论文部分内容阅读
本文以组分油调合为成品汽油过程为研究对象,获得了该过程汽油调合辛烷值(RON)的预测规则,并建立了整个汽油调合过程的静态优化模型。首先针对模拟退火(SA)算法在收敛速度和搜索到全局最优解的效率等方面存在的缺陷,提出了改进的自适应模拟退火(IASA)算法,通过领域结构与新解产生器的构造以及边界处理以保证IASA的收敛,通过设置记忆器以克服SA的最后解不一定是最优解的缺陷,同时在搜索后期利用Powell算法实现了精细搜索;本文利用混沌搜索的随机性和遍历性、易于得到全局最优解的优点,在混沌模拟退火算法的基础上引入变尺度因素以加快收敛速度,提出了变尺度混沌模拟退火(MSCSA)算法,结合了模拟退火的全局性的优化算法,进一步保证了搜索到最优解的概率。数值仿真表明,IASA算法具有更高的搜索精度,MSCSA算法则具有更快的收敛速度。在上述智能优化算法研究的基础上,针对一典型炼油厂的样本数据,采用适当的经验混合规则,将研究IASA优化方法用于基于公式的调合辛烷值混合规则的参数优化辨识,取得了较好的效果。将GA-BP网络用于建立了调合辛烷值的混合规则,并与stewart法、IASA得到的预测规则进行对比,经比较后基于经验公式的IASA参数辨识方法效果较优。最后,建立了整体汽油调合过程的模型(静态模型),该模型为带有非线性带约束的非线性规划问题(NLP)。针对该NLP,采用MSCSA算法进行了优化求解,取得了较理想的汽油调合过程优化解。