文献检索综合报告 题目:玻璃纤维用聚酯乳液的研制及应用
姓名 罗元彬 学院
班级
学号
教师
1.课题分析(技术要点介绍) 玻璃纤维新品种的开发,其关键在于浸润剂技术。浸润剂中重要组份是成膜剂。除对纤维起保护作用外,它对玻璃纤维硬挺性集束性、短切性、分散性,浸透性
等起着关键的作用。因此,研制出所希望的成膜剂,就能开发出新的玻纤制品。玻璃纤维浸润剂的开发和研究在国外很受重视。无论是美国的OCF公司或PPG 公司,还是日本的NTB公司或法国的圣戈班公司都拥有实力雄厚的科研开发中心,每年在浸润剂品种开发上均有大量的科研成果。同时各大公司每年还要支付巨额给各大学从事有关基础理论的研究。科研开发经费占其支出的很大一部分。相对而言,我国浸润剂研究还处在成长发展阶段,能作为浸润剂的专用成膜剂种类少,性能差。对于缠绕、拉挤专用纱的软质浸润剂与国外差距较小,但对于喷射、短切、BMC等用纱的硬质浸润剂在成膜剂和配方选择上均未取得最佳,尤其浸透性和防静电性能较差。我国玻璃纤维喷射纱成膜剂目前主要是聚醋酸乙烯乳液。由于聚醋酸乙烯乳液采用聚乙烯醇做为胶体保护剂,与基体树脂结合浸透性较差。为改善喷射纱的浸透性,对聚酯乳液型成膜剂进行了多年的研究,成功地合成出满足喷射纱性能及成型工艺要求的专用聚酯乳液。
2.检索策略
2.1检索工具的选择
这是一个跟化学专业相关的课题,故必检数据库如下:
(1)中文数据库:
中国专利数据库(1985至今)
维普中文期刊数据库(1989至今)
(2)外文数据库:
欧洲专利局数据库(1975至今)
SCI数据库(1985至今)
工程索引数据库(1999至今)
3.检索步骤及检索结果
3.1维普中文科技期刊数据库
检索式:M=优化*算法*(化工+化学工程+化学工业)
命中xxx篇文献,现选择其中密切相关文献xx篇文献如下(下载到文摘内容):
(1)
(2)
(3)
。。。。。
3.2万方数据库
检索式:字段+优化 and 化工
命中9篇,先从中选择x篇相关度较大的文献如下(同上):
(1)
(2)
。。。。。。
3.3欧洲专利局数据库
检索式:字段+optimiz* and chemical and engineering
命中49篇文献,现选择相关度大的X篇文献如下(同上):
(6)
(7).
(8)
。。。。。。
3.4 SCI-EXPANDED数据库
检索式: 字段+optimiz* and chemical and engineering
命中696篇,现选择相关度大的X篇文献如下(同上):
。。。。。。
3.5 Engineering Village (EI)数据库
检索式:(optimiz* and chemical and engineering) WN KY
命中5273篇,现选择相关度大的X篇文献如下(同上):
。。。。。。
在这X篇文献中,去除重复的文献,最终筛选了X篇具有重要参考价值的文献阅读全文。
4.检索体会
(1) 对于本次课题我认识到了学习文献检索对于课题研究的重要性;充分体会到信息的重要
性;对于我们大学生来说要充分利用好网络资源为我们的学习服务;要学会利用信息,筛选信息;查找信息;掌握了信息我们就能节省时间提高学习效率同时也是我看到了我学科的发展潜力;让我更加了解我的专业我建议在以后的学习中我们的导师能多多的锻炼我们检索相关资料的能力;使我们能自我学习。学习了文献检索这门课程,我才发现,通过图书馆的电子资源,我们可以查询到许许多多的有用文献,对我们的学习具有相当大的作用,另外,还让我形成了借助这些数据库惊醒自主学习的习惯,只要有需要,我就会在这些数据库中查询自己感兴趣的东西,用来丰富自己的综合知识。可以说,通过文献检索的学习,我料及到了很多我以前所不知道的东西,以前在需要学习资料的时候不知道在哪里找,而现在完全不用茫然无头绪了,各种数据库所包含的强大的检索功能和丰富的信息资源,给我提供了很大的帮助。
