（测试计量技术及仪器专业论文）粒子群算法研究及其在过程控制系统稳态优化中的应用.pdf

摘要 粒子群算法研究及其在过程控制系统 稳态优化中的应用 摘要 随着计算机控制生产过程的迅速发展，能源和原材料的目趋短缺，生产 成本的不断提高，工业生产过程中的稳态优化越来越受到人们的重视，它关 系到整个生产线的产量、质量和生产成本。然而工业生产过程所具有的高度 复杂性、强关联性、非线性、不确定性，以及常伴随着十分苛刻的生产条件 和环境，如高温、高压、低温、真空、易燃、易爆、有毒物质，都为保持生 产过程的最佳工况带来了困难。本论文以稳态工业生产过程为背景，对粒子 群( p s o ，p a r t i c l es w a r mo p t i m i z a t i o n ) 算法的优化能力及其在过程控制系 统建模、优化中的应用进行了深入的研究。 工业生产过程稳念优化的核心问题是工业生产过程模型的建立和过程控 制系统参数的确定。粒子群算法具有实现简单，迭代初期有效的特点适合于 工业生产过程的稳态优化，但对于复杂的多峰值优化控制问题，该算法本身 具有的“趋同性”易于使问题的解陷入局部极值。本论文在详细分析粒子群 算法机理的基础上，提出了基于k m e a n s 聚类的免疫粒子群( k i p s o ，k m e a n si m m u n ep s o ) 算法。将k m e a n s 聚类算法，用于免疫疫苗的抽取， 确定最高平均适应值的聚类中心及其最大邻域，得到符合具有最优个体特征 的疫苗集，使疫苗具有了多样性，并以自适应方式确定疫苗集进行疫苗更 新，提高算法的适应性；在免疫选择中考虑了群体个体浓度对选择概率的影 响，同时也考虑了个体适应值对选择概率的影响，使那些浓度值低，适应值 差，却具有较好的进化趋势的粒子得以保留。论文对k i p s o 算法的鲁棒性 进行了分析，给出了相关参数的推荐值。通过仿真实验分析了k i p s o 算法 的性能，结果表明k i p s o 算法具有良好的收敛性和搜索能力。 采用小脑模型关联控制器( c m a c ，c e r e b e l l am o d e la r t i c u l a t i o n c o n t r o l l e r ) 神经网络对复杂工业过程进行建模，详细分析了c m a c 的泛化 能力，给出了c m a c 神经网络参数，如采样精度、量化精度、泛化常数对 泛化能力的影响。应用模糊小脑模型关联控制器( f c m a c ，f u z z yc m a c ) 神经网络改善了c m a c 神经网络建模能力受量化精度和存储空间的限制。 哈尔滨理- t 人学t 学博 ：学位论文 提出了应用k i p s o 算法对f c m a c 神经网络权值进行优化调整的建模方法 ( k i p s o f c m a c ) ，克服了f c m a c 神经网络以误差梯度降为学习算法不 能分辨局部极小值的缺点，提高了f c m a c 神经网络的逼近能力。深入讨论 了k i p s o f c m a c 神经网络参数选择对系统性能的影响，为在过程控制系 统建模中的实际应用提供了理论依据。 在详细分析异丙苯氧化单元中过氧化氢异丙苯( c h p ，c u m e n e h y d r o p e r o x i d e ) 分解的工艺过程基础上，以保证工业生产过程安全为前提， 在分解单元的液位、压力、温度、c h p 流量、粗产品流量的允许范围内， 以尽量降低粗产品的温度为目标建立了c h p 分解过程的稳态优化模型，并 实现了控制变量值的优化。建模方法分别采用c m a c 、f c m a c 和k i p s o f c m a c 神经网络方法，优化算法采用了线性递减权值粒子群( l d w p s o ， l i n e a r l yd e c r e a s i n gw e i 曲tp s 0 ) 、模拟退火粒子群( s a p s 0 ，s i m u l a t e d a n n e a l i n gp s o ) 和k i p s o 算法。结果表明k i p s o f c m a c 神经网络模型能 够以更高精度反映c h p 分解过程的内在规律，k i p s o 算法具有更好的寻优 能力。 最后以k i p s o f c m a c 神经网络建立的c h p 分解模型和k i p s o 算法寻 优得到的控制变量稳态值指导异丙苯氧化单元的参数设置，降低了粗产品温 度，提高了系统的运行效率。， 关键词粒子群算法；稳态优化；k i p s o 算法；c m a c 神经网络；c h p 分解 a b s t r a c t r e s e a r c h0 np a r t i c l es w a r m o p t i m i z a t i o na l g o r i t h ma n d a 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 no fp r o c e s sc o n t r o l s y s t e m a b s t r a c t w i t ht h er a p i dd e v e l o p m e n to f c o m p u t e rc o n t r o li nt h ep r o d u c t i o np r o c e s s t h ee n e r g ya n dr a wm a t e r i a l sa r ei ns h o r td a yb yd a y , t h ec o s to fp r o d u c t i o n i n c r e a s e sc o n t i n u a l l y , t h es t e a d y - s t a t eo p t i m i z a t i o nm e t h