（控制理论与控制工程专业论文）复杂工业系统的稳态优化控制研究.pdf

哙尔演理t 人掌t 学硕i 学位论史 复杂工业系统的稳态优化控制研究 摘要 随着工业过程不断地向大型化和自动化方向发展，复杂工业过程平稳、 安全、优质、高效的运行成为了人们关注的热点，对生产过程的控制也提出 了更高的要求。稳态优化技术能根据过程系统性能和特点，找出使系统的性 能指标或者目标函数达到最小( 或最大) 的设备参数或工艺变量，是一种投入 小，见效快的先进控制技术，也是如何将控制原理应用到实际领域的难点之 一。稳态优化主要分为建模和优化两部分，论文在分析建模和优化方法国内 外发展状况，原理、实现方法，以及各自的优缺点和局限性基础上，提出了 相应的改进算法，并通过仿真实验加以验证。 在建模部分，针对现代复杂工业过程具有多变量、非线性、强耦合性、 时变时滞和不确定性等特性，使用传统的建模方法很难建立严格的系统模 型，本文提出了采用现代的智能建模方法一人工神经网络来建立系统模型。 人工神经网络不仅可任意逼近非线性，且具有大规模并行处理、知识分布存 储、自学习能力强、容错性好等特点。径向基函数神经网络是一种典型的局 部神经网络，具有最佳逼近能力。本文使用最近邻聚类学习算法作为径向基 神经网络( r a d i a lb a s i sf u n c t i o nn e u r a ln e t w o r k ，r b f ) 隐层节点数和权值的学 习算法，并且通过非线性函数算例进行了验证。 在优化部分，为了发挥粒子群优化算法具有简洁性，易于实现，没有很 多参数需要调整，不需要梯度信息等优点，克服其可能陷入局部最优的不 足，提高收敛速度，本文对粒子群优化算法进行改进，与其他优化算法结 合。模拟退火算法具有很好的全局寻优能力，在基本粒子群算法的基础上引 入了模拟退火的思想，并且改进了惯性权值线性递减策略，引入了惯性权值 的非线性递减策略，通过对标准测试函数的仿真验证了算法有效性。 最后以过氧化氢异丙苯( c h p ) 分解单元为优化对象，通过对生产工艺的 了解，进行大量的现场数据采集和分析，针对生产装置运行情况，确定了控 制参数和优化目标。使用最近邻径向基神经网络和改进的粒子群算法进行建 模和优化，取得了令人满意的效果。 哈尔演理t 人，。r 学坝卜学位论文 关键词稳态优化；神经网络：粒子群算法：最近邻聚类：模拟退火算法 兰! ：堡堡三垒兰三兰竺：兰堡篁三 s t e a d y 二s t a t eo p t i m i z a t i o nc o n t r o l s t u d yo fc o m p l i c a t e di n d u s t r y s y s t e m a b s t r a c t i th a sb e c o m et h ef o c u so fp e o p l et om a k et h ec o m p l i c a t e di n d u s t r i a l e n g i n e e r i n go p e r a t e ds t e a d i l y , s a f e l y , h i g h q u a l i t ya n dh i g h - - e f f e c t i v e l y , a l o n g w i t ht h ef a c tt h a ti n d u s t r yp r o c e s sr u ni n c r e a s i n g l yt ol a r g e s c a l ea n da u t o m a t i o n i t sa l s ob r o u g h tf o r w a r dh i g h e rr e q u e s tt op r o c e d u r eo fp r o d u c t i o n s t e a d y s t a t e o p t i m i z a t i o nc a l lf i n do u tt h ee q u i p m e n tp a r a m e t e r so rh a n d i c r a f tv a r i a b l et h a t c a nm a x i m i z eo rm i n i m i z et h ef u n c t i o ni n d e xo rt a r g e tf u n c t i o no ft h es y s t e m a c c o r d i n gt ot h ec h a r a c t e r s t i co ft h ep r o c e s ss y s t e m i t sa na d v a n c e dc o n t r o l t e e h n i q u eo f l i t t l ed e v o t i o na n dq u i c ke f f e c t a n di t sa l s oo n eo ft h ed i f f i c u l t i e st o a p p l y c o n t r o l t h e o r y t oa c t u a l f i e l d s s t