有色冶金过程系统的不确定动态优化算法

The implementation of advanced control and real-time optimization is the key to the maximum efficiency of the modern process industry, which core technology is a dynamic algorithm and efficient software. The dynamic optimization of the non-ferrous metallurgical process is still studied at present. Aiming at the non-ferrous metallurgical process, an uncertain optimization algorithm -- dynamic optimization algorithm based on chance constrained programming is proposed in the project. Non-ferrous metal tin smelting process is used as the research object to explore the problem of optimization Non-ferrous metallurgical production process be means of numerical analysis and simulation in a Similar characteristics instrument. Important sampling and regression fitting form the description of the chance constraint. Based on the multi-objective optimization mechanism, the key function of the economic performance effected by uncertain dynamic behavior so as to build a constrained optimization algorithm. The solution of the opportunities constrained optimization algorithm is studied. That is, the chance constrained inverse mapping mechanism is extended. When the monotonicity is satisfied, the constrained constraints is transformed into the ordinary Constraint related to the variance of the variable uncertainty. Then using the Markov Chain Monte theory, the expected distribution of the objective function is obtained through sequence simulation algorithm. Finally, the integration of optimization and control in a system is explored. The software system will be developed with independent intellectual property rights after the completion of the project, a part of the theoretical results is verified in the actual production process.

实施先进控制和实时优化是现代过程工业保持最大效益化的关键所在，其核心技术是高效的动态优化算法和软件。目前，有色冶金过程不确定动态优化的研究尚在探索中。本项目针对有色冶金过程，提出一种不确定实时优化算法┄基于机会约束规划的动态优化算法。以有色金属锡熔炼过程为研究对象，采用数值分析、相似特性装置模拟等手段，探究有色冶金过程系统的优化问题。利用重要性采样和回归拟合构建机会约束的描述；基于多目标优化机制，寻求不确定动态行为影响系统优化经济指标的关键函数，建立机会约束优化算法。研究机会约束优化算法的求解：对机会约束逆向映射机制进行扩展，在满足特定的单调性条件下，将机会约束转化为与变量不确定方差相关的普通约束，再运用马尔可夫链蒙特卡尔理论，通过序列模拟算法，得到目标函数期望的求取。探寻过程系统的优化与控制一体化策略。项目完成后开发出具有自主知识产权的软件系统，实现部分理论成果在实际生产过程中的应用验证

项目紧紧围绕着不确定过程的建模和动态优化算法开展研究。在分析了有色金属冶金过程工艺特点及生产影响因素后，将其表述为一个非线性约束优化问题。 借助加权将多个优化目标转化成单目标规划后求解。通过不断调整加权系数得到一组最优解共同构成最优解平面。加权转化后的单目标规划具有和约束线性二次型最优控制（LQG）问题相同的形式。采用重要性采样结合回归拟合，选择一系列的加权系数，可在小样本情况下保证回归的精确性。为获取多目标优化经济指标函数，采用数学规划的优化问题的形式描述不确定的过程，数学规划中的置信限可以根据过程历史运行数据或工艺设计标准进行选择。为直观地体现优化算法的根本设计目标，重构优化目标为经济指标的期望形式，将数学规划中约束逆向映射机制进行扩展，在满足特定的单调性条件下，数学规划约束可以转化为与变量不确定方差相关的普通约束进行求解。而目标函数期望的求取通过序列模拟算法，逼近经济效益指标函数在约束条件下的分布情况，完成数学期望的求取。混合动力系统与自主模式切换的优化问题，采用了改进的光滑策略和扩展罚函数方法用来近似一个非光滑动态优化问题。通过将非线性规划（NLP）离散后可得到一个平滑问题局部解。当引入的重构参数趋于零时，该解收敛到原有非光滑问题的解。混合动态系统优化求解的光滑和罚函数法具有强的应用潜力。冶金结晶过程中最重要的问题之一是多态性的控制，最佳的运行时间表很难通过结晶过程中的传热控制来确定。利用宏观晶体的重量建立状态的热平衡方程，并利用最大值原理得到了最优的运行规律。考虑到有色冶炼过程控制特点及优化控制对模型的要求，研究一种自适应的监督分布神经网络建模方法。将学习样本集划分为多个具有不同特征值的子空间，建立一组神经网络模型。监督式聚类不需预先设定样本集的聚类中心个数，同时保证了基于数据的样本空间划分的有效性和合理性。