基于蟻群算法的工業(yè)過程穩(wěn)態(tài)優(yōu)化設(shè)計.pdf

1、隨著工業(yè)生產(chǎn)的大規(guī)模集成化、自動化，人們對控制系統(tǒng)的性能要求不斷提高。穩(wěn)態(tài)優(yōu)化技術(shù)根據(jù)控制系統(tǒng)的某些指標來尋找或維持工業(yè)過程最優(yōu)工況的設(shè)備參數(shù)或工藝變量，是一種投資小、效益顯著的控制技術(shù)。怎樣建立準確的系統(tǒng)模型和找到一種有效的優(yōu)化算法來完成優(yōu)化設(shè)計方案是穩(wěn)態(tài)優(yōu)化的兩個關(guān)鍵的問題。 針對工業(yè)過程的復(fù)雜性、非線性和不準確性，本文采用人工神經(jīng)網(wǎng)絡(luò)來智能建模。人工神經(jīng)網(wǎng)絡(luò)不僅可任意逼近非線性，且具有大規(guī)模并行處理、知識分布存儲、自學(xué)習(xí)能

2、力強、容錯性好等特點，其中的多層前向神經(jīng)網(wǎng)絡(luò)可以以任意精度逼近任何連續(xù)函數(shù)，典型的有徑向基(RBF，Radial Rasis Function Neural Networkl神經(jīng)網(wǎng)絡(luò)。RBF網(wǎng)絡(luò)是一種局部神經(jīng)網(wǎng)絡(luò)，其結(jié)構(gòu)簡單、訓(xùn)練簡潔，而且學(xué)習(xí)收斂速度快，本文采用資源優(yōu)化網(wǎng)絡(luò)來訓(xùn)練徑向基函數(shù)建模，實現(xiàn)網(wǎng)絡(luò)結(jié)構(gòu)的精簡，保證RBF網(wǎng)絡(luò)的泛化能力，并通過實驗驗證。 為獲得優(yōu)化參數(shù)，本文采用蟻群優(yōu)化算法來尋優(yōu)，為了克服蟻群算法易于陷于局

3、部最優(yōu)和收斂速度慢的缺點對其進行改進，通過自適應(yīng)的改變信息素的揮發(fā)因子及信息素強度來提高算法尋優(yōu)速度及其全局性。通過對旅行商(TSP，Traveling Salesman Problem)問題31個城市的路線尋優(yōu)仿真驗證了算法的有效性。 本文以藍星石化公司的過氧化氫異丙苯分解單元為優(yōu)化對象，通過對現(xiàn)場數(shù)據(jù)的采集和分析，結(jié)合生產(chǎn)工藝的要求確定優(yōu)化參數(shù)和目標。應(yīng)用資源優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)進行系統(tǒng)建模，進而采用改進的蟻群優(yōu)化算法進行參數(shù)