（控制理论与控制工程专业论文）基于改进pso算法的工业过程稳态优化研究.pdf

哈尔滨理- t 人学t 学顾f j 学位论文 基于改进p s o 算法的工业过程稳态优化研究 摘要 现代化工业生产的一个重要特点是向大型化和自动化方向发展。复杂工 业过程正常情况下，各种参量是基本稳定的，但由于慢扰动、设备老化等原 因，整个生产过程会偏离最优点。因此，在寻找和维持工业的最优工况，提 高工厂经济效益的过程中，稳态优化起着关键性的作用。目前，稳态优化控 制的重点在于如何合理建立数学模型，并采用先进的方法优化系统参数。本 文以稳态工业生产过程为背景，对粒子群优化算法( p a r t i c l es w a r m o p t i m i z a t i o n ，p s o ) 及其在工业过程优化中的应用进行了研究。 粒子群优化算法因其简洁性，易于实现，所需参数少，不需梯度信息等 优点，成为智能领域的新研究热点，其理论研究工作目前还处于起步阶段。 但对于复杂的多峰值优化控制问题，该算法易于使问题的解陷入局部极值。 为克服其可能陷入局部极值，提高收敛速度，本文在基本粒子群优化算法的 基础上，结合禁忌搜索和模拟退火算法的思想对算法进行了改进，并引入了 指数递减惯性权值和收敛因子。通过对标准测试函数的仿真，验证了算法的 有效性。 由于当今工业系统的控制目标多元化、变量数目增多、存在着多种约 束，使用传统的建模方法难以建立严格的系统模型。径向基函数神经网络 ( 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 ) 是一种典型的局部神经网络， 其结构简单、学习速度快、具有最佳逼近能力。本文采用径向基神经网络建 立模型，并通过非线性函数进行了验证。 最后，以过氧化氢异丙苯( c u m e n eh y d r o p e r o x i d e ，c h p ) 分解过程为背 景，在不需要改建或扩建设备而利用原有设备的基础上，应用r b f 神经网 络建立系统模型，并用改进的粒子群优化算法优化工艺参数。仿真结果证 明，该方法可以达到减少能源消耗、降低成本、提高产量的目的。 关键词稳态优化；径向基神经网络；粒子群算法；禁忌搜索算法；过氧 化氢异丙苯 哈尔滨理t 人学t 学硕十学位论文 r e s e a r c ho ns t e a d y - - s t a t eo p t i m i z a t i o no fi n d u s t r y p r o c e s sb a s e do ni m p r o v e dp s o a l g o r i t h m a b s t r a c t m o d e mi n d u s t r yi sc h a r a c t e r i z e db yl a r g e s c a l ea n da u t o m a t i cp r o d u c t i o n ，i n w h i c he a c hp a r a m e t e ri s s t e a d y i nn o r m a l p r o c e s s h o w e v e r , t h ew h o l e p r o d u c t i o np r o c e s sw o u l dd e v i a t et h eo p t i m a lp o i n tb e c a u s eo fs l o wd i s t u r b a n c e a n da g i n ge q u i p m e n t t os e a r c ha n dm a i t a i nt h eo p t i m u mo p e r a t i n gc o n d i t i o nf o r t h ep r o d u c t i o n ，s t e a d y s t a t eo p t i m i z a t i o ni sc r u c i a l a tp r e s e n t ，t h ek e yo ft h e s t e a d y s t a t eo p t i m i z a t i o nc o n t r o li sh o wt ob u i l dt h em o d e la n do p t i m i z et h e s y s t e mp a r a m e t e r sb ym o d e mo p t i m i z a t i o nm e t h o d s t h e r e f o r e ，t h i sp a p e rt a k e s t h es t e a d y s t a t ei n d u s t r i a lp r o d u c t i o np r o c e s sa sa b a c k g r o u n da n dr e s e a r c h e so n p s o ( p a r t i c l es w a l n lo p t i m i z a t i o na l g