產(chǎn)品質(zhì)量問(wèn)題一直是制約我國(guó)流程工業(yè)產(chǎn)品競(jìng)爭(zhēng)力的瓶頸問(wèn)題。如何在現(xiàn)有設(shè)備條件與工藝條件的基礎(chǔ)上,進(jìn)行面向產(chǎn)品質(zhì)量的精細(xì)建模與優(yōu)化控制,對(duì)提升產(chǎn)品質(zhì)量、邁向高端產(chǎn)品鏈具有極其重要的意義。相較于傳統(tǒng)的宏觀質(zhì)量指標(biāo),微觀層面上的分子結(jié)構(gòu)關(guān)系從本質(zhì)上決定了產(chǎn)品的性能差異,因此以產(chǎn)品微觀質(zhì)量指標(biāo)為導(dǎo)向的優(yōu)化控制就成為解決產(chǎn)品質(zhì)量問(wèn)題的關(guān)鍵。然而,涉及產(chǎn)品微觀質(zhì)量指標(biāo)的模型通常結(jié)構(gòu)復(fù)雜、非線性強(qiáng)、規(guī)模龐大、求解困難,為面向產(chǎn)品微觀質(zhì)量指標(biāo)的過(guò)程優(yōu)化計(jì)算帶來(lái)巨大挑戰(zhàn)。本文以聚烯烴反應(yīng)過(guò)程為例,圍繞產(chǎn)品微觀結(jié)構(gòu)質(zhì)量指標(biāo)為導(dǎo)向的一系列過(guò)程系統(tǒng)優(yōu)化關(guān)鍵問(wèn)題,結(jié)合確定性模型與統(tǒng)計(jì)方法模型,研究針對(duì)實(shí)際優(yōu)化問(wèn)題的模型重構(gòu)方法與求解加速方法,實(shí)現(xiàn)聚合過(guò)程產(chǎn)品質(zhì)量的精準(zhǔn)控制與生產(chǎn)效能的整體提升。本文的主要研究?jī)?nèi)容和貢獻(xiàn)總結(jié)如下:1.大規(guī)模聯(lián)立方程模型的并行求解方法。大規(guī)模聯(lián)立方程模型廣泛應(yīng)用在化工過(guò)程的模擬與優(yōu)化中,但其求解過(guò)程耗時(shí)嚴(yán)重,較難應(yīng)用于對(duì)計(jì)算時(shí)間要求高的在線或離線的優(yōu)化模擬中。針對(duì)這一問(wèn)題,本文結(jié)合序列二次規(guī)劃求解算法,提出了基于方程殘差計(jì)算的聯(lián)立方程模型并行求解方法。該方法分別利用CPU多核平臺(tái)和GP... 