e a d y - s t a t eo p t i m i z a t i o n i s m a i n l y c o m p o s e do fm o d e l i n ga n do p t i m i z a t i o n t h ec o r r e s p o n d i n gi m p r o v e da l g o r i t h m h a sb e e na p p l i e da n dv e r i f i e db ys i m u l a t i o ni nt h i sp a p e r , b a s e do na n a l y z i n g d o m e s t i ca n d f o r e i g n s s i t u a t i o no ft h e m o d e l i n ga n do p t i m i z a t i o n ，e v e r y m e t h o d sp r i n c i p l e ，r e a l i z i n gm e t h o d ，s h o a c o m i n ga n dt h e i rl i m i t a t i o n i nt h e m o d e l i n gp a r t , f o c u s o nt h ec h a r a c t e r i s t i c so fm u l t i v a r i a t e ， n o n l i n e a r i t y , s t r o n gc o u p l i n g ，t i m e v a r y i n g ，t i m e - l a ga n du n c e r t a i n t yi nm o d e m c o m p l i c a t e di n d u s t r yp r o c e s s ，i ti sd i f f i c u l tt ob u i l ds t r i c ts y s t e mm o d e lb yu s i n g t r a d i t i o n a lm o d e l i n gm e t h o d u s i n gm o d e m i n t e l l i g e n tm o d e l i n gm e t h o d - a r t i f i c i a l n e u r a ln e t w o r kt ob u i l ds y s t e mm o d e li sa p p r o v e di nt h i sp a p e r i tn o to n l yc a n a p p r o a c ha n yn o n l i n e a r i t y , b u ta l s oh a sl a r g e s c a l e dp a r a l l e lp r o c e s s ，k n o w l e d g e d i s t r i b u t e ds t o r e ，s t r o n gs e l f - l e a r n i n ga n df a u l t - t o l e r a n c ew e l la n ds oo n r a d i a l r a s i sf u n c t i o nn e u r a ln e t w o r ki sat y p i c a ll o c a ln e u r a in e t w o r ka n dc a n a p p r o a c h e so p t i m a lv e r yw e l l i nt h i sp a p e r , w eu s en e a r e s tn e i g h b o r - c l u s t e r i n g a l g o r i t h ma st h ea l g o r i t h mo fn u m b e rl i n k si nt h eh i d d e nl a y e ra n dw e i g h to ft h e i i i 坠! ：圣矍三奎兰三兰竺! ：兰竺丝圣 r a d i a lr a s i sf u n c t i o nn e u r a ln e t w o r k a n dw ev e r i f l e di tb yn o n l i n e a re x a m p l e i no p t i m i z a t i o np a r t ，i no r d e rt oe x e r tt h ea d v a n t a g e so ft h eg r o u pa l g o r i t h m ， s u c h a s ，s u c c i n c t ，e a s y t or e a l i z e ，l i t t l ep a r a m e t e r st oa d j u s ta n dn e e d n t i n f o r m a t i o no fg r a d i e n t ，w ec o n s i d e rt oi m p