o r i t h m ) a n di t sa p p l i c a t i o ni ns t e a d y - s t a t e o p t i m i z a t i o n p s oa l g o r i t h mi ss u c c i n c t ，e a s yt or e a l i z e ，n e e d i n gl e s sp a r a m e t e r s ，a n dn o t n e e d i n gt h ei n f o r m a t i o n o fg r a d i e n t i th a sb e c o m et h en e wf o c u si nt h e i n t e l l i g e n tf i e l d w h e nf a c i n gt h ep r o b l e mo ft h ec o m p l e xm u l t i p e a kv a l u e o p t i m i z a t i o nc o n t r o l ，t h i sa l g o r i t h mc a nl e a dt h es o l u t i o no fp r o b l e mt ot h el o c a l e x t r e m u m e a s i l y t o a v o i dt h ep s ot r a p p i n gi n t ol o c a l o p t i m i z a t i o n a n d a c c e l e r a t et h er a t eo fc o n v e r g e n c e ，t h i sp a p e ru p g r a d e st h ep s oa l g o r i t h m t h r o u g hi n t e g r a t i n gt h et a b us e a r c ha n ds i m u l a t e da n n e a l i n ga l g o r i t h mb a s e do n p s oa l g o r i t h m ，i nw h i c ha d o p tc o n v e r g e n c ef a c t o ra n di n d e xd e c r e a s i n gs t r a t e g y o fi n e r t i aw e i g h t t h ev a l i d i t yi sv e r i f i e db yt 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 g f u n c t i o n f o rm o d e mi n d u s t r ys y s t e m ，t h ec o n t r o lt a r g e ti sm u l t i p l e ，t h en u m b e ro fi t s v a r i a n c ei si n c r e a s i n g ，a n de x i s t sm a n yc o n s t r a i n s t h e r e f o r e ，i ti sd i f f i c u l tt o c o n s t r u c ts t r i c ts y s t e mm o d e lt h r o u g ht r a d i t i o n a lm o d e l i n gm e t h o d s r a d i a lb a s i s f u n c t i o nn e u r a ln e t w o r k ( r b f ) ，a p p r o a c h i n go p t i m a lv e r yw e l l ，s i m p l es t r u c t u r e ， f a s ts t u d ys p e e d ，i sat y p i c a ll o c a ln e u r a ln e t w o r k i nt h i sp a p e r , t h er b fi s u t i l i z e dt oe s t i m a t et h es y s t e mm o d e l ，a n di sv e r i f i e db yn o n l i n e a re x a m p l e f i n a l l y , t h ep r o c e s so fc h p ( c u m e n eh y d r o p e r o x i d e ) b r e a k i n gu pc e l lw o u l d b et a k e na st h es c e n a r i o r b fi su s e dt oc o n s t r u c ts y s t e mm o d ea n di m p r o v e d p s oa l g o r i t h mt