论文部分内容阅读
在线模拟与优化技术能有效提高石化装置的生产技术水平。本论文针对精对苯二甲酸(Pure terephthalic acid，PTA)装置的两大核心反应过程——氧化反应、加氢精制反应过程，建立工业模型，实现生产过程的在线模拟；同时，针对反应系统的复杂性，提出基于蚁群系统的惯性权重自适应粒子群算法，并应用于氧化反应系统优化。
首先，基于颜学峰、胡春平等提出的工业氧化反应、工业加氢精制反应过程混合智能建模技术，利用ASPENPLUS流程模拟软件实现两大核心反应过程模拟。同时，采用VB(Visual Basic,VB)语言编写友好的用户界面，通过工业过程数据接口、以及与ASPENPLUS模型的调用接口程序，实现氧化与加氢反应过程的在线计算，并在实际投用中取得了良好的效果。
其次，反应系统优化是一类复杂系统优化问题，必须具有全局寻优能力，为此，提出一种基于蚁群系统的惯性权重自适应粒子群算法(Self-adaptive Particle Swarm Optimization Algorithm based on Ant System，ASPSO)。ASPSO首先将惯性权重取值空间离散化，各个惯性权重子空间在初期赋予相同的信息素；然后，粒子群算法中的各个粒子，根据各个惯性权重子空间中的信息素浓度和粒子在搜索空间中分布的先验知识，确定各个惯性权重子空间的选择概率，并进而实现粒子的空间搜索；最后，基于粒子的进化信息，实现惯性权重子空间信息素浓度的更新。仿真研究表明，ASPSO算法在种群进化寻优的同时，能根据种群的进化信息，通过蚁群算法实现惯性权重参数的自适应调整和进化，且不增加测试函数的调用次数；算法寻优性能优于传统的自适应粒子群算法和根据速度信息自适应调整参数的粒子群算法。
最后，利用MatrixVB实现基于MATLAB的ASPSO优化算法和VB应用程序的无缝衔接，将ASPSO算法应用于氧化反应系统优化，与实际工况相比，关键物耗显著下降；同时，也略优于ASPENPLUS自带的优化结果。