论文部分内容阅读
近年来,随着社会对环境保护的日益重视以及社会对化学工业安全性的质疑,给化学工业带来了巨大的压力,因而对化工控制和优化技术的改进迫在眉睫。基于稳态模型的传统优化技术在化工优化方面曾起到重大作用,对于模型时变不强烈的过程有良好的优化效果。而随着化工技术的发展,目前化工工业过程具有强烈时变、反应机理较为复杂的特点,而基于稳态模型的传统优化技术已经难以满足社会和公众对化工工业的要求,基于稳态模型的优化方法不能解决该类问题,必须要有一种更有效的动态优化机制来对其进行优化。研究基于化工过程的动态优化算法求解策略具有重大的意义和价值。而智能优化方法的发展,对解决过程动态优化问题提供了一种新的有效地思路。特别是知识进化算法的提出,提供了一种比传统仿生智能算法更有效的算法框架。因此本文以针对过程优化特点,设计一种改进的知识进化算法并将其应用于化工过程和生工过程作为研究重点。综述了过程优化问题领域的研究成果,分析了智能优化算法在动态问题的优缺点；针对智能算法在动态优化问题的求解效率,对用于过程动态优化问题的智能算法展开研究并提出了一种改进知识进化算法结构,包括：1)提出了一种候选控制策略一时域与控制域的离散策略；该策略能够产生符合过程生产特性的合适的初始候选策略。2)基于在线聚类的种群个体数减少办法,该策略能够根据进化过程中候选解的分布情况调整种群中候选个体的数量,从而减小算法的计算代价。3)根据知识进化算法框架的特点,设计了两种知识的提取和进化策略：取值空间知识的提取及取值空间的收缩、精英群体知识的提取及更新。有效地提取了算法在进化过程中产生的一些隐含的进化信息。4)设计了三种知识的影响下的种群空间进化策略：子群的更新策略、种群个体的引导迁移、个体的老化机制。使得种群空间能够在知识的引导下进行富有效率的进化,从而提高算法效率。算法分别在批式反应器等四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。