(2) 选择检索词时应先确定核心词,再确定其他的检索词,并充分考虑同义词、近义词,采
用截词符、位置算符和逻辑组配制定多个检索式进行检索,并根据检索结果进行相应的调整。检索式一个不断往复的过程,不能期望以此就能得到满意的结果。
(3) 检索时应从综述论文入手。先抽取核心的关键词,制定检索时进入数据库中检索,在所
得检索结果中浏览综述性论文,或检索时直接限定综述性论文,可以帮助我们快速地了解课题的北京。而且最好从中文文献入手,这样更容易了解课题。本课题中我从维普数据库中得到最先进优化算法在化工中的应用的研究进展等的文献,帮助我快速了解了优化算法。
(4) 检索式要作相应的调整。因如果课题国内外的报道较少,在最初的查找不能满足检索目
的时,我们应主动调整检索词,选择课题中最核心的词,而去除一些较次要的词,扩大检索范围进行查找。另外,在阅读文献时我们可能会发现一些新的检索词,在保证查全率的基础上挑选有关含优先算法的信息,以期待得到更全更准的文献。
(5) 有必要阅读全文时必须阅读全文。虽然大多数文摘能显示文献的内容特征,但也有相当
一部分不能够从文摘中获取所需的信息,所以我们必须重视阅读全文。这样才能更准确的确定是否为密切相关文献。
5.国内外研究概况
化工生产中如何控制工艺条件才能是收率最高?一批资金怎样投资才能创造出最大的经济效益?各种配方如何筛选?能量如何合理利用等等都有求极大值和极小值的问题。 为了在较多因素影响的条件下少做一些实验, 尽快找到一个理想条件(即极大值或极小值),就发展了最优化方法。
最优化方法是从实践中将各种变量抽象出一个数学模型:f( x1,x2,„„xn )其中x1,x2,„„xn是几个独立的自变量,f是这些自变量的函数,称之为目标函数。通过调节自变量x1,x2,„xn的值求函数f(x1,x2,„„xn)极值的过程就是最优化方法。
最优化方法在化工生产中的应用可分为两种情况:1,设计最佳的生产流程,2 提高原油设备能力,不增加人,不增加设备,提高生产率, 使之质量达到最好、利润最高。
自1983年Gani和 Brignolel提出利用UNIFAC模型进行液液萃取过程中萃取剂的分子设计以来,计算机辅助分子设计技术(CAMD)已经应用于萃取精馏、液液萃取、气体吸收等领域。现行的CAMD一般是基于UNIFAC基团贡献法的,其计算流程中,结构校正是CAMD的核心部分,是基于不同优化算法实现的。按照优化机制,目前常用的优化算法主要分为:数值算法、构造型算法、非数值算法、基于系统动态演化的算法和混合型算法等。目前基于混合算法的CAMD文献中尚无报道。
化工过程系统通常采用基于过程机理和严格物性计算的精确数学模型,这类模型往往具有大规模、非线性的特点,需要耗费大量的计算时间才能求解。近年来,化工过程系统优化正从设备级扩展到车间乃至全厂级,对强大计算能力的需求更为迫切。尽管目前计算机的硬件和处理能力已经有了极大的提升,但单纯依赖单机直接进行大规模化工过程系统优化尚有许多困难。分解协调算法将一个高维数的大规模系分解成一系列相对独立的小系统,对这些小系统单独求解后用协调算法进行综合,能满足大规模、非线性化工过程系统优化的需要,具有良好的实用价值和应用前景。
目前,并行处理系统在各行各业应用越来越广,它能构建出强大的计算环境来解决各种大系统应用问题。并行处理系统主要有四大类:多向量处理系统;基于共享存储的多处理机系统(SMP);基于分布存储的大规模并行处理系统 (MPP);计算机机群系统。计算机机群系
