復雜化工生產過程的動態(tài)演化建模與智能優(yōu)化決策.pdf

1、在不改變已有工業(yè)生產設備和工藝流程的基礎上，采用智能建模優(yōu)化技術來確定化工生產過程的最優(yōu)操作參數(shù)（最優(yōu)決策參數(shù)），保證化工生產過程始終運行在最優(yōu)工況，是有效提升和改善現(xiàn)代大型復雜工業(yè)系統(tǒng)投入小、見效快的有效手段。已有化工生產過程建模優(yōu)化技術方案，大都存在以下二個問題：
　　一是將復雜動態(tài)化工系統(tǒng)簡化為靜態(tài)系統(tǒng)進行建模，只是建立動態(tài)系統(tǒng)的近似靜態(tài)逼近模型，導致模型不精確。二是將受擾系統(tǒng)簡化為不存在擾動的理想系統(tǒng)進行最優(yōu)操作參數(shù)的確定

2、。在實際操作中，一旦擾動使最優(yōu)操作參數(shù)偏離理論設定值，即會使操作結果偏離期望結果，影響系統(tǒng)工作效率。
　　針對以上二個問題，本文采用具有自適應跟蹤能力的無跡卡爾曼濾波算法(Unscented Kalman Filter,UKF)對神經網絡進行訓練以建立復雜動態(tài)化工生產過程的精確模型。采用穩(wěn)健優(yōu)化設計進行最優(yōu)操作參數(shù)的確定，得到當系統(tǒng)擾動使操作值偏離理論設定值時，依然可以具有較優(yōu)操作輸出的穩(wěn)健優(yōu)化操作參數(shù)。采用非支配排序遺傳算法(N

3、on-dominated Sorting Genetic Algorithm-II,NSGA-II)進行最優(yōu)參數(shù)的確定。
　　本文以化工生產過程的具體特性為依據(jù)，對UKFNN動態(tài)建模方法和NSGA-II的多目標穩(wěn)健優(yōu)化方法進行深入研究，取得了以下研究成果：
　　一是針對化工生產過程系統(tǒng)不可避免的存在各類不確定噪聲，影響UKFNN的建模效果。本文提出基于Gamma Test噪聲估計改進的UKFNN來建立化工生產過程的精確模型。