群智能算法在化工动态系统数值控制中的应用研究

Dynamic process optimization problems are common in the chemical process optimization. It is meaningful for energy conservation and environmental protection to solve the problem. But analytical method generally can't solve the real problem model. So the numerical algorithm to study such issues is an important research subject; At the same time, from the perspective of computer control, we just need to know the value of the control quantity at different time. Therefore, it has the significance of theory and engineering applications for the numerical method. This research explores some key issues existed in the process of using swarm intelligence method for this kind of issues. It includes: (1) Analysis of how to combine the characteristics of the chemical engineering optimization problem and the characteristics of swarm intelligence algorithm, put forward a more effective way; (2)How to deal with the high-dimensional optimization problems when using swarm intelligence method for solving such problems in the discretization of control variables; (3) Study the influence of the different test functions for the Optimization features of different intelligence algorithms by a large number of test, and realize to Classify chemical optimization models;(4)Apply the algorithm into practical models such as optimum distribution of the temperature of the tubular reactor, dynamic optimization of continuous stirred tank reactor, dynamic optimization of the feed-rate of Park-Ramirez bioreactor .The project have significance on optimization theory and algorithm, solutions to the chemical process optimization problems.

动态过程优化问题在化工过程优化中广泛存在。该问题的求解对节约能源与环保都具有重要意义。但实际问题建立的模型，解析法一般无法解决这类问题。因此，寻找数值方法求解此类问题具有理论与工程应用意义。本项目从计算机控制的角度出发，研究在利用群智能算法求解此类问题的过程中所存在的一些关键性问题。研究的主要内容包括：（1）分析如何结合化工优化问题的特点与群智能算法的特点，提出更有效的算法；（2）分析如何克服利用群智能算法求解此类问题在对控制变量进行离散化时所带来的高维优化问题；（3）研究如何通过大量的测试，对智能算法的优化特性进行分析，进而对化工优化模型分类；（4）将所得的算法用于：管式反应器的温度最优分布、连续搅拌釜式反应器动态优化、Park-Ramirez 生物反应器补料流率的动态优化等具体实际模型。项目的工作对化工过程优化问题的求解研究、优化理论及算法都具有促进作用。

一、项目的背景.动态优化问题是化工系统工程中的基本问题，具有十分重要的理论与实际意义，受到普遍的重视.由于化工动态过程具有非线性；解析法一般无法解决这类问题。因此，研究利用数值算法求解此问题是一个重要的研究课题。.二、主要研究内容.利用智能算法求解动态优化此类问题，主要解决：（1）优化过程如何克服优化算法容易陷入局部极值，以得到更好的解；（2）动态优化问题的目标函数值的计算研究；（3）针对不同特点的化工过程动态优化问题的求解研究。不同类型的化工过程，具有不同特点的数学模型，针对具体模型，在（1）、（2）的基础上建立针对性更强的粒子群改进算法。.三、重要结果.（一）理论研究方面：（1）给出了可导点的数值模拟计算，分析验证了可导点的数值计算与搜索在提升粒子群算法优化性能方面的作用；从不同的角度对萤火虫算法进行了分析，分别给出了通过单纯形法、predator-pery行为、生物理想模型提升算法优化性能；分析验证了levy飞行策略对飞蛾扑火算法的优化性能；（2）引入理想有效解处理动态多目标优化问题；（3）引入自适应惩罚系数策略处理控制系统的约束问题。.（二）应用研究方面：（1）分析得到了批式反应器的化学反应过程动态模型优化控制数值解；（2）分析得到了内源蛋白质的生产过程的优化模型的优化控制数值解；（3）分析得到了外源蛋白补料分批生产过程的多目标动力学模型的较优解；（4）给出了丁烯烷化过程的数学模型的较优可行解。.四、 关键数据.（1）基于单纯形法改进的布谷鸟算法较原算法的优化性能在所测试中提升了1个数量级，而以基于自适应步长改进的可以提升1-48个数量级；（2）基于自适应改进的萤火虫算法在获得最优值方面较原算法在所测试中优5%左右；基于理想自由分布改进亦优5%；（3）基于Lévy飞行改进的飞蛾扑火算法较原算法在所测试中优2-100个数量级。.五、科学意义.研究利用数值算法求解化工过程的动态优化问题是实现化工过程计算机控制的基础；因此对该问题的研究具有理论与实际意义。