统(Cluster of Work.stations,简称COW),是近年来迅速发展起来的一种并行处理系统,相对于其他系统,机群系统主要有系统价格低廉、可扩展性好、升级方便、高效率的软件开发等优点。大规模化工过程系统优化中,利用分解算法将大规模系统分解,在机群系统各节点实施并行计算,然后协调得到整体结果,将提高分解协调算法的计算效率,获得很好的性能价格比及强大的计算能力。
利用分解协调算法进行大规模化工过程系统优化,可以解决实际生产中计算能力不够的问题,具有良好的实用价值和应用前景。而通过机群系统对分解协调算法进行并行化,用较低的成本获取较大的计算能力,从而解决在线优化中的全局性、实时性等困难。更重要的是,可以充分利用企业内部的闲置计算能力而无须额外投资。今后的方向是建立更大规模的模型进行并行求解以及处理各个子系统的计算负载均衡等问题。
针对实际化工生产过程中故障数据缺乏,采用适合小样本问题的支持向量机( SVM) 对化工过程稳态故障进行诊断,华东理工大学自动化研究所得王灵和俞金寿,为了保证在线故障诊断的实时性,消除高维监控数据以及系统噪声对故障诊断的干扰,提出了一种新的基于二进制量子粒子群优化(BQPSO) 算法和SVM 的故障特征选择方法。特征选择方法能有效选中表征所需特征的变量,剔除不相关变量,从而实现数据降维、去噪,被广泛应用于数据预处理中。为了能准确、快速地搜索到当前故障的特征变量,提出了一种新的二进制量子粒子群优化算法,并与SVM 相结合实现对化工过程稳态故障的特征选择,以确保基于SVM 的故障诊断方法的在线故障诊断性能。
根据他们的研究,对于大型系统中故障诊断,由于系统大量的监控变量以及系统噪声的干扰,使得使用故障分类器对全部数据进行故障诊断的方法难以达到令人满意的性能。而基于特征提取的方法虽然有效地降低了数据维度,但由于特征提取方法所得的特征是系统特征而不是故障特征,因此不能确保在复杂工况下可靠地实施故障诊断。而基于故障特征选择的故障诊断方法直接选取导致故障的源变量进行故障诊断,既大大降低了处理数据维度,又准确地保留了系统故障的本质特征,因此在复杂的大系统中也可有效可靠地实现对系统的在线故障诊断。
故障特征变量提取技术作为基于故障特征选择故障诊断技术的关键,对故障诊断的有效实施起着至关重要的影响。从函数优化测试以及故障特征选择测试中可以验证,提出的BQPSO 算法能有效地跳出局部最优,更快地搜索到全局最优解,能够很好地完成特征选择的任务,保证了故障诊断的可靠性和实时性。而基于SVM 的故障分类器适用于小数据集分类问题,考虑到实际工业过程缺乏故障数据,因此提出的基于特征选择的故障诊断方法具有一定的实用价值。
粒子群优化算法是一种用于连续非线性函数优化的人工智能优化算法, 由群体智能生命模拟和进化算法两种学科交叉而成[3] 。作为一种基于群体智能的优化算法,粒子群优化算法在解决大规模非线性的连续问题中具有更高的优化效率和更好的优化结果。粒子群优化算法在理论上能够收敛到全局最优 ,而且可以在连续的实数空问内直接完成寻优任务,在神经网络训练、电力系统控制等大规模优化问题中得到广泛应用【1】。
近年来,粒子群优化算法在参数设定和更新方法上有很大改进。但理论上的研究主要集中于如何避免粒子群“早熟”,增加粒子群在空问中的散布范围和寻优时问,从而发现尽量好的最优解 ,适用于模式识别等对优化精度要求较高而对计算时问要求较低的实际问题。而对于流程工业典型设备运行中的在线预测等需要限制优化计算时间的问题, 目前的粒子群优化算法则需要在优化效率方面进一步提高。
优化技术是化工过程系统中取得最佳效益的关键.化工过程系统优化通过采集现场数据,对整个化工过程操作状况做出在线分析和评价,不断更新模型参数、修正约束条件,根据原料、产品、辅助设备费用等信息寻求过程的最佳操作条件并付诸实施,使生产过程始终
处于最优工况附近在线优化技术的应用,通常能使化工过程增加3% ~5%的效益[2].目前,国内外对于化工过程系统优化的研究方兴未艾.
