應用于化工動態(tài)過程的智能優(yōu)化方法研究.pdf

1、隨著工業(yè)生產過程中操作環(huán)境和條件控制的要求逐漸提升，工業(yè)優(yōu)化中體現出強非線性、高緯度等特性。動態(tài)優(yōu)化方法正是克服這些特性的有效手段，逐漸受到各行各業(yè)的關注和重視，已廣泛應用于化工生產、航空制導、機械制造等多個領域。作為數值分析的經典計算方法之一，控制向量參數法將控制變量在時間區(qū)域內近似離散表示為參數化的基函數，從而將標準的無限維動態(tài)優(yōu)化問題轉換為有限維的受狀態(tài)約束的數學規(guī)劃問題。基于群智能的進化計算方法因其簡單易于編程實現、可分布計算、

2、全局搜索能力強且具有較強的健壯性等優(yōu)點，成為優(yōu)化領域新一輪的研究熱點。本文主要研究基于控制向量參數化的啟發(fā)式智能優(yōu)化算法求解無約束和含約束的動態(tài)優(yōu)化問題，以及在化工動態(tài)系統(tǒng)上的應用。
　　論文的主要工作有:
　　(1)在闡述動態(tài)系統(tǒng)模型的基礎上，通過分析群智能算法的特性，提出以控制向量參數化為基礎的群智能算法求解化工動態(tài)系統(tǒng)的基本算法結構。
　　(2)根據上述算法結構，將三種基于群智能的進化算法（入侵雜草優(yōu)化算法、花授

3、粉算法以及螢火蟲算法）分別與控制向量參數化方法結合，并應用于求解間歇反應器等化工實例，測試和分析結果表明三種啟發(fā)式智能優(yōu)化方法具有良好的收斂性能。
　　(3)針對智能算法在處理強非線性化工動態(tài)優(yōu)化問題時易陷入局部極值的缺點，通過分析入侵雜草算法和花授粉算法的收斂特性，基于依據種群狀態(tài)動態(tài)改變參數的思想，提出方差自適應入侵雜草優(yōu)化算法和概率自適應花授粉優(yōu)化算法，化工生產測試實例表明改進的算法可以在整個迭代周期內有效平衡全局探索和局部

4、開拓能力，尋優(yōu)性能和結果精度有明顯提升。
　　(4)針對含有路徑約束和終值約束的動態(tài)系統(tǒng)求解問題，提出兩種結合控制向量參數化方法的智能約束優(yōu)化算法?；诹P函數的自適應入侵雜草算法將狀態(tài)約束作為附加項加入性能指標函數中，得到帶有增廣性能指標的無約束動態(tài)優(yōu)化問題，依據多階段配置函數，算法在搜索過程中動態(tài)改變懲罰因子的取值;基于梯度修正的自適應入侵雜草算法利用約束的梯度信息矯正不可行個體，使群體在尋優(yōu)過程更大的可能趨向可行域中。含約束的