oo p t i m i z ep a r a m e t e r sw i t h o u tr e b u i l do r e x t e n dt h eo r i g i n a l e q u i p m e n t s t h es i m u l a t i o nr e s u l t sp r o v e dt h a tt h ep r o p o s e dm e t h o dc a n r e d u c e e n e r g yc o n s u m p t i o n ，c u tc o s ta n di n c r e a s ey i e l d 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 ，r b f , p s o ，t a b us e a r c ha l g o r i t h m ，c h p 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基于改进p s o 算法的工业过程 稳态优化研究，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。据本人所知，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： 王谚日期：枷，年弓月f 日 哈尔滨理工大学硕士学位论文使用授权书 基于改进p s o 算法的工业过程稳态优化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下完成的硕士学位论文。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。 不保密口。 ( 请在以上相应方框内打4 ) 作者签名： 王昆日期：州年；月? 日 新躲磁皤嗍洄9 年；月) 1 日 哈尔滨理t 人学t 学硕i ：学位论文 第1 章绪论 1 1 工业过程稳态优化的意义 随着我国加入w t o ，国内企业如何挖潜增效、提高企业竞争力，在同益 激烈的市场竞争中立于不败之地，已成为众多企业特别是传统企业迫在眉睫、 必须认真思索的问题。以信息化带动工业化，发挥后发优势，实现社会生产力 的跨越式发展，是当前国民经济现代化建设的战略举措。作为信息技术重要组 成部分的工业过程建模与优化操作技术在提高企业竞争力中有举足轻重的作 用。采用先进、适用和可靠的新一代工业过程的建模与优化技术，可以改善企 业中生产运营状况，提高设备和装置的运行效率、增加产量、提高产品质量、 降低物耗能耗、延长设备的运行周期，最终提高企业竞争力，实现可持续发 展。 先进的优化技术与优化软件不但使得生产效率大幅度提高，还能够促进生 产过程的节能降耗和资源的循环利用等。相对于通过工艺改造获得效益来说， 通过优化技术提升经济效益的成本也非常低廉。企业只需要购买相应的软件与 技术服务，再添加几台工业用计算机就可以实施了。企业一般在半年至一年内 就能收回所投入的成本，并可以为企业增加2 1 0 的经济效益。因此，该方法 的研究具有重要的现实意义。 1 2 稳态优化的研究进展及成果 1 2 1 国外稳态优化技术的发展及应用成果 多年来，人们一直致力于优化理论与应用的研究，并取得了大量成果。由 于稳念优化技术和优化软件可以制造巨大的经济效益，欧美国家的一些公司近 年来推出了各种优化软件产品，在世界范围内形成了一个强大的流程工业优化 软件产业。 国外一些发达国家在工业过程优化方面起步较早，在六十年代初，就已经 在原油精馏、催化裂化、烯烃生产和合成氨生产等方面取得了些结果。随着 计算机和其他相关技术的发展，过程优化技术的研究有了长足的进展，如许多 哈尔滨理t 火学t 学硕i ：学位论文 工程设计公司a s p e l l t e c h 、u o p 、t o n e 、w e b s t e r 、三菱石化等都在开展过程优 化业务，许多生产厂家如s h e l l 、m o b i l e 、e x o n 等【1 1 在过程优化方面也收到了显 著的经济效益。 据报道国外已有2 0 多家软件公司相继推出了在石油化工过程专用和通用的 流程模拟软件6 0 多种，已有2 0 多家公司推出石油化工软件3 0 余种。其应用领域 涉及天然气加工、原油蒸馏和分馏、烷基化、催化重整、催化裂化、加氢、溶 剂脱蜡、减粘、延迟焦化、硫回收等。比较典型的有a s p e n t e c h 公司的r t - o p t ，s i m s c i 公司的严格在线优化软件r o m ，s i m s c i 公司结合美国壳牌石油公 司的流程模拟产品o p e r a 的r e m e o ，h o n e y w e l l 公司的先进控制和优化软件包 p r o f i ts u i t e 以及英国k b c 公司的桌面炼油软件p e t r o f i n e 等【2 】，以上软件都是通用 性为主。