化工过程系统通常采用基于过程机理和严格物性计算的精确数学模型,这类模型往往具有大规模、非线性的特点.一个典型的化工过程系统优化全联立方程维数一般在200OO~40000.其中包含了所有的单元模型方程、物性计算方程、流程联接方程 如此庞大的化工过程全联立力 程优化命题,需要耗费大量的计算时间才能求解.僻管近年来计算机的硬件和处理能力已经有了极大的提升,但单纯依赖单机直接进行大规模化过程优化尚有许多困难,而高性能的,J、型机或大型机.因其价格昂贵,企业承受能力有限而很少采用[4].录用个人计算机机群系统技术将为大规模、非线性的化工系统优化问题提供一个扩展性好、易于实现的解决方案.
利用机群系统进行化工过程系统优化,可以用较低的成本获取较大的计算能力,从而解决在线优化中的全局性、实时性等困难.更重要的是,可以充分利用企业内部的闲置计算能力而无须额外投资.
大规模化工过程系统的并行优化研究中,除了进行基础性算法的深入探讨外,关键在于建立精确的大规模过程系统模型,对传统sQP算法进行并行化改进和实际应用[5].目前,基于开放式方程模型进行化工过程系统优化已经成为应用的主流,并行优化研究也应该朝此方向进行.另外,大规模化工过程系统一般具有很大的稀疏性,对之进行LU分解后再并行求解,能有效地提高整个优化过程的效率,也是今后的研究方向.
参考文献
[1]
[2]
[3]
[4]
[5]
。。。。。。
文献检索综合报告 题目:玻璃纤维用聚酯乳液的研制及应用
姓名 罗元彬 学院
班级
学号
教师
1.课题分析(技术要点介绍) 玻璃纤维新品种的开发,其关键在于浸润剂技术。浸润剂中重要组份是成膜剂。除对纤维起保护作用外,它对玻璃纤维硬挺性集束性、短切性、分散性,浸透性
等起着关键的作用。因此,研制出所希望的成膜剂,就能开发出新的玻纤制品。玻璃纤维浸润剂的开发和研究在国外很受重视。无论是美国的OCF公司或PPG 公司,还是日本的NTB公司或法国的圣戈班公司都拥有实力雄厚的科研开发中心,每年在浸润剂品种开发上均有大量的科研成果。同时各大公司每年还要支付巨额给各大学从事有关基础理论的研究。科研开发经费占其支出的很大一部分。相对而言,我国浸润剂研究还处在成长发展阶段,能作为浸润剂的专用成膜剂种类少,性能差。对于缠绕、拉挤专用纱的软质浸润剂与国外差距较小,但对于喷射、短切、BMC等用纱的硬质浸润剂在成膜剂和配方选择上均未取得最佳,尤其浸透性和防静电性能较差。我国玻璃纤维喷射纱成膜剂目前主要是聚醋酸乙烯乳液。由于聚醋酸乙烯乳液采用聚乙烯醇做为胶体保护剂,与基体树脂结合浸透性较差。为改善喷射纱的浸透性,对聚酯乳液型成膜剂进行了多年的研究,成功地合成出满足喷射纱性能及成型工艺要求的专用聚酯乳液。
2.检索策略
2.1检索工具的选择
这是一个跟化学专业相关的课题,故必检数据库如下:
(1)中文数据库:
中国专利数据库(1985至今)
维普中文期刊数据库(1989至今)
(2)外文数据库:
欧洲专利局数据库(1975至今)
SCI数据库(1985至今)
工程索引数据库(1999至今)
3.检索步骤及检索结果
3.1维普中文科技期刊数据库
检索式:M=优化*算法*(化工+化学工程+化学工业)
命中xxx篇文献,现选择其中密切相关文献xx篇文献如下(下载到文摘内容):
(1)
(2)
(3)
。。。。。
3.2万方数据库
检索式:字段+优化 and 化工
命中9篇,先从中选择x篇相关度较大的文献如下(同上):
(1)
(2)
。。。。。。
3.3欧洲专利局数据库
检索式:字段+optimiz* and chemical and engineering
命中49篇文献,现选择相关度大的X篇文献如下(同上):
(6)
(7).