o do fi n d u s t r i a lp r o c e s s w h i c hr e l a t e st ot h eo u t p u to ft h eq u a l i t ya n dc o s to fp r o d u c t i o nl i n eh a sb e e n p a i dg r e a ta t t e n t i o n h o w e v e r , t h ei n d u s t r i a lp r o c e s su s u a l l yh a sh i g hc o m p l e x i t y , s t r o n ga s s o c i a t i o n s ，n o n l i n e a r i t ya n du n c e r t a i n t y a n di ti so f t e nf o l l o w e db yt h e v e r yh a r s hw o r k i n gc o n d i t i o na n de n v i r o n m e n t ，s u c ha sh i g ht e m p e r a t u r e ，h i g h v o l t a g e ，i o wt e m p e r a t u r e ，v a c u u m ，f l a m m a b i l i t y , e x p l o s i o na n dt o x i cs u b s t a n c e a n ds oo n i ti sh a r dt ok e e pt h ew o r k i n gc o n d i t i o na tt h eb e s ts t a t e t h u s ，t h e s 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 si st a k e na sab a c k g r o u n da n dt h e o p t i m i z a t i o na b i l i t yo fp a r t i c l es w a r mo p t i m i z a t i o n ( p s o ) a l g o r i t h m ，p r o c e s s c o n t r o ls y s t e mm o d e l i n ga n di t sa p p l i c a t i o ni ns t e a d y - s t a t eo p t i m i z a t i o ni sd e e p l y r e s e a r c h e di nt h i sd i s s e r t a 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 no fi n d u s t r i a lp r o c e s sm a i n l yd e p e n d so np r o c e s s m o d e l i n ga n dt h ed e t e r m i n a t i o no fp r o c e s sc o n t r o ls y s t e mp a r a m e t e r s t h ep s o a l g o r i t h mi se a s yt or e a l i z ea n de f f e c t i v ei nt h ee a r l yi t e r a t i v e s oi ti ss u i t a b l ef o r t h es t a b l es t a t eo p t i m i z a t i o no fi n d u s t r i a lp r o d u c t i o np r o c e s s b u tr e g a r d i n go f t h ec o m p l e xm u l t i - p e a kv a l u eo p t i m i z a t i o nc o n t r o lp r o b l e m ，t h i sa l g o r i t h mh a s i n h e r e n t “t e n d e n c y t h a ti se a s yt oc a u s ep r o b l e ms o l u t i o nt of a l li n t ot h e1 0 c a l e x t r e m u m t h em e c h a n i s mo ft h ep a r t i c l es w a r m o p t i m i z a t i o na l g o r i t h mi s a n a l y z e da n dak - m e a n si m m u n ep s o ( k i p s o ) a l g o r i t h mi sp r o p o s e d k i p s o a l g o r i t h mi su s e df o re x t r a c t i n gv a c c i n e ，i d e n t i l y i n gc l u s t e r i n gc e n t e ra n di t s m a x i m u mn e i g h b o r h o o d ，o b t a i n i n gt h em o s t s u p e r i o ri n d i v i d u a lc h a r a c t e r i s t i c v a c c i n es e t ，s ot h a tt h ev a c c i n eh a s d i v e r s i t ya n di su p d a