专门针对某些装置开发的流程模拟和优化软件还包括i n t e g r a t e d p r o d u c t i o nc o n t r o ls y s t e m 公司、c o n t i n e n t a lc o n t r o l si n c 矛u t r e i b e rc o n t r o li n c 等【3 i 公司的很多产品。在分离过程方面，基于平衡级模型的流程模拟软件包括 a s p e n t e c h 公司的a s p e np l u s 和s i m u l a t i o ns c i e n c e 公司的p r o 1 1w i t hp r o v i s i o n 。 a s p e n 公司的a s p e np i m s2 0 0 4 ；a b ba u t o m a t i o n s i m c 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1 4 1 。f l yc a r p e t 是 瞬态稳态系统仿真优化软件f 5 】，该软件通过建立一个计算平台来解决多专业 的建模问题，可应用于机械、控制、电子、电气、化工、液压、气动等不同领 域。无论工程、科研还是教学，f l yc a r p e t 都是快捷的辅助工具。 1 2 2 国内稳态优化技术的发展及应用成果 我国控制理论界和工业控制界近3 0 年来在建模与优化操作技术等方面进 行了大量的理论研究和应用开发，并针对些复杂工业过程进行应用研究，取 得了一定的研究成果和技术经验积累。进入上世纪9 0 年代以来，国内已将预 测控制、模糊控制、神经网络控制等先进控制技术成功地应用于一些复杂工业 生产过程，取得了较好的经济效益和社会效益。 浙江中控软件技术有限公司把我国控制理论界和工业控制界多年的积累工 程化，应用软件完善化，实现了先进控制与优化技术工程化的零突破，具备了 与国际专业自动化软件公司平等竞争的能力。其攻关技术和软件已经在国内的 石化企业，尤其是大型和特大型的石化企业中得到了较大规模的推广应用。 2 0 0 0 年，“九五”国家科技攻关计划项目“大型骨干石化生产系统控制及 哈尔滨理t 人学t 学硕 j 学位论文 计算机应用技术通过验收1 6 1 。该项目针对典型石化生产装置的先进控制和过 程优化，通过开发软件包，完成了在兰州炼化总厂、济南炼油厂等企业实施常 减压装黄优化控制、催化裂化装置在线优化控制、全厂集中控制等6 项示范应 用工程。 由北京化工大学、中国石化工程建设公司、中国石化公司天津分公司共同 完成了“基于数据挖掘等技术的乙烯裂解炉在线优化操作”项目1 7 1 ，该项目在 径向基函数神经网络等过程数据预处理技术，以及粒子群优化算法的工程应用 技术等基础上，建立了乙烯裂解炉、烟气温度等的智能预测模型、过程优化操 作模型等，实现了参数预测、生产操作优化、实时安全监控。经现场应用表 明，该优化操作系统可操作性强，界面友好，整体性好，运行稳定。 上海富方软件工程有限公司主要从事工业过程先进控制软件与在线节能优 化软件( 主要是自适应在线操作优化软件) 产品在相关高耗能工业领域的应用， 以及优化节能系统集成。 赛特达科技有限公司( 美国e n g i n e o u s 公司出品的过程集成、优化设计和稳 健性设计的软件i s i g h t 在中国地区的总代理) 与北京工业大学联合建立的 “i s i g h t 技术中心”以i s i g h t 这个集设计自动化，集成化和优化功能于一身 的工业智能软件平台为基础，使得现代工业设计的三个理念：系统设计，参数 设计和稳健设计在实践中得到具体体现和贯彻实施。 中国石化总公司开发的“自适应在线操作优化软件”在大庆石化总厂丙烯 氰反应器上实现在线操作优化，提高全程效率1 3 1 ，一年的经济效益为9 6 4 万 人民币【引。 北京精诚国际科技有限公司推出的工艺流程的稳态模拟和过程优化软件 p r os i mp l u s t 9 】是工艺工程软件，用于工业生产中各种稳态过程严格的物质和能 量守恒计算，它不仅应用于工艺设计中，而且用在已投产的工厂中进行过程优 化、装置故障诊断、故障排除、现场改造或者日订期的工程分析。 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；江苏石化学院的b p 网络研究了润滑油旋转氧弹时间与基础油化学组成之间 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肃【1 0 】；何小其等 用神经网络和随机复合形搜索实施在线优化【1 1 1 。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 了反应再生系统掺渣闭环优化控制，产量提高了5 5 t 他i 。 哈尔滨理丁大学t 学硕l j 学位论文 1 2 3 人工智能在工业过程稳态优化控制中的应用 长期以来，工业过程的控制模型大都采用机理建模和系统辨识等传统建模 方法。在普遍存在非线性的复杂工业过程中，传统建模方法的应用有不少问 题，尤其是模型精度不高。