【文章頁(yè)數(shù)】：154 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
致謝
摘要
Abstract
常用縮略詞表
第一章 緒論
    1.1 聚烯烴產(chǎn)業(yè)現(xiàn)狀與質(zhì)量二程
    1.2 聚合產(chǎn)品微觀質(zhì)量指標(biāo)的模型化方法
        1.2.1 基于物料衡算的確定性方法
        1.2.2 基于蒙特卡洛模擬的統(tǒng)計(jì)方法
    1.3 過(guò)程系統(tǒng)工程優(yōu)化方法
        1.3.1 序貫?zāi)K法與聯(lián)立方程法
        1.3.2 非線性規(guī)劃方法
        1.3.3 無(wú)梯度優(yōu)化方法
    1.4 面向微觀質(zhì)量指標(biāo)的聚合過(guò)程優(yōu)化方法綜述
    1.5 研究?jī)?nèi)容與論文框架
第二章 大規(guī)模聯(lián)立方程模型的并行求解方法
    2.1 基于梯度的聯(lián)立方程模型求解方法
    2.2 基于方程殘差的并行求解方法
        2.2.1 并行求解策略
        2.2.2 并行性能分析
    2.3 基于CPU多核平臺(tái)的并行實(shí)現(xiàn)
        2.3.1 實(shí)現(xiàn)方法
        2.3.2 加速效果分析
    2.4 基于GPU平臺(tái)的并行實(shí)現(xiàn)
        2.4.1 實(shí)現(xiàn)方法
        2.4.2 加速效果分析
    2.5 本章小結(jié)
第三章 并行蒙特卡洛模擬的自適應(yīng)優(yōu)化方法
    3.1 微觀質(zhì)量指標(biāo)的蒙特卡洛模擬方法
        3.1.1 共聚反應(yīng)機(jī)理與矩方法建模
        3.1.2 穩(wěn)態(tài)蒙特卡洛模擬方法
        3.1.3 基于GPU的并行蒙特卡洛方法
    3.2 蒙特卡洛模型的優(yōu)化方法
        3.2.1 多尺度優(yōu)化命題與框架
        3.2.2 無(wú)梯度信賴域優(yōu)化算法
    3.3 面向優(yōu)化的自適應(yīng)模擬算法
        3.3.1 基本思想
        3.3.2 模擬誤差估計(jì)
        3.3.3 算法流程
    3.4 連續(xù)邊界收縮算法
    3.5 優(yōu)化結(jié)果分析與討論
        3.5.1 并行方法結(jié)果對(duì)比
        3.5.2 自適應(yīng)模擬算法結(jié)果對(duì)比
        3.5.3 連續(xù)邊界收縮算法結(jié)果對(duì)比
    3.6 本章小結(jié)
第四章 蒙特卡洛模型的智能采樣加速方法
    4.1 蒙特卡洛智能采樣模擬算法
        4.1.1 基本思想
        4.1.2 算法流程
    4.2 面向微觀質(zhì)量指標(biāo)的穩(wěn)態(tài)模擬
        4.2.1 加速效果分析
        4.2.2 算法參數(shù)分析
    4.3 面向微觀質(zhì)量指標(biāo)的穩(wěn)態(tài)優(yōu)化
        4.3.1 優(yōu)化命題與框架
        4.3.2 優(yōu)化結(jié)果分析
    4.4 本章小結(jié)
第五章 動(dòng)態(tài)粒數(shù)衡算模型的交叉配置離散方法
    5.1 聚合過(guò)程反應(yīng)機(jī)理與分子量分布
        5.1.1 聚合反應(yīng)動(dòng)態(tài)機(jī)理模型
        5.1.2 瞬時(shí)Flory方法
        5.1.3 累積Flory方法
    5.2 基于鏈長(zhǎng)維度離散的動(dòng)態(tài)模型降階方法
        5.2.1 離散有限元正交配置法
        5.2.2 面向粒數(shù)衡算動(dòng)態(tài)模型的降階方法
        5.2.3 分子量分布的重構(gòu)
    5.3 基于時(shí)間維度離散的全聯(lián)立方法
    5.4 算例分析
        5.4.1 模型穩(wěn)態(tài)驗(yàn)證
        5.4.2 模型降階參數(shù)分析
    5.5 本章小結(jié)
第六章 面向分子量分布的牌號(hào)切換過(guò)程動(dòng)態(tài)優(yōu)化方法
    6.1 牌號(hào)切換的傳統(tǒng)動(dòng)態(tài)優(yōu)化方法
        6.1.1 基于平均分子量的動(dòng)態(tài)優(yōu)化方法
        6.1.2 基于分子量分布的動(dòng)態(tài)優(yōu)化方法
    6.2 基于分子量分布重構(gòu)模型的全聯(lián)立優(yōu)化方法
        6.2.1 單階段優(yōu)化命題
        6.2.2 多階段優(yōu)化命題
    6.3 工業(yè)案例分析
        6.3.1 牌號(hào)切換過(guò)程的動(dòng)態(tài)模擬
        6.3.2 牌號(hào)切換過(guò)程的動(dòng)態(tài)優(yōu)化
    6.4 本章小結(jié)
第七章 總結(jié)與展望
    7.1 論文總結(jié)
    7.2 研究展望
參考文獻(xiàn)
作者在學(xué)期間所取得的科研成果


【參考文獻(xiàn)】：
期刊論文
[1]中國(guó)聚烯烴產(chǎn)能持續(xù)增長(zhǎng)[J]. 鄭寧來(lái).  合成材料老化與應(yīng)用. 2017(06)

博士論文
[1]基于分子量分布的聚合過(guò)程建模、優(yōu)化與流程重構(gòu)[D]. 張晨.浙江大學(xué) 2016
[2]基于微觀質(zhì)量指標(biāo)的聚合過(guò)程模擬與優(yōu)化方法研究[D]. 翁金祖.浙江大學(xué) 2016



本文編號(hào)：3668816