复杂过程系统记忆增强型实时操作优化方法的研究

有效提高优化计算的时效性和过程的平稳性是当前化工过程实时操作优化领域中亟待解决的关键问题。本项目以实时操作优化中计算的反复性和相似性为出发点，研究充分利用历史求解信息有效提高操作优化性能的方法。将建立优化计算求解信息库，构造有效的信息库更新准则和信息主动获取方法；将采用多种逼近算法根据信息库的信息对待求最优解进行逼近，以该逼近值作为初值可有效提高系统实时性；拟构造巢状节点选择方法，为逼近算法提供合理的节点；拟针对参数的动态变化建立决策变量的优化引导方法，并在其中引入系统镇定的思想，从而进一步提高系统的实时性和平稳性；将建立乙烯生产分离序列等过程模型和相应的操作优化问题，验证本研究所提出的方法；拟根据CAPE-OPEN标准自主开发软件包，形成高性能的操作优化内核技术。本研究将形成高实时性、高可用性的实时优化与控制方法，从而为非线性、大规模化工过程系统的实时优化和控制提供原创性新方法和新思路。

本研究项目的成果主要包括四方面内容：.（1）在稳态过程系统的记忆增强型优化（MEO）算法研究中，针对MEO的实时性和全局最优性展开研究并取得了重要进展；.（2）将MEO方法应用于过程系统的动态优化中，在实时性方面取得了出色的效果；.（3）在优化计算收敛准则方面，研究了简约精度求解技术在预测控制中的稳定性和鲁棒性；.（4）针对控制系统的周期扰动、不确定非线性系统的学习控制和可靠、实时的导航制导算法方面，进行了深入研究，并取得了出色的效果。