【摘要】：森林可燃物熱解動力學(xué)參數(shù)的優(yōu)化計算是構(gòu)建綜合熱解模型的關(guān)鍵步驟。傳統(tǒng)的基于梯度的優(yōu)化方法收斂速度快但全局尋優(yōu)能力不足,基于"生物進(jìn)化理論"的遺傳算法具有全局尋優(yōu)能力但收斂速度慢。本研究首先探討了單純的遺傳算法對初始值設(shè)置的依賴,發(fā)現(xiàn)設(shè)定合適的初始值能夠穩(wěn)定計算結(jié)果,加快算法的收斂速度。針對初始值未知的情況,本文提出了將單純的遺傳算法與迭代算法相結(jié)合構(gòu)建混合型遺傳算法的流程。然后以樟子松松枝為例,采用熱重分析儀開展了森林可燃物熱解實驗。假設(shè)可燃物熱解失重過程遵循三步一級平行反應(yīng)模型,通過對比單純遺傳算法和混合型遺傳算法的收斂過程,發(fā)現(xiàn)混合型遺傳算法能夠快速地獲取全局最優(yōu)的動力學(xué)參數(shù),顯著地提高遺傳算法的優(yōu)化性能。
【圖文】：

盅壩諾奶氐愕幕旌閑鴕?傳算法，將其應(yīng)用于熱解動力學(xué)參數(shù)的計算，討論分析其優(yōu)化性能。本研究將為熱解動力學(xué)參數(shù)優(yōu)化提供一種新的計算方法。2實驗部分實驗采用的森林可燃物樣品為黑龍江大興安嶺林區(qū)的樟子松的樹枝(pinebranch，PB)，見圖1。為防止樣品受到污染和破壞，所有的樣品均采自于活的樟子松松樹。為了長期保存樣品，需要對樣品進(jìn)行預(yù)處理。我們將松枝樣品放置在電熱鼓風(fēng)干燥箱(型號：DGX-9073B-1，廠家：上海�，攲嶒炘O(shè)備有限公司)中，于85°C條件下干燥24h。預(yù)處理后的燃料由于含水率很低，因此不會霉圖1實驗使用的松枝樣品Fig.1Pinebranch(PB)samplesusedinthisstudy2224

擼蝗緩螅嗤捎酶吵踔島臀錘吵踔檔囊糯?算法針對該組理論曲線進(jìn)行逆運(yùn)算，獲取動力學(xué)參數(shù)估計值，對比這兩種情況下遺傳算法的優(yōu)化性能，并比較計算結(jié)果的偏離度。根據(jù)上述思路，首先假設(shè)遵循三步一級平行反應(yīng)機(jī)理的某森林可燃物在惰性氣氛下發(fā)生熱解的動力學(xué)參數(shù)如表3所示，表中數(shù)據(jù)是基于文獻(xiàn)數(shù)據(jù)和作者的經(jīng)驗所設(shè)定的，并假設(shè)為理論上的熱解動力學(xué)參數(shù)值。然后，根據(jù)表3中參數(shù)值以及三步一級平行反應(yīng)模型，計算出該可燃物在3個升溫速率(10、15、20°Cmin－1)下以轉(zhuǎn)化率α表示的理論TG和DTG曲線，并繪制成圖2。為該森林可燃物熱解理論動力學(xué)參數(shù)值施加一個隨機(jī)的微小波動(±10%以內(nèi))，構(gòu)建鄰域內(nèi)的初始種群，作為優(yōu)化計算所需的初始值(如表4所示)設(shè)定在GA的程序中。以100代為終止條件，在賦初值和未賦初值情況下分別進(jìn)行一次獨立計算。矩陣計算軟件Matlab為遺傳算法的實現(xiàn)提供了整個程序模塊22。在借助Matlab遺傳算法工具箱進(jìn)行遺傳算法優(yōu)化計算時，設(shè)定擬合函數(shù)即為優(yōu)化目標(biāo)函數(shù)，擬合函數(shù)的值即為擬合度。遺傳算法的優(yōu)化過程就是目標(biāo)函數(shù)值最小化的過程，也即擬合函數(shù)值(擬合度)最小化的過程。因此在目標(biāo)表3某森林可燃物熱解動力學(xué)參數(shù)理論值Table3TheoreticalkineticparametersofthethermaldegradationofaforestfuelE1/(kJmol－1)190E2/(kJmol－1)95E3/(kJmol－1)65lg(A1/min－1)15lg(A2/min－1)8lg(A3/min－1)4c1/%43c2/%38c3/%19圖2某森林可燃物熱解理論TG和DTG曲線Fig.2Theoreticalthermogravimetric(TG)anddifferentialthermogravimetric(DTG)curvesofthethermaldegradationofaforestfuel2226

