基于LTSA的FS-SVDD方法及其在化工过程监控中的应用

基于支持向量数据描述(SVDD)方法的非高斯过程监控和故障诊断具有众多优点。然而在对SVDD离线建模时需要在整个训练样本集上操作,对大样本集计算量相当大,也不利于在线操作时模型的更新。对此提出一种基于特征样本的SVDD(FS-SVDD),采用特征样本提取方法用少数几个特征样本代替原始数据集进行训练,显著降低了建模复杂度。同时,针对传统的线性降维算法如主成分分析(PCA)存在的提取过程数据非线性结构能力不足的缺点,首先用局部切空间排列(LTSA)方法提取出低维子流形,进行有效的维数约减;接着在这个低维子流形上执行SVDD算法;最后,利用相应统计指标进行过程监控。在TE过程上的仿真表明上述方法的有效性。

PX氧化反应过程多变量预测控制

精对苯二甲酸(purified terephthalic acid,PTA)是我国最重要的化工原料之一。对二甲苯(p-xylene,PX)氧化反应器是PTA装置的核心运行设备,PX氧化反应是高温高压下的固液相催化反应,其关系到整个装置的产量和消耗。目前,PX氧化反应过程的常规控制虽然可以满足工业装置的生产,但关键产品指标粗对苯二甲酸中对羧基苯甲醛(4-carboxybenzaldehyde,4-CBA)含量和尾气氧浓度波动范围较大,不利于工业装置的进一步优化操作。本文利用FRONT-Suite先进控制软件进行了工业PTA装置PX氧化反应过程的多变量预测控制,稳定优化了关键控制指标反应器尾氧浓度和第一结晶器尾氧浓度以及质量指标4-CBA含量的控制,取得了显著的控制效果。

基于LTSA的ICA方法及其在化工过程监控中的应用

独立成分分析(ICA)方法在线性非高斯过程的监控领域得到了成功应用,当过程数据非线性较强时效果不理想。局部切空间排列(LTSA)方法能够从在高维空间中呈现高度扭曲的数据集中发现隐含在其中的非线性结构。本文结合ICA和LTSA二者的优点,提出LTSA-ICA过程监控方法,首先用LTSA从高维数据空间中提取出低维子流形,然后在这个低维子流形上执行线性ICA算法,在保留ICA对非高斯过程处理优势的同时,较好地解决了非线性的问题。在田纳西-伊斯曼(TE)过程上的仿真表明上述方法的有效性。

碳二加氢等温反应过程模拟与操作参数优化

以碳二加氢等温管式固定床反应器为研究对象,利用计算流体力学(CFD)方法建立了与外界有热量交换的二维均相流反应器模型,通过添加气固能量方程,建立了多孔介质区内部热交换与气固耦合传热的两温度模型。采用遗传算法对反应的动力学参数进行了拟合,并以加氢选择性最优为目标函数,对碳二加氢反应的入口氢炔比与反应器的冷却温度进行优化,得到最优氢炔比为1.18,最优的冷却温度为334.66 K。最后根据模拟与优化结果,分析了氢炔比和冷却温度对加氢反应选择性的影响,对提高加氢反应器的操作性能具有重要的意义。

基于高斯过程和改进教与学优化算法的甲醇合成转化率软测量

针对高斯过程软测量建模过程中,常用的共轭梯度法难以完成高维协方差矩阵的超参数确定等问题,引入了教与学优化算法(TLBO)对高斯过程的训练过程进行了优化,提高了模型训练速度。并对基本的教与学优化算法做出了相应的改进:一是改进了算法的"学生阶段";二是增加了"课外阅读阶段",提高了算法的性能。将这一建模方法应用于甲醇合成转化率测量中,结果表明,该方法具有较好的估计精度。

基于Labview的不确定环境下化工厂蒸汽动力系统多目标建模与实时操作优化

针对化工厂蒸汽动力系统运行时操作单元蒸汽供需在不确定的时间以不确定的组合形式变化而造成的难以进行实时操作优化的问题,建立了多目标非线性混合整数滚动规划模型(MO-MINLP),并提出以Labview软件为集成平台,利用其数据采集与处理模块实现对蒸汽动力系统操作运行数据的实时采集与处理;按照实时采集的描述不确定事件开始与结束的时刻划分滚动优化周期的时间间隔长度。利用上述方法对某真实化工厂的蒸汽动力系统的数据进行仿真,并实时将多目标优化决策结果以图形化的形式显示在Labview界面上。仿真结果表明,此方法很好地解决了理论与工业衔接的问题,具有良好的应用价值。

