论文部分内容阅读
甲醇作为重要的有机化工原料，在有机合成、农药、医药、纺织、染料等工业上都得到了广泛的应用。本文以某化工厂甲醇合成装置为研究对象，对其建模与优化操作进行了研究。使用神经网络、最小二乘支持向量机(LSSVM)，建立了甲醇合成反应塔出口成分模型，并使用教学优化算法(Teaching-Learning-Based Optimization，TLBO)实现优化操作。具体研究内容包括以下几个方面: (1)针对TLBO算法全局搜索能力差等缺陷，提出了一种改进的教学优化算法(Modify Teaching-Learning-Based Optimization，MTLBO)。MTLBO实行分组的策略;提出了预、复习阶段的概念，提高TLBO算法的局部改良能力;在学生阶段利用量子代替原来的学习方式，增加了种群多样性、提高了收敛速度。测试函数仿真结果表明MTLBO具有较好的全局搜索能力和收敛速度。 (2)将MTLBO算法与最小二乘支持向量机结合，建立了基于工业生产过程数据的甲醇合成反应塔出口成分模型(MTLBO-LSSVM)。结果表明，在小样本的情况下，基于MTLBO-LSSVM的甲醇合成反应塔出口成分模型具有更好的模型性能。 (3)实际生产过程中，一些关键的控制操作量比如汽包温度、循环气量等都是由操作员根据自身经验设定的，难以保证其在生产负荷变化等因素变化时实现优化操作。为了实现甲醇合成操作优化单耗最低，建立了甲醇合成回路模型。针对模型中存在的非线性约束问题，提出了一种自适应惩罚因子;在引入约束条件放松程度的基础上，提出了一种新的个体对比准则;并将种群分为两个小组;测试函数仿真结果表明改进的约束优化教学算法(SAPF-MTLBO)具有良好的寻优效果。以降低甲醇单耗为目标，采用改进的约束优化教学算法对该回路模型进行求解，得到较优的操作参数，能有效地较低生产消耗。