r o v et h ep a r t i c l eg r o u po p t i m i z i n g a l g o r i t k m a n d t oc o m b i n ei tw i t ho t h e r o p t i m i z i n ga l g o r i t h m s s i m u l a t e d a n n e a l i n ga l g o r i t h mh a sg r e a ta b i l i t yo fg l o b a lo p t i m i z a t i o n ，t oa v o i dt h ep a r t i c l e g r o u po p t i m i z i n ga l g o r i t h mt r a p p e di n t ol o c a lo p t i m i z a t i o na n di m p r o v er a t eo f c o n v e r g e n c e w ei n t e g r a t e dt h em e t h o do fs i m u l a t e da n n e a l i n ga l g o r i t h mi n t o b a s i cp a r t i c l eg r o u pa l g o r i t h ma n di m p r o v e dl i n e a rd e c r e a s i n gs t r a t e g yo fi n e r t i a w e l 曲ta n di n t e g r a t e di t t h es i m u l a t i o no ft h es t a n d a r dt e s t i n gf u n c t i o nv e r i f i e d t h ev a l i d i t y f i n a l l y , d e c o m p o s i n ge u m e n eh y d r o p e r o x i d et o o k e na so p t i m i z a t i o no b j e c t ， w ec a r r i e do u tl a r g ea m o u n to fd a t ac o l l e c t i o na n da n a l y s i sv i as t u d yo ft h e p r o d u c t i v et e c h n o l o g y w ed e t e r m i n e dt h e c o n t r o l l a b l ep a r a m e t e r sa n dt h e o p t i m i z a t i o nt a r g e t w eg o ts a t i s f a c t o r ye f f e c t ，u s i n gn e a r e s tn e i g h b o r - c l u s t e r i n g r a d i a lr a s i sf u n c t i o nn e u r a ln e t w o r ka n di m p r o v e dp a r t i c l e g r o u po p t i m i z i n g a l g o r i t h mt om o d e l i n ga n do p t i m i z i n g k e y w o r d ss t e a d y s t a t eo p t i m i z a t i o n ；n e u r a ln e t w o r k ；p a r t i c l es w a r m s o p t i m i z a t i o n ；n e a r e s tn e i g h b o r - c l u s t e r i n g ；s i m u l a t e da n n e a l i n g a l g o r i t h m i v 哈尔滨理工大学硕士学位论文原创性声明 本人郑重声明：此处所提交的硕士学位论文复杂工业系统的稳态优化控 制研究，是本人在导师指导下，在哈尔滨理工大学攻读硕士学位期间独立进行 研究工作所取得的成果。据本入所知，论文中除已注明部分外不包含他人已发 表或撰写过的研究成果。对本文研究工作做出贡献的个人和集体，均已在文中 以明确方式注明。本声明的法律结果将完全由本人承担。 作者签名：a 啦哥缂只期：w 刀年，月，厂日 哈尔滨理工大学硕士学位论文使用授权书 复杂工业系统的稳态优化控制研究系本人在哈尔滨理工大学攻读硕士 学位期间在导师指导完下成的硕士学位论文。本论文的研究成果归哈尔滨理工 大学所有，本论文的研究内容不得以其它单位的名义发表。本人完全了解哈尔 滨理工大学关于保存、使用学位论文的规定，同意学校保留并向有关部门提交 论文和电子版本，允许论文被查阅和借阅。本人授权哈尔滨理工大学可以采用 影印、缩印或其他复制手段保存论文，可以公布论文的全部或部分内容。 本学位论文属于 保密口，在年解密后适用授权书。 不保密团。 ( 请在以上相应方框内打4 ) 作者签名：韵t 口日绎 日期：枷刃年多月f 日 导师签名：滔磊砀日期：切7 年多月歹日 堕尘堡些三垒兰! 兰丝三兰堡堡圭 第1 章绪论 1 1 工业过程参数优化的意义 最优化是人们在工程技术、科学研究和经济管理的诸多领域中经常遇到的 问题。随着现代化工业生产过程越来越复杂，规模越来越庞大，以及原材料短 缺和能源价格的不断上涨，企业间竞争日益激烈。人们对提高生产效益，提高 产品质量，降低生产成本，强化环境保护的要求越来越高，从而对工业自动化 也提出了更高的要求。 稳态优化、先进控制和基本控制策略保证了工业生产过程的控制及操作优 化，它们是正常生产和取得经济效益的重要保证，主要由控制层和优化层组 成。控制层和优化层的区分主要是模型性质和范围不同。一般来说，控制层采 用的是动态模型，而优化层采用的是稳念模型。优化层和控制层之l b j 是给定和 指导的关系，也就是说，稳态优化得到最优设定值送到下面的控制层，控制层 来保证这些最优操作点的实现。 控制层包括了基本控制和先进控制。基本控制构成了整个过程生产自动化 的基础，其主要功能是采用以p i d 控制策略为主的常规调节器，使生产过程的 某些工业参数稳定在设定值附近，实现安全生产和平稳操作。先进控制的主要 作用是提供比基本控制更好的控制效果，并且能够适应复杂的动态特性，如时 间滞后、多变量、有不可测变量和受约束等情况，在操作条件变化时仍有较好 的控制效果。采用先进控制可充分发挥装置的潜力，使生产操作更方便、安全 和可靠。 d c s 、先进控制和实时优化的投资效益有较大差异，根据国外的统计，若 d c s 、先进控制和实时优化三部分所需投资的总和为1 0 0 ，其产生的总效益为 1 0 0 ，则d c s 系统的投资占7 0 左右，但获得的效益只有3 0 上下。若在 d c s 的基础上继续投资先进控制和实时优化，只需追加3 0 的费用，却能获 得剩余7 0 左右的效益回报。一般而言，先进控制和实时优化所需的投资多在 半年到一年内即可全部回收。正是由于投资小，回收期短，效益显著，目前在 世界范围内已形成竟相引入和应用先进控制和实时优化技术的高潮。 石化工业的发展对于国民经济发展有着重大的影响。随着世界经济的全球 化发展趋势，石化过程工业除了需要满足安全性、经济性和稳定性外，还越来 哈尔滨理工人学t 学硕 学位论义 越需要实现环保要求、可持续发展要求、侧重对产品的设计要求。世界各国都 在注重石化过程工业在国民经济中的地位，采用高新技术改造和加快连续过程 工业的发展。 建立一个大型的化工企业要耗费几亿到几十亿元的巨额投资，投产后，希 望能发挥最大的经济效益，为国家积累更多的资金，生产装置的操作优化是充 分发挥现有工艺和设备的潜力，使装置在最优条件下运行，不需要改动设备， 投资少，见效快，是提高现有工业生产装置经济效益主要途径之一。 1 2 稳态优化的研究进展及成果 1 2 1 国内外相关领域发展现状 工业过程系统优化可分为两种情况：第一种情况是增加或减少处理量，或 者在整个装置启动、停车的情况下，改变各控制器的设定值，以使过程状态发 生变化时能达到某种目标函数的最优。这是动态优化问题。第二种情况则是在 正常生产的情况下，处理量不变，但由于慢扰动因素的影响，整个生产过程会 偏离最优点，因此，必须寻找和维持工业过程的最优工况。这就是稳态优化问 题。与动态优化相比，稳态优化在影响工厂经济效益方面往往起着决定性的作 用 2 1 。 工业过程稳态优化从6 0 年代开始。当时，西方化工界的企业家将计算机 在线的和一些常规控制器的设定点联接起来，试图用一个静态的过程模型和非 线性规划的方法来达到某种经济性目标函数的最优化。他们在化工、石油等部 门的些工厂中作过这样的试验，并在杂志上报道了令人赞许的结果，然而这 些成果是个别的，而且往往不能持久。 6 0 年代以后有很长段时间，工业过程稳态优化的研究主要侧重于在当时 计算机计算速度和存储能力的限制下如何求解变量关联耦合的工业过程整体优 化问题。7 0 年代初期m e s a r o v i c 等人提出的多级和递阶控制的概念为解决这一 问题提供了新的途径。根据m e s a r o v i c 等人的意思，将整个复杂工业过程分成 若干个互相关联的子系统，每个子系统按各自的控制目标决定调节器最优设定 点，并直接对生产过程进行控制：与此同时，上级协调器通过协调各子系统的 控制性能或协调相互之间的关联变量以保证达到稳态时的总体最优。由于将复 杂的工业过程分为多个子系统，分解后每个子系统的变量数目大大减少，各子 系统的优化问题变得比较简单。这是一种静念多级优化方法。 喻尔演理q - j 、亨r 学碗 学位论义 由于工业过程较精确的数学模型不易求得，而且工业过程往往呈现出非线 性以及慢时变性，因此模型和实际系统的特性间存在着差异，静态多级优化方 法按模型所求得的工业过程最优工作点，在实际应用中往往并不是最优，有时 甚至连约束条件也不能满足。静态多级优化这种开环控制不能得到满意的效 果，为此必须从实际生产中引入反馈。通过对真实系统稳态输出量的测量来校 正按模型求得的最优控制设定点。以f i n d e i s e n 为首的一批波兰学者在这一方 面进行了深入的研究，将大系统静态优化的研究与化工过程的计算机在线控制 紧密结合起来，提出稳态递阶优化控制的方法1 3 1 。