论文部分内容阅读
粒子群优化算法（PSO）实现简单，且为复杂优化问题的求解提供了有效手段，已引起连续优化和智能计算领域学者的广泛关注，并取得了一些成功应用。但在其在化工过程领域的应用起步较晚，研究成果相对较少，且在处理约束优化、动态优化等问题时缺乏通用有效地机制。本课题针对工业生产过程中涉及的多种优化问题，改进与拓展现有的粒子群优化算法使之适用于不同类型的优化问题，并成功将其应用至高密度聚乙烯（HDPE）生产过程操作优化中。本文针对PSO易于早熟和局部搜索精度低的不足，提出将其与混沌映射和传统梯度算法相结合的方案，并针对无约束（界约束）、有约束和动态优化问题分别提出了基于序贯二次规划（SQP）、内点法（IPM）和信赖域映射法（TRR）的混沌PSO，通过对Benchmark函数进行仿真，验证算法的收敛精度、速度和鲁棒性，并将其分别用于HDPE串级反应过程乙烯单体单耗优化、产品质量软测量模型参数优化及牌号切换优化。本文的主要研究工作与相关成果可归纳如下：1、针对粒子群算法易于早熟和后期收敛速度慢，局部搜索精度不高的缺陷，提出使用混沌映射帮助粒子跳出局部最优，防止早熟以及利用传统梯度算法加快局部搜索的思路。并以逻辑混沌映射和SQP为例，与PSO相结合，形成CPSOSQP算法，并以Benchmark函数实验结果表明这种相结合思路的可行性。2、为进一步提高CPSOSQP算法的收敛速度和鲁棒性，对算法的混合方式进行改进，先后提出两种改进的基于SQP局部搜索的混沌粒子群优化算法（CPSO-SQP和CPSO-SQPII），并对无约束（界约束）Benchmark函数进行仿真，结果表明了算法的优势。应用CPSO-SQP算法对HDPE装置串级反应过程的乙烯单耗进行优化，根据工业反应机理和现场操作经验分析可知算法是可行的。3、在CPSO-SQPII中的混沌粒子群算法中引入约束处理机制，并将内点法作为局部搜索算法，提出基于内点法的混沌PSO（CPSO-IPM），用于解决约束优化问题。对约束Benchmark函数和经典机械设计问题的仿真结果表明了算法的有效性。对HDPE装置串级反应过程产品质量软测量模型参数进行优化的结果表明了算法的可行性和优越性。4、将基于预处理共轭梯度（PCG）的TRR作为局部搜索算法，和CPSO-SQPII中的混沌粒子群算法相结合，提出基于TRR的混沌粒子群大规模优化算法（CPSO-TRR），并将其与同步法相结合用于解决动态优化问题。在高密度聚乙烯（HDPE）装置串级反应牌号切换过程优化中的应用表明了算法的可行性。