(8)
。。。。。。
3.4 SCI-EXPANDED数据库
检索式: 字段+optimiz* and chemical and engineering
命中696篇,现选择相关度大的X篇文献如下(同上):
。。。。。。
3.5 Engineering Village (EI)数据库
检索式:(optimiz* and chemical and engineering) WN KY
命中5273篇,现选择相关度大的X篇文献如下(同上):
。。。。。。
在这X篇文献中,去除重复的文献,最终筛选了X篇具有重要参考价值的文献阅读全文。
4.检索体会
(1) 对于本次课题我认识到了学习文献检索对于课题研究的重要性;充分体会到信息的重要
性;对于我们大学生来说要充分利用好网络资源为我们的学习服务;要学会利用信息,筛选信息;查找信息;掌握了信息我们就能节省时间提高学习效率同时也是我看到了我学科的发展潜力;让我更加了解我的专业我建议在以后的学习中我们的导师能多多的锻炼我们检索相关资料的能力;使我们能自我学习。学习了文献检索这门课程,我才发现,通过图书馆的电子资源,我们可以查询到许许多多的有用文献,对我们的学习具有相当大的作用,另外,还让我形成了借助这些数据库惊醒自主学习的习惯,只要有需要,我就会在这些数据库中查询自己感兴趣的东西,用来丰富自己的综合知识。可以说,通过文献检索的学习,我料及到了很多我以前所不知道的东西,以前在需要学习资料的时候不知道在哪里找,而现在完全不用茫然无头绪了,各种数据库所包含的强大的检索功能和丰富的信息资源,给我提供了很大的帮助。
(2) 选择检索词时应先确定核心词,再确定其他的检索词,并充分考虑同义词、近义词,采
用截词符、位置算符和逻辑组配制定多个检索式进行检索,并根据检索结果进行相应的调整。检索式一个不断往复的过程,不能期望以此就能得到满意的结果。
(3) 检索时应从综述论文入手。先抽取核心的关键词,制定检索时进入数据库中检索,在所
得检索结果中浏览综述性论文,或检索时直接限定综述性论文,可以帮助我们快速地了解课题的北京。而且最好从中文文献入手,这样更容易了解课题。本课题中我从维普数据库中得到最先进优化算法在化工中的应用的研究进展等的文献,帮助我快速了解了优化算法。
(4) 检索式要作相应的调整。因如果课题国内外的报道较少,在最初的查找不能满足检索目
的时,我们应主动调整检索词,选择课题中最核心的词,而去除一些较次要的词,扩大检索范围进行查找。另外,在阅读文献时我们可能会发现一些新的检索词,在保证查全率的基础上挑选有关含优先算法的信息,以期待得到更全更准的文献。
(5) 有必要阅读全文时必须阅读全文。虽然大多数文摘能显示文献的内容特征,但也有相当
一部分不能够从文摘中获取所需的信息,所以我们必须重视阅读全文。这样才能更准确的确定是否为密切相关文献。
5.国内外研究概况
化工生产中如何控制工艺条件才能是收率最高?一批资金怎样投资才能创造出最大的经济效益?各种配方如何筛选?能量如何合理利用等等都有求极大值和极小值的问题。 为了在较多因素影响的条件下少做一些实验, 尽快找到一个理想条件(即极大值或极小值),就发展了最优化方法。
最优化方法是从实践中将各种变量抽象出一个数学模型:f( x1,x2,„„xn )其中x1,x2,„„xn是几个独立的自变量,f是这些自变量的函数,称之为目标函数。通过调节自变量x1,x2,„xn的值求函数f(x1,x2,„„xn)极值的过程就是最优化方法。