优化方面，传统的优化方法严重依赖精确数学模型 且其算法本身存在着许多局限性，如：要求目标函数和约束函数是连续可微的 解析函数，限制了算法的应用范围；单点运算方式大大限制了计算效率的提 高，很难发挥出现代计算机高速计算的性能：每一步迭代都向改进方向移动， 限制了跳出局部最优的能力；停止条件只是局部最优性的条件。人工智能出现 后，这些问题有了重大突破。 近几年来，不论理论研究还是工业应用，智能技术在复杂工业过程建模与 优化中都被广泛地采用。美国明星企业公司路易斯安娜炼油厂与k e y 控制公司 合作，在燃气管理中运用专家系统，将准确、及时的信息送达所有装置操作 者；日本大阪瓦斯公司千里能源中心采用模糊理论进行热负荷长期和短期预 测。群体智能计算方法更成功地应用于钢铁和化工等复杂工业过程的系统优化 中。 尽管目前有关人工智能技术在工业过程建模与优化中成功应用的研究报道 很多，但人工智能理论尚不完善，其本身还存在着问题，对于存在非线性、不 确定性、大时滞、参数分布性和时变性等复杂内在机理的工业过程，某一种智 能方法都难以完全满足同趋大型化、综合化、复杂化的工业过程的控制要求。 为此，不少学者首先针对目i j 智能技术本质上所存在的问题，对现有智能技术 进行改进，提出了一些新的方法，如多神经网络、模糊神经网络、用g a 或 p s o 技术优化神经网络的结构或参数等等。这些新的智能方法由于克服了传统 智能技术本质上的缺陷，有望解决传统智能技术在复杂工业过程建模与优化中 的不足。 人工智能的引入，在一定程度上克服了这个问题。可以看出，目前j 下在逐 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 业过程智能稳态优化的还有许多问题有待于进一步研究： 1 工业稳念模型精度的进一步提高和实际工业过程稳态模型的获得。 2 先进优化方法的不断改进和完善。 3 智能稳念优化方法在实际工业过程中的应用研究。 4 智能稳态优化控制的通用化、产品化。 4 哈尔演理工大学工学硕士学位论文 1 3 粒子群算法的研究现状 1 3 1 粒子群算法的理论研究现状 自从p s o 算法在1 9 9 5 年被提出以来，就引起众多研究者和工程技术人员 的注意。但真正的迅速发展，各类研究报告及文献大量涌现却是在2 0 0 0 年以 后。2 0 0 3 年i e e e 第一届国际群智能研讨会在美国印第安州首府召开，咀后将 每年举办一次群智能国际研讨会。图1 - 1 是2 0 0 8 年演化计算会议对近年来已 发表的p s o 算法文献的统计结果。目前，p s o 算法的研究在国内也受到许多 学者的重视，并已取得一定成果。 1 9 7 71 9 9 92 0 0 12 0 3 32 0 0 5 2 0 0 7 图1 - 1 历年p s o 算法相关文件数 f i g u r e l d t h e b c m o f p s o l i t e a a a i m i n p a s t y e a r s 尽管p s o 算法易于描述、易于实现，但是在算法的早期，也存在搜索精 度较低和收敛率不高等缺点。若加速系数、最大速度等参数太大，粒子群可能 错过最优解，算法不收敛；而在收敛情况下，由于所有粒子都向最优解的方向 飞去，所以粒子趋向同一化失去了多样性，同时算法收敛到一定精度时，无法 继续优化，所以能够达到的精度也比较低。在实际应用中，人们总是希望算法 的搜索结果更优秀。因此，很多学者仍致力于算法的改进。 1 基于控制参数的改进 s h i 等人通过添加动量惯性系数w 束提高算法跳出局部极值的能力i ”】：文 献【1 4 】提出了一种根据算法迭代次数使惯性权值递减的方法；文献【1 5 采用模 糊规则动态地修改w 的值，构造了一个2 输入和1 输出的模糊推理机柬动态地 修改惯性动量因子w ；文献 1 6 1 提出了一种针对动态优化问题的随机惯性权值 哈尔滨理t 大学t 学顾i ：学位论文 方法；c l e r c 等人添加控制速度的约束因子口以控制速度的权重【17 1 ；文献 1 8 ， 1 9 】建议，为了平衡随机因素的作用，对加速因子进行了修改。 2 基于种群规模的改进 粒子群的种群大小也是标准粒子群优化算法的关键参数之一，粒子数目太 少，容易使粒子陷入局部极小值，粒子数目太多，会使算法的收敛速度减慢。 c l e r c 设置了一个能量函数，用来评价固定规模p s o 算法和动态规模p s o 算法 的性能变化【2 0 】。 3 基于拓扑结构的改进 全局p s o 算法种群中所有个体都相互通信；局部p s o 算法，每个粒子不 用整个种群而只是用其中一部分作为它的邻居，那么在所有邻居中的最好解就 是局部极值，每个粒子追随个体极值和局部极值，其他的与全局p s o 算法相 同【2 l l ；k e n n e d y 等进一步研究粒子群的拓扑结构，分析粒子问的信息流，提出 了一系列的拓扑结构，例如环形，星形和金字塔型等。除静态拓扑结构外，也 有研究者提出动态粒子群拓扑结构。拓扑结构非常影响算法的性能，且最佳的 拓扑形式依问题而定。 4 混合优化算法 针对p s o 算法容易陷入局部极小，王华秋【2 2 】等提出将模拟退火( s a ) 引入并 行p s o 算法。