t e du s i n g a d a p t i v e 1 1 1 哈尔滨理t 大学t 学博 ：学位论文 m e t h o d ，a n dt h ea l g o r i t h mh a sg o o da d a p t a b i l i t y n o to n l yi st h ei n d i v i d u a l c o n s i s t e n c yi n f l u e n c e c o n s i d e r e df o rt h e s e l e c t i o np r o b a b i l i t yi ni m m u n i t y s e l e c t i o nb u ta l s ot h ei n d i v i d u a la d a p t a t i o nv a l u e t h ei n d i v i d u a lt h a th a ss o m e l o wc o n s i s t e n c y , p o o ra d a p t a t i o n ，b u tg o o de v o l u t i o nt e n d e n c yi sp r e s e r v e d t h e r o b u s t n e s so fk i ps oa l g o r i t h mi sa n a l y z e da n dar e c o m m e n d e dv a l u eo fr e l a t e d p a r a m e t e r si sg i v e n t h ea n a l y s i so ft h ek i p s oa l g o r i t h mp e r f o r m a n c es i m u l a t e d b ye x p e r i m e n ta n dr e s u l t ss h o wt h ep r o p o s e da p p r o a c hh a sb e t t e rc o n v e r g e n c e s p e e da n ds e a r c ha b i l i t y 。 c e r e b e l l am o d e la r t i c u l a t i o nc o n t r o l l e r ( c m a c ) n e u r a ln e t w o r ki sa d o p t e d t oe s t a b l i s h c o m p l e xi n d u s t r i a lp r o c e s s m o d e li nt h ed i s s e r t a t i o n ，a n dt h e g e n e r a l i z a t i o na b i l i t yo fc m a ci sa n a l y z e di nd e t a i l ，t h ei n f l u e n c eo fc m a c n e u r a ln e t w o r k p a r a m e t e r sl i k et h es a m p l i n ga c c u r a c y , q u a n t i f i c a t i o na c c u r a c y , g e n e r a l i z a t i o nc o n s t a n tt og e n e r a l i z a t i o na b i l i t yi sg i v e n c m a cn e u r a ln e t w o r k m o d e l i n gp e r f o r m a n c et h a ti sl i m i t e db yq u a n t i f i c a t i o na c c u r a c ya n dm e m o r y s p a c ei si m p r o v e db yf u z z yc e r e b e l l am o d e la r t i c u l a t i o nc o n t r o l l e r ( f c m a c ) n e u r a ln e t w o r k t h ea p p r o a c ho ff c m a cn e t w o r kw e i g h to p t i m i z a t i o nu s i n g k i p s oa l g o r i t h m ( k i p s o - f c m a c ) i sp r o p o s e d i to v e r c o m e st h ed i s a d v a n t a g e o fl e a r n i n ga l g o r i t h mf o rf c m a cn e u r a ln e t w o r k ，w h i c hi se r r o rg r a d i e n td e c l i n e c a n n o t d i s t i n g u i s ht h e l o c a lm i n i m u mv a l u e ，a n di t i m p r o v e sa p p r o x i m a t i o n a b i l i t yo ff c m a cn e u r a ln e t w o r k t h ei n f l u e n c eo ft h ek i p s o - f c m a cn e u r a l n e t w o r kp a r a m e t e r ss e l e c t i o no ni t ss y s t e mp e r f o r m a n c ei sd i s c u s s e dd