这方法为克服模型与实际 过程的差异，通过引用全局和局部反馈来得出一个次优解。随后他们又提出了 利用反馈信息处理进行迭代校正和协调的各种算法，并对解的存在性及次优性 和算法的收敛性进行了详尽的理论分析。另外，他们还对一些工业过程如何分 解一协调和确定目标函数进行了实际研究，如氧化铝工业中生产铵明矾过程的 两级递阶控制、甜菜制糖工业的递阶控制等。国内，以万百五为首的课题研究 小组在稳态递阶优化问题的理论方面进行了大量的研究，这包括稳态递阶优化 中双迭代思想的提出以及围绕稳态优化的线性目标函数问题所作的一系列工作 等。在应用方面，华东化工学院黄道、蒋慰孙和四川化工总厂的科技人员共同 在合成氨生产中实现了以能耗最小为目标函数的稳态优化。如图1 1 为稳念递 阶控制的基本结构流程图。 图1 - 1 稳态递阶控制结构图 f i g u r e l 一1s t r u c t u r eg r a p h i co f s t e a d ys t a t ea n dh i e r a r c h i c a lc o n t r o l 稳态递阶优化控制的难点在于，实际过程的输入一输出特性是未知的。以 f i n d e i s e n 为首的波兰学者提出的采用各种反馈实现的校正机制，能得到一个次 哈尔演理t 、学1 二学顾 。学位论文 优解，但其主要缺点在于一般很难准确估计次优解偏离最优的程度。而且次优 解的次优程度往往依赖于初始点的选取。一个自然的想法是将优化和参数估计 两个步骤分开处理并交替重复进行，直到( 希望到) 迭代收敛到最优解的条件。 1 9 7 9 年英国r o b e r t s 基于这个思想，提出了修正两步法，应用递阶系统理论对 优化和参数估计问题的关联进行解耦，这就是通常所说的系统优化和参数估计 的集成研究方法i s o p e 。此外还有一些其它集成方法，如：约束研究法，参数 研究法。文献 3 】综述了i s o p e 方法的理论研究情况。迄今为止，i s o p e 方法 的应用研究更多的是在实验装置( 如加热炉、氟里昂蒸发器) 上进行试验和算法 验证 4 1 。最近报道，在澳大利亚西北大陆架的气田开发上采用了i s o p e 方法 作为数据调停之用，并取得了成功d 】。 由上所述，工业过程的稳态优化控制从静态多级优化到稳态递阶优化控制 到i s o p e 优化方法，在解决过程大规模、变量关联方面取得了不少成果。但 是，这些成果大多使用传统的机理建模和数学优化方法，随着现代复杂工业过 程越来越复杂和高度的非线性，传统的方法逐渐不能适应实际的需求，智能方 法经过多年的发展，越来越多的被应用在稳态优化控制中。 1 2 2 人工智能在该领域中的应用 随着计算机科学、人工智能、微电子学等学科的迅速发展，人类对自身智 能活动机理的认识也逐渐深化。1 9 7 1 年美国f u ( 傅京孙) 提出以控制理论与人 工智能相结合为主体的智能控制概念 6 1 。此后许多自动控制学者投身于智能控 制的研究。1 9 8 1 年我国中科院的涂序彦提出了大系统智能控制，其基本思想是 用人工智能的概念和方法，总结和模拟人在控制和决策过程中的经验和规律， 来解决大系统的辨识、优化、协调、决策、故障检测、诊断和定位、处理等问 题。在此基础上，国内学者在应用人工智能的概念和方法解决工业过程稳态优 化控制方面也作了一些理论研究和实践探索。近十多年来，人工智能在工业过 程稳态优化控制方面的研究主要从三个方面进行口l ： 1 在稳态优化控制中引入基于规则的推理决策机构。 2 采用人工智能技术建立稳态优化控制的过程模型和优化模型。 3 采用先进的优化方法实现工业过程稳态优化。 目前在工业过程稳态优化中采用最多的三类基于人工智能思想的优化方法 是基于规则的专家推理方法或启发式推理方法，神经网络方法和类似于模拟退 火算法、遗传算法、混沌优化等随机搜索算法。 哈尔滨理工人学1 二学硕i 学位论文 传统稳态优化控制中各种解析算法严重依赖精确数学模型且其算法本身又 十分复杂，在实际工业应用中受到限制。人工智能的引入，在定程度上克服 了这个问题。可以看出，目前正在逐步形成或酝酿工业过程的智能稳态优化阶 段。由于尚处在发展的幼年时期，工业过程的智能稳态优化还有许多问题有待 于进一步研究。 1 2 3 工业过程稳态优化的应用成果 稳态优化技术如今广泛的应用在各种化工生产中，如乙烯裂解、硝酸生 产、工业p t a 氧化、渣油催化裂化等：而且应用在电力系统优化上，如发电 机组优化组合、电力系统无功优化、经济负荷分配问题等；还应用在车间调 度、结构力学、冶金等很多方面。 从2 0 世纪6 0 年代末，国外就开始了过程操作参数的优化研究，先进控制 软件公司纷纷涌现，分别推出其各自的优化策略。国外用于操作条件的优化的 例子很多，优化的领域已从炼油、石化单装置( f c c 、常压分馏、加氢裂化、 催化重整、乙烯裂解、烷基化、油品调合等炼油装置，合成氨装置) 优化，扩 展到公用工程优化、多装置优化和全厂优化。优化控制的效益十分明显。 f c c u 优化效益为0 0 2 0 0 5 美元桶：常减压蒸馏装置优化的典型效益为0 0 1 0 0 3 美元桶，投资偿还期还不到一年。