这种模拟退火并行粒子群算法，结合了并行粒子群算法的快速 寻优能力和s a 的概率突跳特性。 俞欢军等1 2 3 i 提出将h o o k e j e e v e s 模式搜索方法嵌入粒子群优化算法中，此 外，在搜索过程中还加入变异操作。其中，局部搜索增加了算法的开发能力， 而变异操作提高了算法的探测能力。此算法局部搜索能力有显著提高，且搜索 到全局最优的概率更高。 5 其它改进算法 文献 2 4 1 提出了一种协同p s o 算法，其基本思想是用k 个相互独立的粒子 群分别在d 维的目标搜索空间中的不同维度方向上进行搜索，基本p s o 算法 是在连续域中搜索一个数值函数最值的有力工具。文献 2 5 】最早提出了杂交算 法的概念，杂交p s o 算法的收敛速度比较快，搜索精度也较高，对一类非线 性优化问题可以得到满意的结果，不过引入了较多的调整参数，对使用者的经 验有一定的要求；高鹰、谢胜利( 2 6 l 受生物体免疫系统免疫机制的启发，把免疫 系统的免疫信息处理机制引入到粒子群优化算法中，给出了免疫粒子群优化算 法。这种免疫粒子群优化算法结合了粒子群优化算法具有的全局寻优能力和免 疫系统的免疫信息处理机制，并且易于实现，改善了粒子群优化算法摆脱局部 6 哈尔滨理t 人学丁学硕i j 学位论文 极值点的能力，提高了算法在进化过程中的收敛速度和精度。 1 3 2 粒子群算法的应用研究现状及未来 粒子群优化算法广泛用于函数优化问题的求解。a n g e l i n e 经过大量的实验 研究发现，粒子群优化算法在解决一些典型的函数优化问题时，能够取得比遗 传算法更好的优化结果。s h i 与e b e r h a r t 的实验证明，对大多数的非线性标准 测试函数，p s o 算法在收敛速度和解的精度上均较遗传算法有一定的改善。 粒子群优化算法被广泛用于训练神经网络。高海兵等1 2 7 1 提出了一种基于连 接结构优化的粒子群优化算法用来训练神经网络，该算法在训练神经网络权值 的同时优化其连接结构，并删除冗余连接，使神经网络获得与模式分类问题匹 配的信息处理能力。与遗传算法比较，该算法在提高分类误差精度的同时可以 加快训练收敛的速度。文献 2 8 中利用p s o 算法来训练前向神经网络，解决 x o r 问题，实现简单，求解质量更高。文献 2 9 1 d f l ，通过训练神经网络，把粒 子群优化算法应用在医学中震颤行为的分析上。震颤行为的诊断仍是医学研究 的挑战性领域之一，经p s o 训练的人工神经网络已经能够区分人的本能震颤 和病理性震颤。这种方法处理速度快，诊断结果准确，取得了较好的结果。 粒子群优化算法也用于多目标优化问题的求解凹】。文献 3 1 应用一种动态 领域的方法来求解多目标优化问题。 粒子群优化算法在电力系统领域也得到了广泛的应用f 3 2 1 。文献 3 3 1 研究了 p s o 算法在输电网络扩展规划中的应用，以投资回收效益、设备成本和电能损 耗费用之和最小为目标函数，建立了扩展输电网的最小费用模型，设计了基于 p s o 算法的求解方法，以i e e e 7 节点系统为例进行了测试，测试结果表明应用 p s o 算法求解电网扩展规划问题是可行的。余邱梅等用p s o 算法解决电容器 优化配置问题【3 4 1 ，很好的获得了电容器优化配置问题的全局最优解。 此外，粒子群优化算法已用于数据挖掘【3 5 1 、p i d 参数寻优1 3 6 1 、结构优化设 计【3 7 1 、置换流水车f b j 调度【3 8 】、跟踪动态系统等【3 9 1 问题的求解。随着研究的深 入，粒子群优化算法将可以广泛应用于其它进化计算技术已经应用到的领域 中，比如作业调度、分类问题、模式识别、机器人路径规划、信号处理和决策 制定等。 p s o 算法是一种新的基于群体智能的进化算法，还不像模拟退火算法和遗 传算法那样形成系统的分析方法和一定的数学基础，还有许多问题需进一步研 究： 7 哈尔滨理t 人学t 学硕f j 学位论文 1 粒子群算法的改进 p s o 算法中参数的设计依赖于具体问题，设计合适的参数需要多次试验。 研究如何选择和设计参数，使其减少对具体问题的依赖，也将大大促进p s o 算法的发展。另外充分吸引其它进化类算法的优势，以改进p s o 算法存在的 不足也是值得研究的问题。 2 粒子群算法的理论分析 到目前为止，p s o 算法的分析方法还很不成熟和系统，存在许多不完善和 未涉及到的问题。如何利用有效的数学工具对p s o 算法的运行行为、收敛性 及计算复杂性进行分析是目前的研究热点之一。 3 粒子群算法的生物学基础 如何根据群体进化行为完善p s o 算法，同时分析群体智能行为，如何将 其引入p s o 算法中，以充分借鉴生物群体进化规律和进化的智能性也是目前 的研究方向之一。 4 粒子群算法与其它类进化算法的比较 5 粒子群算法的适用范围 算法研究的目的是应用，p s o 应用最为成功的是在进化神经网络方面，其 他的一些应用还在研究阶段。如何将p s o 算法应用于更多领域，同时研究应 用中存在的问题也是值得关注的热点。 