e e p l y t h i s r e s e a r c hc a np r o v i d et h et h e o r e t i c a lb a s i sf o rp r o c e s sc o n t r o l m o d e l i n gi n p r a c t i c e b a s e do nt h ed e t a i l a n a l y s i s o ft h e t e c h n i c a l p r o c e s s o fc u m e n e h y d r o p e r o x i d e ( c h p ) d e c o m p o s i t i o na n dt h ep r e m i s eo fs a f ei n d u s t r i a lp r o c e s s ， a n dw i t ht h ef l u i dp o s i t i o no fd e c o m p o s i t i o nu n i t ，p r e s s u r e ，t e m p e r a t u r e ，f l u xo f c h pa n dr o u g hp r o d u c ti naa l l o w a b l er a n g e ，i no r d e rt or e d u c et h et e m p e r a t u r e o fp r i m a r yp r o d u c t ，t h es t e a d yo p t i m i z a t i o nm o d e lo fc h pd e c o m p o s i t i o np r o c e s s i se s t a b l i s h e da n dt h eo p t i m i z a t i o no fi t sc o n t r o lv a r i a b l e si sr e a l i z e d t h e m o d e l i n gm e t h o de m p l o y st h ek i p s o f c m a cn e u r a ln e t w o r k ，t h ec m a c n e u r a ln e t w o r ka n dt h ef c m a cn e u r a ln e t w o r k o p t i m i z a t i o na l g o r i t h ma d o p t s l i n e a r l yd e c r e a s i n gw e i g h tp s o ( l d w p s o ) ，s i m u l a t e da n n e a l i n gp s o ( s a p s o ) a n dk i p s 0a l g o r i t h m s i m u l a t i o nr e s u l t ss h o wt h em o d e lo fk i p s 0 c m a c - i v a b s t r a c t n e t w o r kc a r ld e n o t ei n h e r e n tr u l eo ft h ec h pd e c o m p o s i t i o np r o c e s s k i p s 0 a l g o r i t h mh a sb e t t e ra b i l i t yo fo p t i m i z a t i o n f i n a l l y , t h ec h pd e c o m p o s i t i o nm o d e li sc o n s t r u c t e db yk i p s 0 f c m a c n e u r a ln e t w o r ka n dt h es t a b l ev a l u eo fc o n t r o lv a r i a b l ei so b t a i n e db yk i p s 0 o p t i m i z a t i o na l g o r i t h m ，w h i c hd i r e c t st h ep a r a m e t e rs e t t i n gi nt h ec u m e n e o x i d a t i o nu n i t ，a n dd e c r e a s e st h et e m p e r a t u r eo fc r u d ep r o d u c ta n di n c r e a s e st h e o p e r a t i o ne f f i c i e n c y k e y w o r d sp a r t i c l es w a r mo p t i m i z a t i o na l g o r i t h m ，s t e a d y - s t a t eo p t i m i z a t i o n ， k i p s oa l g o r i t h m ，c m a cn e u r a ln e t w o r k ，c h pd e c o m p o s i t i o n v 哈尔滨理工大学博士学位论文原创性声明 本人郑重声明：此处所提交的博士学位论文粒子群算法研究及其在过 程控制系统稳态优化中的应用，是本人在导师指导下，在哈尔滨理工大学 攻读博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： 日期：年月 日 哈尔滨理工大学博士学位论文使用授权书 粒子群算法研究及其在过程控制系统稳态优化中的应用系本人在哈 尔滨理工大学攻读博士学位期间在导师指导下完成的博士学位论文。