟工厂表明,系统具有扩展性和开放性,可以快速实现过程的仿真,为工厂的模拟操作提供有效的支持。

基于核主元分析和最小二乘支持向量机的软测量建模

软测量技术是工业过程控制和分析的有力工具,它的核心问题是如何建立学习速度快且泛化性能优良的软测量模型。提出了一种基于核主元分析(KPCA)和最小二乘支持向量机(LSSVM)的软测量建模方法,利用核主元分析提取软测量输入数据空间中的非线性主元,然后用最小二乘支持向量机进行建模,不但降低模型复杂性,而且提高了模型泛化能力。最后将上述方法用于PTA结晶过程的软测量建模,仿真结果表明:与SVM、PCA-SVM建模方法相比,该KPCA-LSSVM方法具有学习速度快、跟踪性能好、泛化能力强等优点,是一种有效的软测量建模方法。

白癜风患者外周血T淋巴细胞亚群和sIL-2R水平变化的研究

采用 APAAP法和双抗体夹心 ELISA技术检测 150例白癜风患者外周血 T淋巴细胞亚群及可溶性白介素- 2受体 (sIL- 2R)水平。结果显示： (1)寻常型白癜风外周血 CD3＋、 CD4＋细胞数、 CD4＋ /CD8＋比值明显低于正常对照 (P< 0.01)， sIL- 2R活性显著性高于节段型白癜风和正常人 (P< 0.01)；节段型白癜风 CD4＋、 CD4＋ /CD8＋与正常对照组比较也显著减少 (P< 0.01)。 (2)白癜风进展期与稳定期比较， CD3＋、 CD4＋、 CD8＋显著减少 (P< 0.05～ 0.01)， sIL- 2R活性明显增高 (P< 0.01)。 (3)治疗后， sIL- 2R水平较治疗前明显下降 (P< 0.01)。提示寻常型和节段型白癜风均有细胞免疫功能紊乱，血清中 sIL- 2R水平与白癜风的活动性有一定关系。

一种改进的知识进化算法及其在化工动态优化中的应用

智能优化算法在动态优化问题的求解中,一方面可以一定的概率收敛到全局最优,避免局部极值而得到了广泛应用;但另一方面,基于随机机制的仿生智能算法也面临收敛速度慢、寻优效率较低的瓶颈,限制了其工业实时应用的场合。为此,从提高智能优化算法在动态优化问题的求解效率出发,提出了一种改进的基于知识引导的进化算法结构,主要包括候选控制策略-时域与控制域的离散策略、知识库空间的进化、知识引导的种群进化。该算法分别在批式反应器等4个典型化工动态优化问题上进行了仿真验证,计算结果表明,该方法能够以较小的种群规模通过知识的引导,以较少的计算代价找到较好的全局解,有效提高了算法的收敛效率。

乙烯装置裂解炉智能控制技术

以神经网络、模糊逻辑、专家系统等为代表的一类智能方法在许多领域得到了应用,由于借鉴了人类思维方式、方法,对研究对象先验知识要求少,使用灵活,为解决复杂控制系统的瓶颈提供了崭新的思路和方法。本文针对乙烯生产过程的关键操作单元——裂解炉,阐述了智能控制技术在乙烯装置中的设计思路和实施效果。工业现场的成功应用说明了智能控制技术在过程控制领域具有广阔的应用前景。

基于集成建模方法的乙二醇全流程模拟

乙二醇生产流程是一个包含十几个精馏塔和固定床催化反应器的长流程。由于流程长且反应催化剂影响不易确定等因素,乙二醇生产过程的全流程模拟十分困难。基于ASPENPLUS软件平台,集成支持向量机、优化算法、机理建模等多种方法,建立了乙二醇的全流程模型。通过采集并处理实际生产的工业数据,采用优化算法进行模型的智能校正,进一步完善了模型的性能。乙二醇全流程模型模拟结果与实际工业过程数据相符,能够满足工业建模的要求。

化工过程运行优化研究进展

首先介绍了化工过程运行优化的历史发展,阐述了工业过程运行优化的系统结构,对常规控制层、先进控制层、实时优化层、调度层和计划层分别作了说明,重点讨论了实时优化的研究热点;接着分析了实时优化和调度计划层的三类典型优化问题,即多目标优化、混合整数非线性规划以及动态优化;最后探讨了运行优化研究与应用在大规模化工过程建模和协同优化控制等方面所面临的挑战。