最优化方法在化工生产中的应用可分为两种情况:1,设计最佳的生产流程,2 提高原油设备能力,不增加人,不增加设备,提高生产率, 使之质量达到最好、利润最高。
自1983年Gani和 Brignolel提出利用UNIFAC模型进行液液萃取过程中萃取剂的分子设计以来,计算机辅助分子设计技术(CAMD)已经应用于萃取精馏、液液萃取、气体吸收等领域。现行的CAMD一般是基于UNIFAC基团贡献法的,其计算流程中,结构校正是CAMD的核心部分,是基于不同优化算法实现的。按照优化机制,目前常用的优化算法主要分为:数值算法、构造型算法、非数值算法、基于系统动态演化的算法和混合型算法等。目前基于混合算法的CAMD文献中尚无报道。
化工过程系统通常采用基于过程机理和严格物性计算的精确数学模型,这类模型往往具有大规模、非线性的特点,需要耗费大量的计算时间才能求解。近年来,化工过程系统优化正从设备级扩展到车间乃至全厂级,对强大计算能力的需求更为迫切。尽管目前计算机的硬件和处理能力已经有了极大的提升,但单纯依赖单机直接进行大规模化工过程系统优化尚有许多困难。分解协调算法将一个高维数的大规模系分解成一系列相对独立的小系统,对这些小系统单独求解后用协调算法进行综合,能满足大规模、非线性化工过程系统优化的需要,具有良好的实用价值和应用前景。
目前,并行处理系统在各行各业应用越来越广,它能构建出强大的计算环境来解决各种大系统应用问题。并行处理系统主要有四大类:多向量处理系统;基于共享存储的多处理机系统(SMP);基于分布存储的大规模并行处理系统 (MPP);计算机机群系统。计算机机群系
统(Cluster of Work.stations,简称COW),是近年来迅速发展起来的一种并行处理系统,相对于其他系统,机群系统主要有系统价格低廉、可扩展性好、升级方便、高效率的软件开发等优点。大规模化工过程系统优化中,利用分解算法将大规模系统分解,在机群系统各节点实施并行计算,然后协调得到整体结果,将提高分解协调算法的计算效率,获得很好的性能价格比及强大的计算能力。
利用分解协调算法进行大规模化工过程系统优化,可以解决实际生产中计算能力不够的问题,具有良好的实用价值和应用前景。而通过机群系统对分解协调算法进行并行化,用较低的成本获取较大的计算能力,从而解决在线优化中的全局性、实时性等困难。更重要的是,可以充分利用企业内部的闲置计算能力而无须额外投资。今后的方向是建立更大规模的模型进行并行求解以及处理各个子系统的计算负载均衡等问题。
针对实际化工生产过程中故障数据缺乏,采用适合小样本问题的支持向量机( SVM) 对化工过程稳态故障进行诊断,华东理工大学自动化研究所得王灵和俞金寿,为了保证在线故障诊断的实时性,消除高维监控数据以及系统噪声对故障诊断的干扰,提出了一种新的基于二进制量子粒子群优化(BQPSO) 算法和SVM 的故障特征选择方法。特征选择方法能有效选中表征所需特征的变量,剔除不相关变量,从而实现数据降维、去噪,被广泛应用于数据预处理中。为了能准确、快速地搜索到当前故障的特征变量,提出了一种新的二进制量子粒子群优化算法,并与SVM 相结合实现对化工过程稳态故障的特征选择,以确保基于SVM 的故障诊断方法的在线故障诊断性能。
根据他们的研究,对于大型系统中故障诊断,由于系统大量的监控变量以及系统噪声的干扰,使得使用故障分类器对全部数据进行故障诊断的方法难以达到令人满意的性能。而基于特征提取的方法虽然有效地降低了数据维度,但由于特征提取方法所得的特征是系统特征而不是故障特征,因此不能确保在复杂工况下可靠地实施故障诊断。而基于故障特征选择的故障诊断方法直接选取导致故障的源变量进行故障诊断,既大大降低了处理数据维度,又准确地保留了系统故障的本质特征,因此在复杂的大系统中也可有效可靠地实现对系统的在线故障诊断。
