基于模式判别自协调模型的石油化工过程在线优化研究

针对石油化工过程的特点及其在线优化的要求，提出基于样本模式空间分割和基于代表性样本模式群的自协调模型化技术，分别从不同角度考虑样本模式的空间分布对建立模型预测性能的影响，分别实现"分段"建模和基于在线更新代表性样本模式群的过程建模，并通过对预测偏差的系统分析，实现模型在线修正；提出关键变量不可用情况下的应对策略，建立高预测精度、强自适应和可靠性的模型。提出基于免疫策略的多智能体差分进化算法，利用多智能体系统的特点，设计竞争算子保持多样性，克服"早熟"；设计新型差分进化算子，实现智能体之间合作；设计学习算子，融合先验知识，以及算法前期调用和搜索过程中积累或挖掘的知识，并引入确定性寻优策略；通过领域的（重）分割与合并操作，实现领域之间信息的交互，最终实现高效、快速、智能的全局最优搜索。提出测量数据预处理的集成技术，最终实现石油化工过程自适应在线优化。该研究将提高石化企业生产技术水平和竞争力。