發(fā)布時間：2018-01-27 13:09

  本文關(guān)鍵詞： 混合整數(shù)非線性規(guī)劃 粒子群算法 共沸精餾 優(yōu)化設(shè)計 流體力學(xué)　出處：《青島科技大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

【摘要】：精餾塔是化工與石化行業(yè)中最重要的分離單元設(shè)備之一。在化工企業(yè)中,約90%的分離與提純操作為精餾操作,約占分離總能耗的90%。因此,對精餾塔進(jìn)行優(yōu)化設(shè)計,減少設(shè)備投資與能耗,具有重大的經(jīng)濟(jì)效益。由于精餾塔優(yōu)化設(shè)計的變量既包括了塔板數(shù)、進(jìn)料位置等整數(shù)變量,又包括了回流比等實(shí)數(shù)變量,因此精餾塔優(yōu)化是一個混合整數(shù)非線性規(guī)劃( Mixed integer nonlinear programming, MINLP)問題。本文研究了MINLP問題求解的各算法的優(yōu)、缺點(diǎn)之后,最終選擇粒子群優(yōu)化(Particle swarm optimization, PSO)算法進(jìn)行精餾塔的優(yōu)化設(shè)計。為提高PSO算法求解MINLP的效率,本文研究和分析了現(xiàn)有的PSO算法整數(shù)編碼和約束處理技術(shù)之后,提出了新的整數(shù)變量處理策略和流體力學(xué)約束條件,并以Deb方法處理約束,提出了混合整數(shù)空間粒子群優(yōu)化(Mixed integer space particle swarm optimization, MIS-PSO)算法。采用C#編程語言開發(fā)了精餾塔MINLP界面平臺,采用C++編程語言開發(fā)了MIS-PSO算法的動態(tài)鏈接文件,在MINLP平臺中調(diào)用MIS-PSO算法進(jìn)行粒子位置的更新。通過ActiveX控件調(diào)用Aspen Plus,將Aspen Plus中建立的精餾模型作為適應(yīng)度函數(shù),計算粒子所對應(yīng)的塔結(jié)構(gòu)和操作參數(shù)而獲得粒子的適應(yīng)度函數(shù)值,充分利用了Aspen的強(qiáng)大計算能力和成熟的精餾計算模塊,并使得尋優(yōu)過程更易收斂。之后將MIS-PSO算法用于一個共沸精餾塔的設(shè)計,MIS-PS O算法計算得出的最優(yōu)年度總費(fèi)用(Total annual cost, TAC)為7.08×105$/year,該結(jié)果不僅滿足所有約束,而且比Aspen Consep的計算結(jié)果降低了19.64%,并且優(yōu)于文獻(xiàn)結(jié)果。由Aspen Consep所設(shè)計的塔不僅TAC最優(yōu)值不及MIS-PSO法得出的最優(yōu)值,而且空塔氣速低于0.5m/s的下限,說明MIS-PSO算法可以更好地應(yīng)用于精餾塔的優(yōu)化設(shè)計。為考察多塔優(yōu)化的有效性,將MIS-PSO法用于一個異丙醇脫水過程的共沸精餾雙塔序列。計算結(jié)果表明,TAC 1.218×106$/year比文獻(xiàn)值減少16.96%,符合流體力學(xué)約束條件。文獻(xiàn)值經(jīng)過計算后TAC高于MIS-PSO法,并且C-1塔的空塔氣速0.851 m/s大于0.8m/s的上限,不滿足流體力學(xué)約束。該計算結(jié)果進(jìn)一步說明MIS-PSO法計算多塔得出的結(jié)果也優(yōu)于文獻(xiàn)結(jié)果。上述工作表明,MIS-PSO法直接在混合整數(shù)空間進(jìn)行尋優(yōu),為PSO算法求解混合整數(shù)規(guī)劃問題提供了新的思路。MIS-PSO法可以用于精餾序列的最優(yōu)設(shè)計,并且所得的結(jié)果優(yōu)于以往的文獻(xiàn)值。未來可將本文成果應(yīng)用于更為復(fù)雜的精餾塔設(shè)計優(yōu)化,以滿足大規(guī)�；ち鞒虄�(yōu)化的需要。
[Abstract]:Distillation column is one of the most important separation units in chemical and petrochemical industries. In chemical enterprises, about 90% of separation and purification operations are distillation operations, accounting for about 90 percent of the total separation energy consumption. The optimization design of distillation column to reduce equipment investment and energy consumption has great economic benefits. Because the variables of optimization design of distillation column include integral variables such as tray number feed position and so on. Reflux ratio and other real variables are also included, so the distillation column optimization is a Mixed integer nonlinear programming. This paper studies the advantages and disadvantages of the algorithms for solving the MINLP problem. Particle Swarm Optimization (PSO) is used to optimize particle swarm optimization. In order to improve the efficiency of PSO algorithm to solve MINLP, this paper studies and analyzes the existing PSO algorithm integer coding and constraint processing technology. A new integer variable processing strategy and fluid mechanics constraint conditions are proposed, and Deb method is used to deal with the constraints. Mixed integer space particle swarm optimization is proposed for mixed integer space particle swarm optimization. MIS-PSO algorithm. The MINLP interface platform of distillation column is developed by C # programming language, and the dynamic link file of MIS-PSO algorithm is developed by C programming language. Call the MIS-PSO algorithm in the MINLP platform to update the position of the particle. Call Aspen Plus through the ActiveX control. The distillation model established in Aspen Plus is taken as fitness function, and the corresponding tower structure and operation parameters of particles are calculated to obtain the fitness function of particles. The powerful computing power of Aspen and the mature distillation calculation module are fully utilized, and the optimization process is more easily converged. Then, the MIS-PSO algorithm is used in the design of an azeotropic distillation column. Total annual cost (TAC) calculated by MIS-PS O algorithm is 7.08 脳 10 ~ 5 / year. The results not only satisfy all the constraints, but also decrease by 19.64% compared with the results of Aspen Consep. The column designed by Aspen Consep is not only less than the optimal value obtained by MIS-PSO method, but also lower than the lower limit of 0.5 m / s. It shows that MIS-PSO algorithm can be applied to the optimization design of distillation column better. The MIS-PSO method was applied to an azeotropic distillation two-column sequence in the dehydration process of isopropanol. The calculated results show that the value of TAC 1.218 脳 106 / year is 16.96% less than that in the literature. The TAC value is higher than that of MIS-PSO method, and the upper limit of the empty tower gas velocity of C-1 tower is 0.851 m / s > 0.8 m / s. The results show that the MIS-PSO method is also superior to the results of the literature. The MIS-PSO method is directly applied to the optimization of mixed integer space, which provides a new idea for the PSO algorithm to solve the mixed integer programming problem. MIS-PSO method can be used in the optimal design of distillation sequences. The results obtained are better than the previous ones. In the future, the results of this paper can be applied to the design optimization of more complex distillation column to meet the needs of large-scale chemical process optimization.
【學(xué)位授予單位】：青島科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TQ053.5;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳金環(huán);王冠;王東云;;粒子群算法及特性的研究[J];中原工學(xué)院學(xué)報;2007年04期