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) 作者签名： 导师签名： 同期：年月日 日期：年月日 第1 章绪论 第1 章绪论 1 1 课题研究背景和意义 随着科学技术的发展，流程工业生产过程向复杂化、规模化的方向进一步 推进，但却因为原材料短缺、能源价格的不断上涨，以及人们对提高生产效 益、产品质量，降低生产成本，强化环境保护等要求的增加，对过程控制提出 了更高的要求。 过程控制系统一般可看成三层结构，即控制层、优化层和调度层。下层为 控制层，包括基本控制和先进控制。基本控制构成了整个生产过程自动化的基 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 是实现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，充分发挥装置的潜力，使生产操作更方便、安全和可靠。中层为优化 层，通过建立稳态优化模型、利用优化计算，得到控制变量的最优稳态设定 值，送到下面的控制层，由控制层保证这些最优控制变量值的实现，使系统运 行在最优工况，以达到提高产出率、节省能源、增加经济效益的目的。上层为 调度层，实现信息集成、优化调度、计划管理等决策的经营工作。c h e m s h a r e 公司给出的经济效益与投资比例的统计分析认为：用d c s 改造常规仪表投资 大约占总投资的7 0 ，取得的经济效益约占总效益的1 0 ；利用d c s 常规的 复杂控制，得到的效益和投资大约各占总的1 0 ；在d c s 基础上实现先进控 制，增加约1 0 的成本，可取得增加约4 0 的效益。在先进控制的基础上，实 现装置的优化功能，成本增加约1 0 ，又可获得约4 0 的效益【2 】。 一般而言，先进控制和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，目前在世界范围内己形成竞相引入、 应用先进控制和优化技术的高潮【3 j 。 工业生产过程讵不断向规模大型化、结构复杂化的方向发展，因此目前系 统的稳态优化问题很难用传统的基于知识、机理表达和逻辑符号的优化方法解 决，人们对高效的优化控制技术和智能计算的要求同益迫切，亟待改进或研究 出新的智能建模与优化的复合方法。 随着信息技术和仿生技术的发展，上世纪9 0 年代初，诞生了群体智能算 哈尔滨理t 人学丁学博l - q ：位论文 法( s i a ，s w a r mi n t e l l i g e n c ea l g o r i t h m ) ，其基本思想是模拟自然界的群体行为 来构造随机优化算法。典型的算法有m d o r i g o 提出的蚁群优化算法( a c o ， a n tc o l o n yo p t i m i z a t i o n ) ，美国社会心理学家j k e n n e d y 和电气工程师 r e b e r h a r t 在1 9 9 5 年共同提出的粒子群优化算法。群体智能在没有集中控制且 不提供全局模型的前提下，为寻求复杂的分布式问题求解方案奠定了基础【4 1 。 本论文在研究和改进粒子群算法的基础上，针对复杂的工业过程控制系统，特 别是典型的具有高度复杂性、强关联性、非线性、不确定性，以及往往伴随着 物理化学反应、生化反应、相变过程、物质与能量的转换和传递特性的石化生 产过程进行稳态优化研究。课题充分运用人工智能的先验知识和理论，融合人 工神经网络、k m e a n s 聚类、粒子群算法、免疫算法等理论，改进智能稳态优 化算法，提出更适合于流程工业控制系统的智能稳态优化模型和寻优策略，并 对石化工业的过氧化氢异丙苯( c h p ) 分解反应过程进行应用研究，提高产品 质量、降低能耗，增加企业的经济效益。 本论文研究以实现复杂工业过程系统的稳态优化为目的，以研究、融合、 改进粒子群优化算法、c m a c 神经网络建模方法等人工智能理论为手段，增强 解决复杂非线性过程控制系统优化问题的能力。 1 2 稳态优化技术及其发展 1 2 1 稳态优化技术概述 工业生产过程本质上是一个动态大系统。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，或者在整个装置的启动、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。例如启动时既要满足许多约束条件，又要使设备进入正常工作状态的时 间最短，这是动态优化问题( d o p ，d y n a m i co p t i m i z a t i o np r o b l e m ) ，但是这种 优化问题一般不会经常发生。第二种情况则是在j 下常生产的情况下，处理量不 改变，但由于慢扰动等因素影响，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( s o p ，s t e a d y s t a t e o p t i m i z a t i o np r o b l e m ) ，在数学上称为静态优化问题。当然，有了计算机的在线 控制，可以同时实现两者优化，但经常并定性地影响工厂经济效益的是稳态优 化【5 1 。 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 第1 章绪论 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。其数学描述见公式( 1 1 ) ： m i n f ( x ) r l g f ( x ) 0 ，江1 ，2 ，m s j h j f x ) = o , j = 1 ，2 ，_ f ( 1 - 1 ) i 坼a x k ，k = l ，2 ，l 式中：x = 而，x 2 ，x n r 是n 维向量；f ( x ) 是目标函数；( 工) 是第f 个( 共m 个) 不等式约束；h i ( 石) 是第，个( 共，个) 等式约束；第k 维变量矗的取值范 围为睇，工幻。 