n e u r a w a r e 公司和德士古公司推出自适 应神经网络控制系统应用于多变量、菲线性工艺过程的目标优化。美国t r e i b e r 控制公司与加拿大合作在魁北克省s tr o m n l d 炼油厂实施f c c u 与催化叠合联 合装置的闭环实时优化，优化运转使装置操作效益提高了1 2 ：韩国现代石 化公司达山乙烯联合装置实现了实时优化( r t o ) 控制策略，在不改变操作条件 下，装置生产乙烯的能力提高了3 4 ，效益增长了1 2 1 ，同时节省了原材料 和能耗2 5 。西班牙r c p s o l 石油公司t a r r a g o n a 炼油厂实现了常减压蒸馏 ( a c u v a c ) 一馏分油和燃料油调合( b l e n d ) 多装置先进控制和全局优化，使石 油、煤油和a g o 产品产率增加0 3 - 0 7 ，h v g o ( 重减压瓦斯油) 增产 0 3 ，调和装置增产煤油( 喷气燃料) 和瓦斯油o 6 ，合计增产产品1 1 l 以 上。 我国在这方面也开展了研究工作。如大庆石化总厂与大庆石油学院、中石 化石科院合作承担了国家计委“九五”攻关项目r f c c 装置在线优化课题；清 华大学化工系用人工神经网络方法建立油品质量模型的现实性和可行性；苏石 化学院采用人工神经网络中的b p 网络研究了润滑油旋转氧弹时间与基础油化 哈尔滨理t 人学丁学坝 。学位论文 学组成之间的关系：吕翠英等将神经网络用于乙烯生产装置优化模型的研究： 何小其等用神经网络和随机复合形搜索实施在线优化。我国长岭炼化总厂在重 油f c c 联合装置d c s 上，采用人工智能神经网络技术建模与预估二级处理方 法，实现了反应一再生系统掺渣闭环优化控制，投用后平均提高掺渣比 5 5 。 欧美国家的一些公司近年来设计了各种优化软件来满足各方面的需求。如 a s p e n 公司的a s p e n p i m s2 0 0 4 ；a b b a u t o m a t i o n s i m e o n 公司的优化控制综合 系统：e m e r s o np r o c e s sm a n a g e m e n t 的a m ss u i t e “实时优化系统”在位于英 国g - r a n g e m o u t h 的石油化工装置应用后，产生了很大的经济效益；f e d e s i g n 公司的f e - d e s i g nt o s c a5 0 ；s i m s c i 公司的s i m s c ip r oi iv 7 1 等。2 0 0 3 年，我国新兴的自动化高新企业浙大中控科技集团公司为用户推出了流程工业 综合自动化的企业增效解决方案一“i n p l a n t ”。 1 3 课题来源及研究内容 1 3 1 课题来源 本课题受哈尔滨市学科后备带头人基金项目( 2 0 0 5 a f ) 。( j 0 2 0 ) ；以及黑龙 江省研究生创新科研项目( y j s c x 2 0 0 5 2 4 6 h u ) 的资助，做相关领域的研究 设计。 1 3 2 本文主要工作 工业生产过程的稳态优化，就是在系统稳定运行的前提下，把节能增效作 为优化目标，寻找和保持系统的最优工况。本文研究对稳定运行系统中的工艺 参数进行优化，通过建立系统神经网络模型，并用粒子群优化算法对模型求最 优解，并针对所选建模与优化方法中存在的问题加以改进，从而得出比较满意 的优化结果。 论文主要工作包括： 1 深刻理解工业稳态优化的概念和意义，掌握稳态优化在国内外相关领域 的发展与研究现状，深入研究稳态优化设计的两个关键环节建模与优化的各种 方法，分析比较各种方法的特点，提出自己的优化设计方案。 2 根据一般工业生产过程及工艺流程的研究，选择蓝星石化公司苯酚丙 篁竺堡矍二垒耋三兰丝! 兰竺堡兰 酮分厂的c h p ( 异丙苯氧化产物) 分解单元生产过程作为优化的研究对象，采用 径向基函数神经网络建立系统稳态模型，即建立由输入空间到输出空间的非线 性映射。依据系统稳态输入、输出数据构成的一组学习样本集。进行网络训 练，以较少的迭代步数得到满足系统建模精度要求的模型。 3 在对系统稳态模型优化的设计中，选择粒子群优化算法( p a r t i c l es w a r m s o p t i m i z a t i o n ，p s o ) 作为优化算法。粒子群优化算法是一种全局优化算法，但针 对粒子群算法可能陷入局部最优和提高收敛速度，本文提出改进方法，最终获 得最优解。 4 用c l i p 分解单元的生产过程数据进行系统建模和参数寻优，检验改进后 的基于r b f 网络建模与粒子群算法优化的方法，通过仿真测试结果的分析， 验证此建立模型与优化求解方法的有效性。证明这是一种比较有效的优化方 法，可以为工业生产过程中的稳态优化提供一点新的思路。 哈尔滨理工大学t 学石贞l 学位论文 第2 章复杂工业过程稳态优化设计方案 2 1 稳态优化问题的描述 优化问题的一般形式为 7 1 ： r d mf ( x ) ( 2 - 1 ) s ，j z( 2 - 2 1 公式( 2 1 ) 和( 2 2 ) 中，x r ”是决策变量，f ( x ) 为目标函数，x c r “为约 束集或可行域。