| 【中文题名】 | 遗传算法在Petlyuk塔计算机辅助设计中的应用 |
| 【英文题名】 | The Application of Genetic Algorithms to Computer-aided Design of Petlyuk Distillation Column |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-29 |
| 【中关键词】 | 完全热耦合精馏塔,Petlyuk塔,分隔型热耦合塔,遗传算法,性别,多目标优化 |
| 【英关键词】 | fully thermally coupled distillation column,Petlyuk column,dividing-wall column,genetic algorithms,sex,multiobjective optimization,time comsuming, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 |
传统能源日益枯竭，利用新能源的技术又不成熟；人们的环保意识日益增强，节能是环保的一个方面；我国的企业在同等产值上的能耗远远高于世界平均水平。在这样的背景下，研究节能技术显得十分重要。
在化学工程领域，有一个活跃的研究方向一化工过程强化，其目标是节能。精馏过程所消耗的能源占整个化学工业的能耗的很大比例，因此在精馏过程中进行过程强化对化学工业的节能显得很重要。Petlyuk精馏是一种过程强化技术，它既节能又节约设备投资，还有其它优点，具有极为诱人的发展前景，因此吸引了许多来自学术界和工业界的目光。尽管Petlyuk塔有许多诱人的优点，但是由于缺少一种可靠的设计技术，以及控制这种塔的技术也不成熟，使得它难以广泛应用。
Petlyuk塔的设计过程涉及十分复杂的优化问题，本文进行了两次问题转化，以降低问题的复杂性，但是转化后的问题依然复杂：约束极为复杂；被优化的变量属于不同的数据类型而且这些变量之间有复杂的联系；组合优化和函数优化交织在一起，同时又是多目标优化；计算个体的适应值很耗时。考虑到遗传算法在约束优化、组合优化、函数优化以及多目标优化方面的巨大潜力，本课题试图用遗传算法解决Petlyu... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
ABSTRACT |
4-9 |
|
第1章 引言 |
9-14 |
|
1.1 课题的背景 |
9-10 |
|
1.2 Petlyuk塔和它的现状 |
10-12 |
|
1.3 课题的意义 |
12-14 |
|
第2章 Petlyuk塔的计算机辅助设计 |
14-22 |
|
2.1 精馏塔计算机辅助设计与精馏过程模拟 |
14 |
|
2.2 精馏过程的数学模型 |
14-15 |
|
2.3 精馏过程模拟的分类 |
15-16 |
|
2.3.1 平衡级精馏模拟 |
15 |
|
2.3.2 非平衡级精馏模拟 |
15 |
|
2.3.3 非平衡混和池精馏模拟 |
15-16 |
|
2.3.4 稳态精馏模拟与非稳态精馏模拟 |
16 |
|
2.4 稳态平衡级精馏模拟的意义及作用 |
16-17 |
|
2.5 解稳态平衡级精馏模型的算法 |
17-19 |
|
2.5.1 方程解离法 |
17-18 |
|
2.5.2 同时校正法 |
18-19 |
|
2.5.3 IO法 |
19 |
|
2.5.4 松弛法 |
19 |
|
2.5.5 同伦法 |
19 |
|
2.5.6 序贯模块法 |
19 |
|
2.6 模拟或设计Petlyuk塔的方法 |
19-22 |
|
2.6.1 基于逐板计算的Petlyuk塔的设计 |
20-21 |
|
2.6.2 设计Petlyuk塔的其它方法 |
21-22 |
|
第3章 化工过程模拟软件Aspen plus |
22-27 |
|
3.1 运行Aspen plus |
22 |
|
3.2 Aspen plus的主界面 |
22-23 |
|
3.3 建立一个新模拟 |
23-24 |
|
3.4 Aspen plus的MultiFrac模型 |
24 |
|
3.5 Aspen plus的ActiveX自动化服务器 |
24-27 |
|
第4章 遗传算法 |
27-41 |
|
4.1 遗传算法的背景—从生物进化到进化计算 |
27-28 |
|
4.2 遗传算法中的术语与生物学中的术语的对比 |
28-29 |
|
4.3 遗传算法的基本构成 |
29-30 |
|
4.4 表达 |
30-31 |
|
4.5 产生初始种群 |
31 |
|
4.6 评价个体 |
31-32 |
|
4.7 遗传算法中的性别 |
32 |
|
4.8 父代选择 |
32-34 |
|
4.8.1 遗传算法中的非随机交配 |
33-34 |
|
4.9 重组 |
34-38 |
|
4.9.1 多父代重组 |
34-38 |
|
4.10 变异 |
38-39 |
|
4.11 幸存者选择 |
39 |
|
4.12 约束处理 |
39 |
|
4.13 遗传多目标优化 |
39-41 |
|
第5章 Petlyuk塔计算机辅助设计的遗传算法实现 |
41-61 |
|
5.1 问题的描述 |
41-43 |
|
5.2 问题的转化再转化 |
43-45 |
|
5.2.1 将多目标优化转化为单目标优化 |
43-44 |
|
5.2.2 将单目标优化转化为多目标优化 |
44-45 |
|
5.3 存在的困难 |
45-47 |
|
5.4 遗传算法的设计与实现 |
47-61 |
|
5.4.1 表达 |
47-50 |
|
5.4.2 基于多目标的考虑 |
50-51 |
|
5.4.3 定义性别 |
51-52 |
|
5.4.4 动态的种群规模 |
52 |
|
5.4.5 创建初始种群 |
52 |
|
5.4.6 评价个体 |
52-53 |
|
5.4.7 父代选择 |
53 |
|
5.4.8 基因的连锁与重组 |
53-56 |
|
5.4.9 变异 |
56-57 |
|
5.4.10 约束处理 |
57-58 |
|
5.4.11 幸存者选择 |
58 |
|
5.4.12 男女比例调节与种群规模控制 |
58-59 |
|
5.4.13 应用实例 |
59-60 |
|
5.4.14 小结 |
60-61 |
|
第6章 结论与展望 |
61-62 |
|
致谢 |
62-63 |
|
参考文献 |
63-66 |
|
附录A 程序的运行结果 |
66-75 |
|
攻读学位期间的研究成果 |
75 |
|
| 【DOI】 | LunWen.ID:2.2008.370546 |