1 4 课题来源及研究内容 1 4 1 课题来源 本课题受哈尔滨市科技创新人才研究专项资金项目( 优秀学科带头人) ( 2 0 0 8 r f x x g 0 0 9 ) 的资助，做相关领域的研究设计。 1 4 2 本文主要工作 生产过程自动化技术发展的关键是其所能产生的经济效益，真正能使工业 过程系统取得重大经济效益是在稳念优化层。本文研究的主要目的是对稳定运 行系统中的工艺参数进行优化，选择最优的操作参数，达到节能增产的目的。 本文主要工作就是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，并针对所选优化方法中存在的问题加以改进，从而得出比较满意 8 哈尔滨理t 人学t 学硕i ：学位论文 的优化结果。 论文主要工作具体包括以下几个方面： 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 选择c h p 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 经网络建立系统稳念模型，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 通过研究比较，选择粒子群优化算法作为优化算法。针对粒子群算法 可能陷入局部最优值和收敛速度慢的特点，利用禁忌搜索和模拟退火算法对 p s o 进行改进。 4 以c h p 分解单元的生产过程数据为对象，采用r b f 网络进行系统建 模，运用改进的粒子群优化算法进行参数寻优，可以为工业生产过程中的稳态 优化提供一点新的思路。 9 哈尔滨理t 火学t 学硕i j 学位论文 第2 章复杂工业过程稳态优化设计方案 2 1 稳态优化问题概论 2 1 1 概述 优化问题，就是在满足定的约束条件下，寻找一组参数值，使系统的某 些性能指标达到最大或最小。优化是科学研究、工程技术和经济管理领域中的 一种常见问题。例如，工程设计中怎样选择参数，使设计方案既满足使用要求 又能降低成本；资源分配中，怎样分配有限资源，使分配方案既满足各方面的 基本需求，又能获得好的经济效益；在人类活动的各个领域中，诸如此类，不 胜枚举柏】。 生产过程的操作优化可以有各种不同的途径，通常应根据对象的特点而选 用合适的方法。由于需要描述的对象所包含各变量与时间的关系具有不同的特 征，可将数学模型按对象随时间变化的状态分为两类【4 1 1 。若所有变量都不随时 间变化，可以用稳念模型描述。若输入变量需要随时间而变化时，则需要用动 态模型描述。因此，将根据稳念模型进行的调优称为稳态调优，而根据动态模 型进行的调优称为动态调优。 工业过程的一般特点是变量或参数多，相互间的关系复杂，其优化问题视 对象和它所涉及的主要参数的不同性质而有连续的或离散的，确切的或模糊 的，确定的或随机的等区别。本文研究的对象：过氧化氢异丙苯( c h p ) 氧化单 元的分解环节，所追求的优化目标和大多数可以调节的主要参数或自变量都是 连续和确切的，多数连续操作的化工装置在宏观时间上是属于稳态优化问题。 解决优化问题的一般过程包括三个主要阶段： 1 建模阶段 这一阶段的目的是建立一个能定量的反映对象客观性质的数学模型，也就 是找到能表达因变量和自变量问函数关系的某种方程或方程组。这是对任何对 象进行定量研究所必需的。 2 优化决策阶段 在这一阶段应找到合适的方法对数学模型求解以得到一组参数的设定值， 使所追求的目标函数值在可行空间内达到极值。对于连续的确定性的问题，决 l o 哈尔滨理t 大学t 学硕i ：学位论文 策阶段采用的行动步骤可以分为两类：一类是一次性的，即求解出优化的位 置，希望直接将参数调节到可行域内的最优点；另一类是渐进的，即解出优化 方向，以有限的幅度改变当前的参数值，逐步向优化位置靠近。 3 实施阶段 这个阶段的工作包括在装置上实施决策要求时解决各种实际问题，还包括 在可能遇到不可预见的某种实际限制而必须对决策要求做局部调整，以及在执 行决策过程中对于所得到的反馈信息进行分析和利用等。 2 1 2 优化的数学模型 求解优化问题必须要清楚：( 1 ) 需要优化的目标；( 2 ) 对此目标有影响的各变 量；( 3 ) 自变量和优化目标间的定量关系。一个优化问题的组成必须包括要优化 的目标，自变量( 包括可调的与不可调的) 以及自变量对目标的定量关系，可以 包括的还有约束条件和可行域。 优化的目标可以是函数也可以不是函数。若优化的目标是一个函数，通常 就称为目标函数，用f ( x ) = 厂( 而，x 2 ，) 表示。优化问题有可能是对目标函数 的最小化，也有可能是最大化，但由于函数厂的最大化等价于一厂的最小化， 所以最小化和最大化问题并没有本质区别。 优化问题的一般描述为 m i n j ( x i ，x 2 ，x r n ) 趾凇荔：崩茎吕( 2 - - ) 式( 2 1 ) 中：x i 为优化变量；f _ 1 ，2 ，m ；，( 五，x z ，) 为目标函数； f ( x i ，屯，x m ) 为约束函数；g ( x l ，x 2 ，) 0 为约束条件。 