�；鄄龋夯诨旌闲瓦z傳算法的森林可燃物熱解動力學(xué)參數(shù)優(yōu)化方法No.9函數(shù)相同的條件下，能使得擬合度最小化的速度較快并且絕對值較小的算法的優(yōu)化性能較為優(yōu)秀。遺傳算法采用平均擬合度和最佳擬合度來表示截止到當(dāng)前代數(shù)時擬合度的平均值和最小值。計算過程中擬合度和平均距離隨著繁殖代數(shù)的變化見圖3和圖4。從圖3可以看出，在進(jìn)化的初期平均擬合度值急劇下降，經(jīng)過大約20代之后，平均擬合度基本穩(wěn)定在一定的水平。其中未賦初值的平均擬合度隨代數(shù)增加變化較大，波動頻繁。與之相比，賦初值的平均擬合度在下降至一定值后，基本維持不變，無頻繁的波動現(xiàn)象，因此賦初值情況下各代個體的擬合度比較穩(wěn)定。在圖3中還可以明顯看出，未賦初值情況下最佳擬合度的值在整個遺傳過程中始終高于賦初值情況下的值，因此可以說賦初值加快了遺傳算法的優(yōu)化過程。圖4給出了個體之間平均距離在遺傳過程中的演變情況。從圖中可以看出，個體之間的平均距離在遺傳初期有顯著的降低，經(jīng)過一定的遺傳代數(shù)之后，趨于穩(wěn)定。通過比較發(fā)現(xiàn)，未賦初值的計算過程中個體之間平均差異值趨于穩(wěn)定所需時間要長于賦初值的情況。所以，對于大規(guī)模計算來說，不賦初值會消耗更多的計算時間，計算效率會顯著降低�；诙啻为毩⒂嬎愕玫降膭恿W(xué)參數(shù)優(yōu)化結(jié)果見表5。從表5可以看出，不賦初值情況下擬合的動力學(xué)參數(shù)在100代內(nèi)未能收斂到一個穩(wěn)定的值，多次運(yùn)行的結(jié)果中活化能值相差較大，比例圖3單次運(yùn)行的平均擬合與最佳擬合值隨繁殖代數(shù)的變化Fig.3Evolutionofmeanandbestfitnesswithgenerationsinasinglerun圖4單次運(yùn)行的個體之間平均距離隨繁殖代數(shù)的變化Fig.4Evolutionofaveragedistancebetweentwogenerationsofindividualsinasinglerun表4采用GA優(yōu)?

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉坤,劉偉波,吳忠強(qiáng);基于模糊遺傳算法的電液位置伺服系統(tǒng)控制[J];黑龍江科技學(xué)院學(xué)報;2005年04期

2 李華昌,謝淑蘭,易忠勝;遺傳算法的原理與應(yīng)用[J];礦冶;2005年01期

3 馮錦春;楊林建;;遺傳算法在機(jī)械工程方面的應(yīng)用研究[J];煤礦機(jī)械;2008年08期

4 李凱;田雙亮;耿麗君;張喜;;基于改進(jìn)遺傳算法在分析企業(yè)客戶群中的應(yīng)用[J];河南理工大學(xué)學(xué)報(自然科學(xué)版);2009年06期

5 劉鐵男,姜建國,陳繼剛,張長江,于鏑;遺傳算法的收斂性分析[J];大慶石油學(xué)院學(xué)報;2000年03期

6 樂慧豐,林家駿,俞金壽;投影遺傳算法[J];華東理工大學(xué)學(xué)報;2000年05期

7 苑進(jìn),孫忠林,劉雪美;改進(jìn)遺傳算法在齒輪減速器優(yōu)化中的應(yīng)用[J];山東科技大學(xué)學(xué)報(自然科學(xué)版);2001年04期

8 李春利,郭章紅,楊振生;基于遺傳算法的分子設(shè)計初探[J];化學(xué)工業(yè)與工程;2002年01期

9 董軍芳,曾穎,林金清;應(yīng)用遺傳算法推算多元溶液熱力學(xué)數(shù)據(jù)[J];吉首大學(xué)學(xué)報(自然科學(xué)版);2002年01期

10 唐雪萍,何緒全;遺傳算法在流體識別中的應(yīng)用[J];天然氣勘探與開發(fā);2002年01期

相關(guān)會議論文 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進(jìn)的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計中的應(yīng)用[A];第五屆全國制冷空調(diào)新技術(shù)研討會論文集[C];2008年

3 王志軍;李守春;張爽;;改進(jìn)的遺傳算法在反演問題中的應(yīng)用[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進(jìn)遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實表現(xiàn)——第二屆工程建設(shè)計算機(jī)應(yīng)用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會論文集[C];2006年

6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議專刊[C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計算機(jī)編程中的應(yīng)用[A];1995年中國智能自動化學(xué)術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

9 靳開巖;張乃堯;;幾種實用遺傳算法及其比較[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動遺傳算法[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

相關(guān)重要報紙文章 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報;2002年

相關(guān)博士學(xué)位論文 前10條

1 蔡美菊;交互式遺傳算法及其在隱性目標(biāo)決策問題中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2015年

2 張士偉;三維聲學(xué)快速多極基本解法在機(jī)械噪聲預(yù)測中的應(yīng)用研究[D];沈陽工業(yè)大學(xué);2016年

3 高軍;無鉛焊料本構(gòu)模型及其參數(shù)識別方法研究[D];南京航空航天大學(xué);2015年

4 Amjad Mahmood;半監(jiān)督進(jìn)化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用[D];西南交通大學(xué);2015年

5 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

6 郝國生;交互式遺傳算法中用戶的認(rèn)知規(guī)律及其應(yīng)用[D];中國礦業(yè)大學(xué);2009年

7 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

8 馬國田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

9 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

10 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年

相關(guān)碩士學(xué)位論文 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年

2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年

3 李志添;模糊遺傳算法與資源優(yōu)化配置的預(yù)測控制[D];華南理工大學(xué);2015年

4 王琳琳;新型雙層液壓轎運(yùn)車車廂的設(shè)計研究[D];上海工程技術(shù)大學(xué);2015年

5 李海全;基于遺傳算法的建筑體形系數(shù)及迎風(fēng)面積比優(yōu)化方法研究[D];華南理工大學(xué);2015年

6 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年

7 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測[D];昆明理工大學(xué);2015年

8 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年

9 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年

10 于光帥;一類優(yōu)化算法的改進(jìn)研究與應(yīng)用[D];渤海大學(xué);2015年

本文編號：2788938