考虑微生物风险的城市污水处理多目标优化控制

针对城市污水处理过程中因污泥沉降不充分而影响出水水质的问题,提出考虑微生物风险的城市污水处理多目标优化控制方法。选择对污泥沉降影响大的变量作为被控变量,利用支持向量回归机建立溶解氧、污泥龄与污水处理能耗成本、出水水质和微生物风险的稳态模型;采用多目标差分进化算法同时对能耗成本、出水水质和微生物风险在线优化,基于风险优化对溶解氧和污泥龄的优化设定值筛选决策;利用抗积分饱和PI控制对优化设定值实时跟踪。在污水处理基准仿真平台benchmark simulation model no.1的实验结果表明,相比仅优化能耗成本和出水水质,该方法使得高微生物风险比例下降了25.35%。

基于局部-整体相关特征的多单元化工过程分层监测

针对一类多单元化工过程的监测问题,提出基于局部-整体相关特征的分层故障检测与故障定位方法,通过表征单元内部变量相关性、单元与单元间相关性、局部单元与过程整体相关性,对过程运行状态进行判断,以提升过程监测的准确性与可靠性.首先,采用典型相关分析,通过引入邻域单元相关变量提取每个单元的独有特征和外部相关特征;其次,对每个单元的独有特征和所有单元的外部相关特征建立统计模型实现分层故障检测;然后,建立单元-变量分层贡献图,对故障单元以及故障变量实现分层定位.通过在Tennessee Eastman仿真过程和一个实验室级甘油精馏过程中的应用说明所提分层监测方法的有效性.

基于MWMKPCA和CPI的间歇过程控制性能监测与评估

针对限定控制器结构下的间歇过程控制系统性能监测与评估的问题,采用引力搜索算法优化控制器参数,在最优控制参数的基础上得到控制性能较优的输出误差数据集;通过采用多种多元统计过程控制(MSPC)方法对数据集进行主元建模,用得到的主元模型对新的间歇过程批次进行在线监测,并提出一种基于控制图的综合控制性能指标(CPI)。仿真结果验证了采用移动窗口核主元分析法(MWMKPCA)在监测间歇过程控制性能时的准确性,同时验证了所提出的综合控制性能指标的有效性。

催化剂失活条件下的碳二加氢反应器模拟与优化

乙炔加氢反应催化剂的活性与选择性随着使用时间变化而变化,操作参数需要相应的改变从而使得收益最大化。因此本文采集工业数据,通过遗传算法拟合了反应动力学模型和失活反应模型的参数;比较了国内最普遍使用的两种催化剂的选择性和活性保持方面的性能;针对串联使用的两台装填不同催化剂的反应器组合,以运行周期、乙烯产率最优为评价标准,提出了反应器3种组合优化、负荷分配优化等优化策略。将优化策略应用于实际工业装置的分析与运行,乙烯产率和总选择性提高,效果得到验证。

乙炔加氢反应系统操作优化策略

乙炔加氢反应系统是乙烯生产流程中的重要装置,在催化剂反应动力学模型和失活模型已知的情况下,研究两组串联反应器中除炔负荷的最佳分配。通过优化计算结果显示,一段反应器入口氢炔比尽量控制在1.0以下,二段反应器的氢炔比根据实际需要可以从1.9逐渐提高到3.5。考虑实际的操作费用和产品价格因素,在负荷分配优化操作的前提下,进一步研究了反应器切换再生对整体经济效益的影响。为使其整体效益最大,一段反应器应该使用14个月后切换再生,而二段反应器使用4个月后就需要切换再生。

一种改进的T-S模糊模型建模及优化方法

模糊建模是一种有效的非线性系统建模方法,因为非线性系统的复杂性,仍有很多问题难以处理。针对T-S模糊模型,提出了一种改进的建模及优化方法。首先,将快速搜索密度峰聚类和模糊C均值聚类(FCM)算法相结合,使用快速搜索密度峰聚类算法找到聚类个数和初始聚类中心后,再用FCM算法进行聚类;然后,通过最小二乘法辨识结论参数得到初始T-S模糊模型,使用改进的差分进化(DE)算法整体优化模型的结构和参数,获得最终的T-S模型;最后,选择代表性实例,使用MATLAB程序进行仿真分析和比较,验证了本文方法能有效提高T-S模糊模型的辨识精度和速度。

基于自适应竞争群优化算法的无分流换热网络综合

换热网络模型具有非凸和非线性的特性,对于大规模超结构优化问题,采用经典的智能算法优化效率低,容易陷入局部最优值。以年综合费用为目标函数,基于自适应竞争群优化算法对无分流分级超结构换热网络模型进行优化。该方法采用对粒子平均位置的递减学习,通过自适应调节速度权重提高换热网络结构的全局优化能力和局部优化能力。通过两个典型算例分析表明,该方法相比量子粒子群算法大幅减少了模型调用次数,缩短了运行时间,并且找到了更好的优化结果。