2 1 3 优化的分类 优化问题按照不同的角度可分为以下几种情况： 1 按照是否有约束条件，分为约束优化和无约束优化问题。 2 按照自变量是否为随机，分为确定性和随机性优化问题。 3 按照目标函数或者约束条件是否非线性，分为非线性优化和线性优化 问题。 4 按照自变量是否为时问的函数， 5 按模型表达方式，分数据形式， 分为动态和静态优化问题。 函数形式与网络形式等不同的优化。 哈尔滨理t 人学丁学硕 ：学位论文 2 2 系统优化模型及算法介绍 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干 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。如果模型过于简单，漏掉了关键因素，那么得到的结果就没有实用 价值。同时，因为过程系统涉及的面广，关系复杂，在建立模型时那些无关大 局，可以忽略的因素，应该果断舍弃，否则会造成模型过分复杂，由于对这种 复杂模型的计算带来的误差，可能反而使结果失去实际意义。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 系统优化模型 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干差万别的。 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 4 2 1 。 2 2 1 1 传统建模方法常见的传统工业过程建模方法有：解析法、枚举法、 随机法等。解析法在求解过程中主要使用目标函数的解析性质，如一阶导数、 二阶导数等，这一方法又可以分为直接法与问接法。随机法包括覆盖法和随机 搜索法，该方法的计算量很大，一般只适合于简单的优化问题。 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，它包括专家经验建模 方法、模糊逻辑系统方法、人工神经网络方法、支持向量机方法、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| j 四种智能建模方法。 1 专家经验建模方法 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罩获取经验知识 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 哈尔滨理t 大学t 学硕。j j 学位论文 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。 2 模糊逻辑系统方法 模糊逻辑系统是基于特定应用领域中的人类专门知识和经验而建成的系 统。对于那些难以建模或模型表示过于复杂的系统，可通过模糊条件语句描述 系统的主要特征，建立相应的模糊逻辑系统，并可以此作为研究该系统控制问 题的设计模型。以模糊逻辑系统为基础的模糊建模，属非线性建模方法，一般 通过多线性逼近实现全局的非线性逼近，在处理信息系统的知识不完整、不精 确问题中的应用越来越广泛。模糊逻系统的规则结构使它在建模中易于直接包 含人类对目标系统的专门知识，亦即领域的先验知识；当拥有目标系统的输入 输出数据时，传统的系统辨识技术可用于模糊建模，帮助确定系统的结构和参 数。然而，特定应用领域中的人类专门知识和经验如何帮助模糊逻辑系统的模 糊规则和隶属度函数的自动生成，一直是阻碍其应用的一大难题。 3 人工神经网络方法 人工神经网络是借鉴人类大脑和神经系统存贮、处理信息的某些特征而抽 象出来的一种数学模型，属于非线性建模方法。它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，在处 理背景知识不清、因果关系不明、信息中含有噪声时具有独到的优势，己成为 处理复杂化学信息模式的有力工具。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。 4 支持向量机方法 支持向量机( s u p p o r tv e c t o rm a c h i n e ，s v m ) 是v a p n i k 在创建的统计学习理 论基础上发展起来的一种新的机器学习算法，它采用结构风险最小化原则，而 不是传统的经验风险最小化原则，在最小化样本点误差的同时缩小模型泛化误 差的上界，提高了模型的泛化能力。s v m 最早是用于模式识别领域，后来通 过引入损失函数概念发展起了基于s v m 的线性回归方法。对于非线性问题， s v m 解决思路是选择一个样本空间的映射非线性变换，将低维空阳j 的非线性 问题映射成高维空间的线性问题，并在这个空间进行线性回蚓4 3 1 。 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 哈尔滨理t 人学工学硕i j 学位论文 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 手段和措施进行解决。这其中最引人注目的研究有，是针对这些建模方法