复杂工业全流程分层混合优化控制方法研究

With the rapid development of technology, producing technology are becoming more and more complicated, industrial production processes is becoming continuous and large. The plant-wide optimization of multiple units complex industrial process aiming at high efficiency, low consumption and improving the economic benefit, is a major research topic. In order to solve the problem of mathematical model-based and data-based plant-wide optimization, hierarchical hybrid optimization control for plant-wide processes is proposed in this project, including: 1) the structure and framework of hierarchical hybrid optimization control for plant-wide processes, 2) express and decision making technique of indices in plant-wide of multiple units industrial process based on the output and minimum cost model, 3) hybrid data modeling method based on the combination of actual data and simulated data and data compensation method based on the grey relating methods of hybrid data in order to solve the problem of data deficiency, 4) decision making strategy of indices taking the model error into consideration, 5) optimization calculation strategy based on process prior knowledge for solve large scale processes, 6) development of the effective intelligent optimization algorithms applied to solve optimization control problem for plant-wide processes, 7) the validations through the simulation and industrial application based on representative multiple units complex industrial process. The project will propose the feasible theory and the method about the plant-wide optimization of multiple units complex industrial process and show the important theory significance and engineering application value.

随着科学技术进步，生产工艺和生产工序越来越复杂，逐步向连续化和大型化发展。研究如何实现复杂工业生产全流程优化控制对于企业实现高效低耗具有重要意义。针对目前基于模型方法难以分层决策、基于数据方法因缺乏实际数据而难以实现等问题，本项目提出复杂工业全流程分层混合优化控制方法，包括：全流程分层混合优化控制总体结构与框架；研究针对基于模型分层决策问题的基于产出与最低消耗模型的指标相关关系描述及决策方法，研究针对数据缺乏的基于实际与仿真数据相结合的混合数据建模方法、基于混合数据关联分析的数据补偿方法，研究面向大规模流程的基于工艺先验知识分块的全流程指标优化计算方法，考虑模型误差的基于指标模型修正的全流程指标决策方法，求解全流程优化控制问题的高效智能优化算法等；以某典型复杂工业生产流程为背景进行仿真和应用验证。本项目申请将为多工序复杂工业全流程优化控制提供新的理论与方法，为其实际应用奠定理论与方法基础。

随着科学技术进步，生产工艺和生产工序越来越复杂，逐步向连续化和大型化发展。研究如何实现复杂工业生产全流程优化控制对于企业实现高效低耗具有重要意义。针对目前基于模型方法难以分层决策等问题，本项目对复杂工业全流程分层优化控制相关理论与方法进行了研究，并取得如下主要研究进展：首先，确定并建立复杂工业生产全流程分层优化控制总体结构与框架；在全流程分层优化控制总体结构框架下，依据分层决策思想，提出基于最小消耗模型的全流程分层优化控制方法；针对大规模复杂工业生产流程优化问题，提出了基于操作变量耦合关系分解的全流程优化方法、基于工序质量指标耦合关系分解的全流程分层优化方法；在基于模型的全流程优化方法基础上，提出了基于数据的全流程优化补偿方法、模型失配条件下的工序优化控制与补偿方法以及高效智能优化算法等一系列切实可行的全流程分层优化理论、策略与方法，并进行了一些典型复杂工业生产流程优化控制应用基础研究，为复杂工业全流程优化控制的实际应用与推广奠定理论与方法基础。项目达到预期研究目标，并较好地完成了预期研究成果。.本项目提出的基于最小消耗模型的全流程分层优化方法将全流程优化问题分解为指标优化与过程回路设定优化两级决策问题，有效地解决了基于模型方法难于实现分层决策的难题。同时，通过本项目的研究，疏理与凝炼出一系列更高层次的科学与技术问题，为复杂工业生产全流程优化控制理论与技术的进一步发展提供了方向与目标，对于该领域的研究与发展具有重要作用。.本项目经过四年的研发工作，取得了一系列研究成果，共发表学术论文27篇，其中，SCI检索源期刊论文13篇，国内一级期刊论文3篇，EI检索20篇，并全部标注国家自然科学基金资助；申请或授权发明专利4项；培养博士研究生3名，硕士研究生7名；参加包括IEEE CASE、CAC等学术会议与学术交流20人次；邀请外籍专家来华讲学1人次，邀请国外访问学者1人次。

内容获取失败，请点击重试