改进的生物地理学优化算法在混合流水车间调度中的应用

调度问题是将有限的资源分配给各项不同任务的决策过程,其目的是优化一个或多个目标,它广泛存在于当今大多数的制造和生产系统中。混合流水车间调度问题是一般流水车间调度问题的推广,更接近实际的生产过程。采用一种新型的算法——生物地理学优化算法求解混合流水车间调度问题,通过引入改进策略,增强了算法的全局搜索能力和局部搜索能力,并提高了算法的收敛速度。通过10个标准调度算例的仿真研究,并与遗传算法进行对比,验证了改进后的生物地理学优化算法在求解混合流水车间调度问题方面的优越性。

面向多路径并行传输的拥塞控制及公平性

从多路径传输拥塞控制算法设计原则出发,综合分析了多路径传输的特点及公平性问题,提出值得探讨的多路径公平性评价体系。综述了现有的多路径拥塞控制的研究成果,并指出拥塞控制的发展方向以及值得研究的关键技术。

多速率分段线性系统预测控制的显式设计

针对输出采样周期是输入更新周期N倍的多速率分段线性(Piecewise linear,PWL)系统,本文提出了保证稳定性的显式预测控制器设计方法.首先,基于动态规划原理将预测控制优化问题分解为多个单级优化问题;然后,根据分段线性系统各子模型以及目标函数的具体形式,进一步将各单级优化问题分为若干个子问题,再利用多参数二次规划(Multiparametric quadratic programming,MP-QP)方法求解;最后,通过比较各子问题的解从而得到系统的最优显式控制律.在设计过程中,将系统的最大正不变集作为优化问题的终端约束集,从而保证了系统的稳定性.仿真结果表明本文提出的显式预测控制方法能够有效降低多速率分段线性系统的在线计算时间,在保证系统稳定性的同时,满足其对输入更新速度的要求.

基于递阶预测控制的多微电网系统能量管理

微网能量优化管理是实现微网经济、高效运行的重要保障。针对由多个相互关联的微电网组成的多微电网系统,提出基于分解-协调思想的递阶预测控制能量优化管理方法。通过协调利用多微电网系统中富余/缺省的能量,实现微电网的供需平衡和供电成本最小化。首先,根据多微电网系统中能量在微电网间的分配关系,建立多微电网系统的能量流动模型和能量管理优化问题;然后,采用对偶分解方法将多微电网能量管理优化问题分解成两层结构,并引入拉格朗日协调因子,通过迭代更新协调求得最优解。最后,通过数值仿真证明文中提出的算法能有效提高新能源利用率,并实现对用户负荷需求的实时跟踪。

自适应迭代混合建模及在碳二加氢过程的应用

化工过程反应机理复杂,机理模型与实际反应系统之间存在建模误差;同时存在复杂的缓慢时变特征,如催化剂失活、燃料结焦等,难以用确定的机理描述,一般采用简化的关系描述,因此过程模型将与实际过程系统逐渐失配。为了建立能长期精确反映过程动态特性的模型,建立了一种基于过程特性的自适应迭代混合模型(selfadaptive iterative hybrid model,SAIHM)。将机理模型和数据驱动的模型有效融合以提高模型的预测精度;数据驱动的模型采用深度循环神经网络(deep recurrent neural network,DRNN)以充分挖掘相邻工况间的时序关系;基于某工厂碳二加氢绝热反应器的历史运行数据建立的自适应迭代混合模型与现有机理模型的仿真对比结果表明,自适应迭代混合模型能更有效地跟踪实际系统。

多目标零等待间歇生产过程多任务调度

间歇生产过程已经成为化工生产制造技术的基础和关键,该过程生产出大量产品来满足日常生活需要。然而经济全球化使得传统的化工生产过程产业面临严重的挑战。为了保持竞争力,每个企业必须优化生产技术,加强管理。其中调度是化工企业生产管理的核心技术。针对化工过程自身的多目标和零等待等特性,研究了间歇生产过程中的多目标零等待多任务调度,并提出该问题的模型和优化方法。通过将该问题分解成两个子问题来解决:采用非延迟非秩序混合方法来解决时间表分配问题以及用带存储的完全局部搜索解决排序问题。此外多目标占优采用基于SPEA2中的策略。通过大量算例的仿真实验证明了该算法的可行性和有效性。

某焦化厂供水网络多目标建模及优化

对某焦化厂的供水网络进行了详细的分析,在用水供需平衡满足生产要求的前提下,以新鲜水供给量最小以及新鲜水供给成本与循环水及除盐水的浪费成本之和最小作为两个优化目标,建立了多目标混合整数非线性规划(MINLP)的数学模型。利用文献提出的Pareto规则下的多目标改进文化差分进化算法对模型进行了求解。所得的计算结果与现场实时操作数据相比,模型及算法实现的优化操作减少了新鲜水消耗量,降低了新鲜水供给成本与循环水及除盐水的浪费成本,达到了很好的优化效果。