故障特征变量提取技术作为基于故障特征选择故障诊断技术的关键,对故障诊断的有效实施起着至关重要的影响。从函数优化测试以及故障特征选择测试中可以验证,提出的BQPSO 算法能有效地跳出局部最优,更快地搜索到全局最优解,能够很好地完成特征选择的任务,保证了故障诊断的可靠性和实时性。而基于SVM 的故障分类器适用于小数据集分类问题,考虑到实际工业过程缺乏故障数据,因此提出的基于特征选择的故障诊断方法具有一定的实用价值。
粒子群优化算法是一种用于连续非线性函数优化的人工智能优化算法, 由群体智能生命模拟和进化算法两种学科交叉而成[3] 。作为一种基于群体智能的优化算法,粒子群优化算法在解决大规模非线性的连续问题中具有更高的优化效率和更好的优化结果。粒子群优化算法在理论上能够收敛到全局最优 ,而且可以在连续的实数空问内直接完成寻优任务,在神经网络训练、电力系统控制等大规模优化问题中得到广泛应用【1】。
近年来,粒子群优化算法在参数设定和更新方法上有很大改进。但理论上的研究主要集中于如何避免粒子群“早熟”,增加粒子群在空问中的散布范围和寻优时问,从而发现尽量好的最优解 ,适用于模式识别等对优化精度要求较高而对计算时问要求较低的实际问题。而对于流程工业典型设备运行中的在线预测等需要限制优化计算时间的问题, 目前的粒子群优化算法则需要在优化效率方面进一步提高。
优化技术是化工过程系统中取得最佳效益的关键.化工过程系统优化通过采集现场数据,对整个化工过程操作状况做出在线分析和评价,不断更新模型参数、修正约束条件,根据原料、产品、辅助设备费用等信息寻求过程的最佳操作条件并付诸实施,使生产过程始终
处于最优工况附近在线优化技术的应用,通常能使化工过程增加3% ~5%的效益[2].目前,国内外对于化工过程系统优化的研究方兴未艾.
化工过程系统通常采用基于过程机理和严格物性计算的精确数学模型,这类模型往往具有大规模、非线性的特点.一个典型的化工过程系统优化全联立方程维数一般在200OO~40000.其中包含了所有的单元模型方程、物性计算方程、流程联接方程 如此庞大的化工过程全联立力 程优化命题,需要耗费大量的计算时间才能求解.僻管近年来计算机的硬件和处理能力已经有了极大的提升,但单纯依赖单机直接进行大规模化过程优化尚有许多困难,而高性能的,J、型机或大型机.因其价格昂贵,企业承受能力有限而很少采用[4].录用个人计算机机群系统技术将为大规模、非线性的化工系统优化问题提供一个扩展性好、易于实现的解决方案.
利用机群系统进行化工过程系统优化,可以用较低的成本获取较大的计算能力,从而解决在线优化中的全局性、实时性等困难.更重要的是,可以充分利用企业内部的闲置计算能力而无须额外投资.
大规模化工过程系统的并行优化研究中,除了进行基础性算法的深入探讨外,关键在于建立精确的大规模过程系统模型,对传统sQP算法进行并行化改进和实际应用[5].目前,基于开放式方程模型进行化工过程系统优化已经成为应用的主流,并行优化研究也应该朝此方向进行.另外,大规模化工过程系统一般具有很大的稀疏性,对之进行LU分解后再并行求解,能有效地提高整个优化过程的效率,也是今后的研究方向.
参考文献
[1]
[2]
[3]
[4]
[5]
。。。。。。