对于一个工业过程的稳态优化问题，首先要确定它的目标函数，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过程变量和决策变量( 控制器设定 值) 的函数，即建立比较准确的工业过程的系统模型。并在此基础上利用优化 算法进行寻优，找出最优设定值，完成优化目的。关键的问题就是怎样建立准 确的系统模型以及如何找到一种有效的优化算法来完成优化设计方案。 等式约束是用方程式表示的，过程变量、决策变量必须满足其约束条件， 而且在任何优化方案下都成立。例如用来描述物质的流动、阀门开启的程度、 热和物料平衡、热传导、化学反应等内容的方程。这种方程组合在一起就是过 程的数学模型。建立过程的数学模型是一个非常困难的工作，因为方程式中的 某些量很难测量或量化，例如传热系数、触媒的老化、设备的陈旧化、结焦等 等。因此找到的往往仅是一个近似模型。 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。例如容器能忍受的压力有上限，政策规定排污量有上限，各种产品都有规 格，其成分也有上、下限。因此控制器设定值变动的范围有上、下限以防止工 业生产的工况受过大的冲击【6 l 。 1 2 2 稳态优化技术的发展 稳态优化是古老优化课题的重要分支，研究方向基本围绕两大主线进行。 一是围绕从开环到闭环递阶优化理论的研究，二是围绕从传统到智能优化算法 的研究。 1 围绕递阶控制的研究 哈尔演理t 人学_ t 学蹲，l ：学位论文 从开环的静态优化到闭环的稳态优化，大致经历三个发展阶段，期间建模 理论及优化方法都得到了发展。 ( 1 ) 静态多级优化方法 从6 0 年代开始，西方化工界的企业家将计算机在线地和一些常规控制器 的设定点联接起来，试图用一个基于机理的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、石油等部门的一些工厂 中作过这样的试验，并在杂志上报道了令人赞许的结果【7 j ，然而这些成果是个 别的，而且往往不能持久。 为解决这一问题，7 0 年代初期m e s a r o v i c 等【8 1 人提出了以多级和递阶控制 概念为基础的静态多级优化方法【9 】。如图1 1 所示，根据m e s a r o v i c 等人的思 想，整个复杂工业过程可以分成多个子过程，每个子过程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，为了平衡各子 过程间的关联，增加了更高一级协调器，协调器通过对下层局部决策单元的干 预，来保证它们分别找到的决策能满足整个大工业过程的总目标函数优化的要 求。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。静态多级优化方法在许多领域都 得到了应用，其中在库存积累、水电站管理、化学工程、硫磺生产中收到了一 定的优化效果【i 。 图1 1 稳态递阶控制结构图 f i g u r el 一1s t r u c t u r eg r a p h i co fs 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 优化层 控制层 第1 章绪论 ( 2 ) 稳态递阶优化方法 由于绝大多数工业过程呈非线性及慢时变性，因而基于机理及开环的静态 多级优化方法所得到的优化解与实际系统间存在差异，很难得到较精确的数学 模型，甚至还会违反约束，因此这个解不能保证工业过程处于最优工况。7 0 年 代中期，在波兰，以f i n d e i s e n 领导的研究小组为了克服模型与实际过程的差 异，引用了全局和局部反馈，提出了稳态递阶控制的方法【l2 1 ，得出了一个次优 解。即在控制器设定点变动以后，经过过程的暂态达到稳态以后，从稳态中测 量过程的输出、输入，并反馈这些测量信息至决策单元。波兰学者使用包括非 线性泛函分析，线性拓扑空间在内的数学工具，特别对解的存在性、迭代的收 敛性和适用性条件等作了数学论证。在此基础上，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【1 4 】。国内，以西安交通大学万 百五为首的课题研究小组在稳态递阶优化方面进行了大量的理论研究【1 5 2 0 1 ，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( 现华东理工大学) 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【2 。 ( 3 ) 系统优化和参数估计的集成研究方法 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。 f i n d e i s e n 等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，直到迭代收敛到最优解。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【2 2 1 ，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 ) 。此外还有一些其它的集成方法，如约束研究法，参数研究 法等，文献 2 3 】综述了i s o p e 方法的理论研究情况。8 0 年代，力百血领导的西 安交通大学系统工程研究所递阶控制研究小组就和r o b e r t s 的研究组在科研上 进行合作，获得了一批优秀的研究成果 2 4 - 2 6 】。但是i s o p e 方法必须求取实际过 程对设定点的导数，算法采用摄动方法求导容易产生调整时问延长、系统不稳 定的缺点，因而其应用受到限制。