特别地，当约束集x = r ”，则此优化问题为无约束优化问题。 优化问题通常带有一些约束条件，称为约束优化问题表述为： r a i n 厂( 砖 盯撩潍； 协， 这里e 和，分别是等式约束指标集和不等式约束指标集，t ( x ) 是约束函 数。当目标函数和约束函数均为线性函数时，问题称为线性规划，当目杯函数 和约束函数中至少有一个是变量x 的非线性函数时，问题称为非线性规划。此 外，根据决策变量、目标函数和要求的不同，最优化还可以分成整数规划、动 态规划、网络规划、非光滑规划、随机规划、几何规划、多目标规划等若干分 支。 对于一个工业工程的稳态优化问题，首先要决定它的目标函数( o b j e c t i v e f u n c t i o n ) ，它可以是对利润、产量、能源、使用效率等取极大值，或者是对能 耗、原料消耗等取极小值。此外，还要将这些目标函数表示为工程变量和决策 变量( 控制器设定值) 的函数。 等式约束是用方程表示的过程变量、决策变量必须满足的关系，而且任何 优化方案都必须满足。不等式约束往往涉及到变量的上限和下限是任何优化方 案都不能违反的。也就是每次控制器设定值变动的范围都有上、下限以防止工 业过程的工况受到过大的冲击。 工业过程是很复杂的系统，与其相对应的优化问题也就更加复杂。优化问 题根据所要优化的系统的不同而具有不同的类型。可按如下方法分类( 由于分 类方法繁多，本文只列出常见的几种) ： 哈尔滨理t j 、7 7t 学帧j 学位论立 1 根据问题是否含约束条件，优化问题可分为有约束问题和无约束问 题。 2 根据目标函数和约束函数表达式的特性，优化问题可分为线性规划和 非线性规划。 3 根据系统所包含变量的确定性的性质，优化问题可分为确定性规划问 题和随机规划问题 8 1 。 2 2 复杂工业过程稳态优化问题的实现 现实中工业过程具有高度的复杂性和非线性，经常受到各种外部条件的于 扰，而且控制量和输出量都要求在一定的约束条件范围内，所以工业过程的稳 态优化问题一般都是有约束条件的非线性规划问题。要求对工业过程建立比较 准确的系统模型，在此基础上利用优化算法进行寻优，找出最优设定值，完成 优化目标。关键的问题就是怎样建立准确的系统模型和找到一种有效的优化算 法来完成优化设计方案。 2 2 1 系统建模 建模是人们在长期实践基础上找到的一种认识客观事物的科学方法，是把 认识原型( 即实际系统) 变为认识模型的过程。由于客观世界中实际系统的复杂 性和多样性，建模的具体方法和模型的具体形式是千差万别的。 工业过程的模型化研究经历了传统建模和智能建模两大阶段，由此出现的 各种建模方法各具特色，在工业过程的建模、优化与控制中得到了广泛的应 用，然而这些方法仍存在许多问题1 2 1 。 2 2 11 传统建模方法 传统工业过程建模方法包括机理建模和系统辨识两种建模方法。 机理建模是在工艺机理分析的基础上，依据物料平衡、热量平衡、动力 学、热力学等理论建立的类似于方程式的模型。机理建模是对过程的严密描 述，在很大程度上依赖于科研和工程开发人员对实际工业过程的理论和化学、 物理过程原理认识。由于实际过程的复杂性和不确定性，对于工业过程的认知 总是有限的，因此建立严格机理模型十分困难，所花费的时间和资金很多。 系统辨识通过对所研究工业过程输入与输出关系的观测，基于一组给定的 模型类，用参数估计方法确定与所测过程等价的模型。系统辨识的关键是模型 类的确定以及参数估计方法。已成功应用于系统辨识中的参数估计方法主要包 哈尔，箕理丁人学t 学硕十学位论文 括极大似然法、最小二乘法、互相关法、辅助变量法和随机逼近法等。然而就 模型类来说，双线性模型、幂指数模型、h a m m e r s t e i n 模型和w i e n e 模型等简 单的几种非线性模型类无法满足千变力| 化的非线性过程。因此用于非线性工业 过程建模的精度不够理想。 2 2 1 2 智能建模方法 智能建模方法指将人工智能、神经网络、模糊逻辑、模式识别等智能化技 术和理论用于工业过程建模的方法，它包括专家经验方法、神经网络方法、模 糊逻辑方法、模式识别方法、遗传编程方法以及基于遗传算法的方法等。其中 应用最多的为前三种智能建模方法。 专家经验建模方法是依靠专家系统从专家和有经验工人那里获取经验知识 对生产过程进行描述的方法，可以处理定性和启发式的知识信息。专家经验建 模方法，可以处理多变量、非线性、强耦合等复杂关系，且专家系统具有较强 的解释功能，通过专家经验模型可以很容易地得到对工业过程机理与本质的认 知：但专家系统存在知识获取的“瓶颈”问题，由于知识的不完备性，再加上 专家经验模型的学习能力差，推理能力弱，所以专家经验模型的精度往往不 高。 模糊技术也根据经验知识对过程迸行描述，但它采用模糊推理方法，不会 产生用传统专家系统进行推理时所出现的问题，能很好地处理生产过程中存在 的大量不确定性信息。不过，模糊技术也存在知识获取的“瓶颈”，同时这种 方法在确定规则数、模糊隶属度函数等时需要有效数据的附加信息或先验知 识，而这些信息有时并不容易得到。 人工神经网络不仅可任意逼近非线性，且具有大规模并行处理、知识分布 存储、自学习能力强、容错性好等特点，在复杂工业过程建模中倍受青睐。