摘要：含路径和终端约束的动态多目标优化是过程系统工程的一个重要研究方向,难度较高。传统蚁群算法仅适于离散问题,今采用混合正态分布描述信息素分布,并设计相应的解构造操作,使之拓宽至连续优化问题。通过对目标函数和约束矩阵的非劣排序,确定解的等级,用以克服传统约束处理方法的局限性。借鉴了免疫系统的浓度概念,将其与解的等级结合,共同确定解的适应度,有助于保持种群的多样性。在更新信息素时将利用外部优解库和种群信息,可加快收敛速度。基于拥挤度距离更新外部优解库可更均匀地逼近Pareto最优解集。由此构建了一种基于免疫机制的多目标蚁群算法(Immune Mechanism based Multi-Objective Ant Colony Algorithm,IM-MOACA),并用于间歇反应器的动态多目标优化问题,效果良好,显示出较强的全局优化性能,能以较快的速度逼近真实的Pareto最优前沿,可为用户进行合理的决策分析提供有效的支持。

摘要：状态变量带约束的过程动态优化问题是化工系统工程的重要课题,有一定的难度。通过将其转换为等价的非线性规划后,可采用元启发式方法求解。人工免疫系统的克隆选择算法(CSA)简练易用,全局搜索性能良好,但局部寻优能力较弱,且无处理约束的机制。为此,拟引入免疫网络自学习算子,均匀设计方法,以及目标与约束分离的处理机制,构建改进的克隆选择算法(ICSA),并将其用于状态变量带约束的间歇反应器和乙醇生物反应器的动态优化等实例,效果良好。试验结果表明三种策略有效地改进了CSA的性能,使ICSA能以较少的计算代价搜索到较优的控制策略。

摘要：颗粒粒径分布的实时在线检测对于调控气固流化床中颗粒的流化特性具有重要意义。基于混料均匀设计法安排实验,以声发射(AE)技术为检测手段,结合小波包分析,提出采用K-OPLS方法构建颗粒粒径分布的声信号预测模型,定量描述小波包能量特征与颗粒粒径分布的非线性变化规律。实验结果显示,留一交叉验证法的均方根误差(RMSE)仅为0.063,表明基于K-OPLS的颗粒粒径分布声信号预测模型能准确测量气固流化床中颗粒的粒径分布,具有良好的工业应用前景。

摘要：冷热电联供是提高能源综合利用效率的有效途径,其系统设计与运行策略通常相互耦合,因此实施联供系统的集成优化至关重要。本文同时考虑全生命周期内的投资与运行成本,提出以年度总成本最小化为优化目标,结合联供系统中燃气轮机、余热锅炉、吸收式制冷机等设备特性方程,以及针对以电定热、以热定电和混合热电三类典型运行策略,设置了冷、热和电三种负荷需求能量平衡方程,最终构建了包含固定电/热效率和动态电/热效率的联供系统设计与运行集成优化模型。所提方法应用于典型商业楼宇的冷热电联供系统优化设计,结果表明,只有通过综合运用混合热电运行策略、动态电/热效率和全年负荷特性数据,才有望获得合理可行的最优设计方案。

摘要：多目标优化是过程系统工程的重要课题,通常以加权或约束方式将其转换为单一目标,未能反映多目标间的复杂关系,不利于随时根据需求作出有效的决策。基于群智能的粒子群算法具有全局优化性能,且易于实现。为使其适于多目标优化,应拓展功能,实施改造。以Pareto支配概念评价种群个体的优劣,设计了确定局部最优点和全局最优点的操作。又利用各粒子的局部最优点信息进行速度更新,以加强种群的多样性,避免因早熟而陷于局部最优。还设置了外部优解库,并通过分散度计算,以适当的策略进行更新,使之逐步均匀地逼近于Pareto最优解集。由此构建一种多目标粒子群优化算法(multi-objective particle swarm optimization,MOP-SO),并用于补料分批生化反应器的动态多目标优化,取得了满意的结果。可基于所搜得的Pareto最优解集,分析目标间的关系,为合理决策提供有效的支持。经与NSGA-II比较,MOPSO算法具有更为优良的性能。

摘要：神经网络和统计分析所构建的分类器均为复杂算式,难以体现专业知识;而分类规则直接以属性值为条件,确定个体类别,易于专业分析。对于连续属性的样本数据,本文应用基于信息熵的Chi-merge方法将其离散化,并将提取最优规则转换为组合优化问题,进而采用遗传算法求解。为此,本文将规则提取演绎为种群进化,并设计了个体适应度函数。由此提取出最优的分类规则,经过修剪处理后,与判别准则一起构成模式分类器。本文将其应用于橄榄油产地判别,所建立的分类器简单明了,规则数少,性能良好,适用于化学模式分类。

摘要：国际化视野和工程创新能力是现代工科学生素质教育的两个重要方面。以项目为导向的双语教学模式对培养学生分析、解决复杂问题的能力及提高学生的专业英语应用水平有重要作用。笔者以上海交通大学化工设计双语课程建设为例,从教材选取和内容安排、化工设计教学方式及工程创新能力培养三个方面进行了探讨。