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、氟罩昂蒸发器) 上进行试验和算法验证f 2 7 1 ，但理论研究至今还 在不断进行 2 8 1 。 哈尔滨理丁人学f t 学博 j 学位论文 综上所述，工业过程的稳态优化从静态多级优化到稳态递阶优化再到 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 2 9 - 3 1 】。但 是，这三种方法所采取的优化策略仍是传统的基于由系统辨识得到的参数化模 型的线性规划或非线性规划方法。实际工业过程变量问的非线性关系有时不是 双线性模型【3 2 】，h a m m e r s t e i n 模型【3 3 】和w i e n e r 模型【3 4 l 等简单的非线性模型所能 描述的。另外，由于要通过不断的补偿与修正获取次优解，往往存在算法复 杂、难以保证收敛以及迭代次数多、需要摄动等问题【3 5 1 。 2 围绕优化算法的研究 自从优化问题提出以后，人们对优化问题的求解也不断提出各种算法，主 要有传统优化算法和现代智能优化算法。传统优化算法又可分为精确优化算法 和近似优化算法。 ( 1 ) 传统精确优化算法 主要用来处理目标函数及约束条件有具体的解析表达式，且存在导数的情 况。它是先利用求导或者变分法得到极值点存在的必要条件，通常是根据约束 条件列出一组方程或不等式，然后再求解此方程或不等式【3 6 】。极值理论是最早 的无约束的函数优化方法，而拉格朗同乘子法则是最早也是主要而有效的约束 优化方法。利用传统精确算法求解最优解的主要不足是，在目标函数比较复杂 时，求导将很困难。另外求解通过求导以后所建立的方程组，有时也非常的不 易。 ( 2 ) 传统近似优化算法 针对传统精确优化算法不足，人们丌始通过各种最优解的性质( 如梯度的 性质) 建立迭代公式求最优解。根据一定的数学原理，直接比较函数值的大小 来确定问题的极小值。确定问题的最优解一般采用迭代法，从一个给定的初始 点丌始，运用迭代格式、评价一个点好坏的准则和方法、终止迭代的准则等， 逐步产生一个越来越接近最优解的点的序列，并在终止迭代条件得到满足时取 相应的迭代点作为所求最优解的一个近似。 最速下降法( 又称梯度下降法) 是其典型代表，也是求解无约束优化问题 最经典的方法，在最优化中具有重要的理论地位。该算法对函数的分析性质 ( 如可微性等) 没有要求，是以函数在某处的负梯度方向作为算法的下降方 向。但是，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。类似的方法还有牛顿法、负曲率 方向法、共轭方向法等，这些方法只能保证算法的局部收敛性。 传统优化方法的局限性主要表现为：要求目标函数和约束函数是连续可微 第1 章绪论 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。2 0 世纪7 0 年 代末流行过这样一个十分形象的比喻，说最优化方法好像是“只卖一个尺码鞋 的鞋店”，脚小的塞棉花，脚大的砍一截【3 7 1 。 ( 3 ) 智能优化算法 随着工业过程越来越复杂，优化问题也变得异常复杂，有的问题无法用函 数关系来表达，有的问题甚至目标函数的导数都不存在。对于这类问题，采用 上述传统方法，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。 从上世纪8 0 年代人们模拟自然和生物的某些规律，以神经网络( n n ， n e u r a ln e t w o r k ) 为代表的人工智能理论开始蓬勃发展。9 0 年代，一些学者在 观察某些群居生物诸如蚂蚁、鸟群和鱼群等依靠集体的行为时受到启发。二依据 生物群体觅食、编队飞行、御敌等高效的协同工作思想，以模拟生命体而设计 的搜索方式和模拟物质变化过程为基础，提出了更多种类的智能优化算法。这 些基于人工智能【3 8 】和知识工程【39 l 的智能优化算法随着在优化领域取得的成功， 吸引了越来越多的学者加入到此类研究之中，并对其作出诸多改进，以适合优 化问题，智能优化算法的研究也给稳态优化技术的研究和应用注入了新的活 力。 目前研究较多的智能优化算法包括：以遗传算法( g a ，g e n e t i c a l g o r i t h m ) 为代表的基于生物进化理论的进化算法【伽】、基于金属热处理过程 的模拟退火算法【4 3 】( s a ，s i m u l a t e da n n e a l i n g ) 、基于生物行为活动的蚁群优化 算法和粒子群优化算法 4 4 1 ，还有基于混沌现象的混沌优化算法( c o a ，c h a o s b a s e do p t i m i z a t i o na l g o r i t h m ) 4 5 1 等。 新型优化算法的出现在一定程度上提高了优化技术适用的范围和优化结果 的可靠性。智能优化算法可以通过知识库和规则库来对系统直接进行优化，利 用试验手段或智能方法来确定对象的某些参量的目标值或应达值，以便实时调 整对象可控参量，使之向目标值靠近。也可以与各种智能建模【4 7 】方法相结 合，在稳态模型的基础上进行寻优。无论怎样应用，这类算法的本质属于随机 性算法，其最大优点就是不需要目标函数具有可导性，甚至不需要目标函数有 明确的表达形式，只要知道输入输出即可。新型优化算法实现了由基于梯度信 息或直接搜索的传统局部算法【4 8 】到具有全局搜索特性的智能优化算法 4 9 - 5 0 1 的迈 进。随着设备运行所需的要求越来越高，以及优化对象同趋复杂化，智能优化 哈尔滨理t 人学t 学博l ：学位论文 技术逐渐成为稳态优化技术研究的发展方向。 优化算法作为优化技术的关键内容，直接决定了优化技术能否成功实施。 然而，智能优化算法并非完美。由于其理论依据来源于对生物群落社会性的模 拟，因此其相关数学分析还比较