2 楊立生;;基于粒子群算法的選礦能力優(yōu)化研究[J];礦業(yè)快報;2007年11期

3 左毅;陳勇;;基于對稱擾動的改進(jìn)粒子群算法[J];重慶科技學(xué)院學(xué)報(自然科學(xué)版);2010年03期

4 楊瑞連;曾光明;李曉東;;混沌粒子群算法在水污染控制系統(tǒng)規(guī)劃中的應(yīng)用[J];環(huán)境工程學(xué)報;2010年12期

5 鄧毅;江青茵;曹志凱;師佳;周華;;改進(jìn)的粒子群算法在化工過程優(yōu)化中的應(yīng)用[J];計算機(jī)與應(yīng)用化學(xué);2011年06期

6 閆元元;高興寶;周喜虎;;基于變異和交叉的改進(jìn)粒子群算法[J];陜西科技大學(xué)學(xué)報(自然科學(xué)版);2011年04期

7 李娥;高興寶;;一種基于階段進(jìn)化適應(yīng)性策略的粒子群算法[J];陜西科技大學(xué)學(xué)報(自然科學(xué)版);2011年05期

8 王燕;賀興時;王凡;劉達(dá)卓;;改進(jìn)反向粒子群算法及其在噪聲中的應(yīng)用[J];西安工程大學(xué)學(xué)報;2011年05期

9 熊聰聰;許淑yN;徐姝;;基于粒子群算法的天氣滾動預(yù)報集成技術(shù)[J];天津科技大學(xué)學(xué)報;2012年01期

10 王防修;周康;;基于粒子群算法的罐容表標(biāo)定[J];武漢工業(yè)學(xué)院學(xué)報;2012年03期

相關(guān)會議論文 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[A];中國科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進(jìn)制粒子群算法在稀疏陣列綜合中的應(yīng)用[A];2009年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學(xué)系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學(xué)和運(yùn)動穩(wěn)定性學(xué)術(shù)會議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計中的應(yīng)用[A];第十一屆全國膨脹節(jié)學(xué)術(shù)會議膨脹節(jié)設(shè)計、制造和應(yīng)用技術(shù)論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進(jìn)粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機(jī)參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國水力發(fā)電工程學(xué)會大壩安全監(jiān)測專委會年會暨學(xué)術(shù)交流會論文集[C];2012年

8 熊偉麗;徐保國;;單個粒子收斂中心隨機(jī)攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標(biāo)函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 王芳;粒子群算法的研究[D];西南大學(xué);2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

3 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

4 黃平;粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

5 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學(xué);2014年

7 張寶;粒子群算法及其在衛(wèi)星艙布局中的應(yīng)用研究[D];大連理工大學(xué);2007年

8 劉宏達(dá);粒子群算法的研究及其在船舶工程中的應(yīng)用[D];哈爾濱工程大學(xué);2008年

9 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學(xué);2006年

10 馮琳;改進(jìn)多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應(yīng)用[D];大連理工大學(xué);2009年

2 李強(qiáng);基于改進(jìn)粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設(shè)計[D];河北聯(lián)合大學(xué);2014年

4 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

5 梁計鋒;基于改進(jìn)粒子群算法的交通控制算法研究[D];長安大學(xué);2015年

6 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學(xué);2015年

7 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學(xué);2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動機(jī)數(shù)學(xué)模型問題[D];山東大學(xué);2015年

9 陳百霞;考慮風(fēng)電場并網(wǎng)的電力系統(tǒng)無功優(yōu)化[D];山東大學(xué);2015年

10 戴玉倩;基于混合動態(tài)粒子群算法的軟件測試數(shù)據(jù)自動生成研究[D];江西理工大學(xué);2015年

，

本文編號：1468543