融合机理信息的混合智能建模、优化与控制方法研究

项目名称： 融合机理信息的混合智能建模、优化与控制方法研究

项目编号： No.21176072

项目类型： 面上项目

立项/批准年度： 2012

项目学科： 化学工业

项目作者： 李绍军

作者单位： 华东理工大学

项目金额： 60万元

中文摘要： 化工生产过程所采集的数据大多来源于稳定工况，数据变化较小且存在大量的"噪声"，利用这些数据进行过程统计建模会造成模型的预测能力差，外推性不好。而且很多化工过程由于机理复杂，很难进行机理建模进而进行有效的优化和控制。为此，提出一种融合机理(专家经验)信息的基于神经网络的建模、优化与控制的集成方法。首先，对生产过程进行机理分析或获取专家经验。将机理知识或专家经验融合到基于神经网络的建模过程中。在模型训练时计算模型灵敏度分析结果与专家经验或机理的吻合程度，对模型目标施以不同程度的惩罚。针对这种非线性模型，提出并完善一种基于Alopex的进化算法。该算法兼有确定性和随机性搜索的特点，可提高搜索到全局最优的速度和概率。利用该算法优化带有惩罚项的非线性问题可自适应设定惩罚因子来避免惩罚项过大或过小的问题。最后，将提出的方法应用于PX氧化反应器和乙烯裂解炉裂解深度的建模与优控制化中，检验方法的有效性。

中文关键词： 专家经验；混合模型；进化算法；数据驱动；惩罚函数

英文摘要：

英文关键词： expert knowledge；hybrid model；evolutionary algorithm；data driven；penalty function