模型与数据相结合的大工业过程优化控制方法研究

摘要

随着生产工艺的日益复杂与对生产要求的日益提高，大工业过程优化控制成为重要的研究课题。在进行大工业过程优化控制时，由于环境变化、生产条件波动等原因，实际过程的数学描述发生着缓慢的变化，它的数学模型很难准确地得到，因此不可避免地存在着数学模型与实际过程数学描述之间不符的情况，模糊模型是处理这一问题的有效方法。同时，如何有效利用大量的过程数据与优化控制经验对于实现大工业过程优化控制也具有重要的理论与实际意义。
　　本文首先针对基于模糊模型的大工业过程优化控制问题所涉及的模糊优化求解问题，提出一种具有单纯形算子的差分进化算法，以充分发挥单纯形法很好的局部搜索能力以及差分进化算法良好的全局搜索能力，从而提高优化算法的整体性能。通过对分别采用关联平衡法、关联预测法和混合协调法实现基于模糊模型的大工业过程优化控制问题实例的仿真研究，验证了方法的有效性。通过上述基于模型的优化控制方法实现大工业过程优化控制，在实际工业过程中，经过一段时间的运行与前期积累，往往会有大量的过程数据，这些数据蕴含着大量的优化控制经验。为了能够有效地利用实际生产过程的信息，本文将模型与数据进行结合来求解大工业过程的优化控制问题。在基于模型的优化控制方法基础上，根据历史优化控制数据建立大工业过程的案例库，通过案例匹配实现案例决策，当匹配失败时利用基于模型的方法实现优化控制并同时积累案例;当部分匹配时，将相似案例作为基于模型优化的初始值从而加快寻优速度。另外，基于专家补偿经验建立补偿案例库实现决策补偿，仿真研究验证了方法的有效性。

目录

声明

摘要

第1章 绪论

1．1 论文研究背景及意义

1．2 大工业过程稳态优化控制结构

1．3 大工业过程的智能稳态优化控制

1．4 本文主要内容

第2章 具有单纯形算子的差分进化算法求解模糊非线性规划

2．1 引言

2．2 模糊数学知识及模糊非线性规划问题的求解方法

2．2．1 模糊数学知识

2．2．2 模糊非线性规划求解方法介绍

2．3 差分进化算法

2．3．1 标准差分进化算法介绍

2．3．2 标准差分进化算法中的参数设置及算法流程

2．4 具有单纯形算子的差分进化算法求解模糊非线性规划问题

2．4．1 具有单纯形算子的差分进化算法

2．4．2 具有单纯形算子的差分进化算法求解模糊非线性规划

2．5 仿真研究

2．6 本章小结

第3章 大工业过程模糊优化问题求解研究

3．1 引言

3．2 稳态大工业过程优化问题的数学描述

3．3 基于模糊模型的大工业过程关联平衡协调法

3．3．1 关联平衡法介绍

3．3．2 基于模糊模型的开环关联平衡法

3．3．3 基于模糊模型的全局反馈关联平衡法

3．3．4 仿真研究

3．4 基于模糊模型的大工业过程关联预测协调法

3．4．1 关联预测法介绍

3．4．2 基于模糊模型的开环关联预测法

3．4．3 基于模糊模型的全局反馈关联预测法

3．4．4 仿真研究

3．5 基于模糊模型的大工业过程混合协调法

3．5．1 混合协调法介绍

3．5．2 基于模糊模型的开环混合协调法

3．5．3 基于模糊模型的全局反馈的混合协调法

3．5．4 仿真研究

3．6 本章小结

第4章 模型与案例推理相结合的大工业过程优化方法

4．1 引言

4．2 案例推理技术介绍

4．2．1 案例推理概念

4．2．2 案例推理的4R循环和案例库维护

4．3 相似粗糙集与k-means聚类算法

4．3．1 粗糙集和相似粗糙集概念

4．3．2 基于相似粗糙集的案例条件属性权值的确定

4．3．3 基于相似粗糙集的案例库维护

4．3．4 k-means聚类

4．4 基于模型与案例推理的大工业过程模糊优化方法

4．4．1 原理

4．4．2 模型与案例推理相结合的方法在大工业过程中的仿真研究

4．5 本章小结

第5章 总结与展望

参考文献

致谢