欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022109499433
申请人: 陕西师范大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于多目标粒子群优化算法的合成气生产优化方法,其特征在于,包括如下步骤:

S1,设定合成气的工艺参数和目标函数,优化目标如下:

1)最大化CH4转换率,f1;2)最大化CO选择率,f2;3)最小化H2/CO比率,f3;

S2,初始化:设需要的种群数量为N,以O2/CH4进料摩尔比、气体时空速GV及温度T为生产工艺参数的三个自变量x=(x1,x2,x3),在符合实验要求的范围内随机生成一组数量为2N的初始粒子以及一组初始速度,通过所述随机生成的初始粒子计算出相应的f(x)={fi(x)|x∈Ω,i=1,2,3},即为目标空间,通过一组方向向量(γ1,γ2,…γN),将目标空间划分为N个子区域,并设立一个参考点Z=(Z1,…,Zm),其中,Zi=min{fi(x)|x∈Ω,i=1,2,3};

S3,分解和适应度计算:对种群根据子区域进行分解,选出各子区域中的最优解;根据最优解对剩余解再进行划分,选择能使超体积值最大的解,选出等于种群数量N的解为止,同时为领域更稀疏的解分配更高的适应度值;

S4,生成新解:利用所述能使超体积值最大的解进行交叉操作和领域校正来产生后代,以及产生一组新的速度;

S5,更新:如果存在j=1,…,m,使得Zj>min{fj(x)|x∈Ω},更新参考点,并根据适应度来更新粒子,以及更新pbest和gbest;

S6,变异:使一部分粒子变异;

S7,混合父代与子代,竞争产生下一种群,返回S3重复操作,迭代至设定次数后完成,即得到尽可能使f1、f2和f3最优时的O2/CH4进料摩尔比、气体时空速GV及温度T三个生产工艺参数。

2.根据权利要求1所述的基于多目标粒子群优化算法的合成气生产优化方法,其特征在于,目标函数为:f1=-8.87×10-6×(86.74+14.6(O2/CH4)-3.06GV+18.82T+3.14(O2/CH4)GV-6.91(O2/CH4)2-13.31T2)f2=-2.152×10-9×(39.46+5.98(O2/CH4)-2.4GV+13.06T+2.5(O2/CH4)GV+1.64GVT-3.9(O2/CH4)2-10.15T2-3.69GV2(O2/CH4))+45.7f3=4.425×10-10×(1.29-0.45T-0.112(O2/CH4)GV-0.142GVT+0.109(O2/CH4)2+0.405T2+1.67T2GV)+0.18f1=CCH4,f2=SCO,f3=H2/COratio。

3.根据权利要求1所述的基于多目标粒子群优化算法的合成气生产优化方法,其特征在于,种群POP通过公式分成N类(P1,P2,…,PN),目标空间Y通过公式分为N个子区域(Y1,Y2,…,YN),Δ(F(x),γi)是γi与F(x)-Z之间夹角的余弦,如果一个子区域内有一个解,则选择该解;如果一个子区域内有多个解,选择Δ(F(x),γi)值最大的点作为该子区域中的最优解。

4.根据权利要求1所述的基于多目标粒子群优化算法的合成气生产优化方法,其特征在于,分解和适应度计算时,采用超体积值作为适应度函数,选择最优解以及剩余解中使超体积值最大的粒子。

5.根据权利要求4所述的基于多目标粒子群优化算法的合成气生产优化方法,其特征在于,S3中,对于已选出的最优解,将其组成的集合定义为A={x1,…,xn},剩余解所组成的集合定义为B={xn+1,…,xN},对于B中的任意一个解由下式确定其邻居集合其中m是集合C的大小:然后确定C的上界和下界其中再由CU和CL确定集合DF:

计算DF中每一个解与CU构成的超体积值,选择该子区域中能使超体积值最大的个体记为y1,令B=B-DF,重复上面的操作可以得到一组解y1,…,yK。

6.根据权利要求1所述的基于多目标粒子群优化算法的合成气生产优化方法,其特征在于,S3中,为相对更加稀疏领域的支配解赋予更好的适应度值,采用拥挤度距离作为适应度函数,通过基于拥挤距离的二元锦标赛选择,选择出N个最佳粒子。

7.根据权利要求1所述的基于多目标粒子群优化算法的合成气生产优化方法,其特征在于,S3中,若最优解的个数n≥N/2,即根据最优解划分出的区域数n+1≥N/2,得到的超体积值最大的解k≥N/2,则根据它们超体积值的大小进行排序,将超体积值大的和集合A保留下来作为下一代种群;若最优解的个数n

8.根据权利要求1所述的基于多目标粒子群优化算法的合成气生产优化方法,其特征在于,S4中,第k个粒子的速度为vk=(vk1,…,vkn),位置为xk=(xk1,…,xkn),在每一次迭代中,粒子通过之前的全局最优值gbest与局部最优值pbest来更新粒子的速度与位置:通过当前粒子的领域进行搜索,利用邻域信息对当前粒子进行校正,粒子x的校正策略为:

xnew=x+0.5*(x′-x″)

其中,x′是全局最优,x″是局部最优。

9.根据权利要求1所述的基于多目标粒子群优化算法的合成气生产优化方法,其特征在于,选择粒子x时,确定每个选定粒子的局部最优值pbest和全局最优值gbest,随机选择一个解作为全局最优值gbest或使用粒子的相邻解来确定其全局最优值gbest,全局最优值gbest是相邻解中目标向量与中心向量夹角最小的那个非支配解。