尽 管如此，神经网络本身存在的问题也不容忽视。神经网络是一种基于生产数据 的黑箱模型，模型不具透明性，不能揭示过程的机理，另外，神经网络对训练 样本的选择和需求量大，当输入较多时，网络结构复杂，网络训练耗时，收敛 速度慢。 连续工业过程的多变量、非线性、强耦合、时变时滞以及不确定性等特性 说明工业过程的异常复杂。这些复杂性造成传统的建模方法无法适用。尽管智 能建模方法在解决以上复杂性方面独具特色，但就过程优化控制对模型的预测 精度、学习能力、模型复杂度等方面提出的要求而言，智能建模方法也有待进 一步的改进。为此需要探索工业过程建模的新方法和新思路。 针对以上这些工业过程建模方法所存在的问题，控制界和工业界采取各种 哈尔演理t 人学r 学硕f 一学位论文 手段和措施进行解决。这其中最引人注目的研究有，一是针对这些建模方法的 优缺点，将各种方法有效结合，取长补短，克服单一建模方法本身存在的问 题；另一种是针对实际工业过程的具体情况将多种建模方法有机结合。这些研 究成果包括多种神经网络共同建模、神经网络与传统方法相结合建模、模糊与 神经网络混合建模等方法。目前这些研究尚处在尝试阶段，还不成熟，但仿真 与应用实践证明多种方法相结合用于复杂过程建模比单一的智能建模方法更有 效，可见复杂过程的建模方法将向着这方向发展。 2 2 2 系统优化 求解优化问题的计算方法可以分为数学方法和演化计算方法1 9 1 。 2 2 2 1 求解优化问题的数学方法 求解最优化问题通常采用迭代方法，其基本思想是：给定一个初值点 x o r ”，按照某一迭代规则产生一个序列 屯 ，使得当 耳 为有穷点列时，其 最后一个点是最优化问题的最优解。当 墨j 为无穷列时，它有极限点，且其极 限点是最优化问题的最优解。一个好的算法应该具备特征为：迭代点能够稳定 地接近局部极小点x 的邻域，然后迅速收敛于工+ 。迭代方法的基本结构为： s t e p l 给定初始点，确定搜索方向巩； s t e p 2 确定步长因子吼； s t e p 3 令t + = 茸+ 反； ( 2 - 4 ) s t e p 4 若五+ ，满足某种初始条件，则停止迭代，得到近似最优解。否则， 重复上述步骤。 从式( 2 卅可以看出，迭代算法的核心是：构造适应各种问题的步长因子 吼和搜索方向以，不同的吼和矾的构造方式，形成了不同的优化算法。 最速下降法是求解无约束优化问题最经典的方法，又称梯度下降法，该方 法以函数在以处的负梯度方向作为算法的下降方向，最速下降法在最优化中具 有重要的理论意义。但是，最速下降方向仅反映了被优化函数的局部性质，对 于许多问题，最速下降法并非“最速下降”，而是下降非常缓慢；利用函数的 二阶导数信息，即在椭球范数i i - i i o k 下，取负梯度方向，最速下降法就变成了 所谓的牛顿法，牛顿法利用了函数二阶导数信息，为克服牛顿法中h e s s e 矩阵 未必正定的难题，g o l d f e l d 等人提出了修正牛顿法：类似的方法还有有限差分 牛顿法、负曲率方向法、不精确牛顿法等；牛顿法的基本思想是在迭代点屯附 近用二次函数逼近f ( x 1 ，但这种方法只能保证算法的局部收敛性，信赖域方 喻尔演理丁、rt 学醐j 。学位论史 法是一种能够保证算法总体收敛的方法，并且能够解决h e s s e 矩阵不j 下定和五 为鞍点等困难，这类方法包括l e v e n b e r g - m a r q u a r d t 方法，双折线步法等；另 一种介于最速下降法和牛顿法之间的方法是共轭方向法，这种方法只需要一阶 导数信息，克服了最速下降法收敛慢的缺点，又避免了存贮和计算牛顿法所需 的二阶导数信息。共轭方向法是从研究二次函数的极小化问题中产生的，但是 可以推广到处理非二次函数极小化问题，典型的共轭方向法包括共扼梯度法和 拟牛顿法等。 求解约束优化问题的典型方法有：罚函数法、可行方向法、逐步二次规划 法等。这些方法的详细描述可以在相关文献中找到，用数学方法求解优化问题 的历史相对悠久，当前仍然在不断的发展过程中，这些传统方法大多是针对某 些特定问题，并且对搜索空间要求相对严格，有些方法更要使用被优化函数的 各阶导数信息。但是，随着科学和技术的发展，优化问题也变得异常复杂，有 的问题甚至无法用函数关系来表达，对于这类问题，采用上述方法，不可能得 到满意的结果。因此，需要进一步研究和探索新的优化思想和优化方法。 2 2 2 2 求解优化问题的演化计算方法 传统演化计算( e v o l u t i o n a r yc o m p u t a t i o n ) 是模拟“物竞天择”与“自然遗 传”的生物进化过程所产生的随机化计算模型。它的起源可以追溯到上世纪五 十年代，其中有影响的工作是b r e m e r m a r m ，f r i e d b e r g ，b o x 等。但是，几乎 在以后的三十年时问里，这一领域的工作对于广大科学工作者来说还是相当陌 生，造成这种状况的主要原因是：当时缺少强大的计算机硬件平台和早期演化 计算本身的方法缺陷。一直到了7 0 年代，h o l l a n d ，r e c h e n b e r g ，s c h w e f e l ， f o g e l 等人的奠基性工作才慢慢地改变了这种状