基于pls框架动态优化方法的研究

《基于pls框架动态优化方法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、Author’Ssignature：一‘■‘Supervisor’Ssignature：ExtemalReviewers：i△坠QnY娶!Q望璺l』地Q蚁婴Q坠墨li△坠QDX堕嫂墨lExaminingCommitteeChairperson：Dateoforaldefence：曼坚坠宝曼兰，至Q至垄一～一一一～浙江大学研究生学位论文独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得澎鎏盘堂或其他教育机构的学位或证书而使用过的材料。与

2、我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。撇一繇覆纱水黼期嘞砂年m夕日学位论文版权使用授权书本学位论文作者完全了解逝姿盘堂有权保留并向国家有关部门或机构送交本论文的复印件和磁盘，允许论文被查阅和借阅。本人授权逝’江盘堂可以将学位论文的全部或部分内容编入有关数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名：琳⋯名：名节签字日期：弘修年多月少日签字日期：伽l，年，月·f日致谢五年的博士生涯即将结束，在论文完成之际，向所有关心、支持、帮助过我的老师、同学

3、、亲人、朋友表示最真挚的感谢。首先最需要感谢的是我的导师梁军教授，论文的顺利完成离不开梁老师的谆谆教诲和悉心指导，能成为梁老师的学生是我一生的幸运。梁老师严谨务实的治学态度、敏锐深邃的洞察力、敏捷开阔的思维、勤恳的工作作风一直影响和激励着我，我将继续以此作为今后工作和生活的榜样。感谢邵之江教授、陈曦教授、宋执环教授、刘兴高教授、王慧教授、赵豫红副教授、王可心博士，感谢你们在学习中给予我的无私帮助。感谢课题组的刘育明、熊丽、叶鲁彬、石向荣、栾振华、胡斌、吴雪峰、杨敏、段斌、赵望、张伟杰、吕燕、池清华、李浩、潘衍、赵利、刘康玲等同学，跟你们的交流和讨论让我获益良多。

4、你们给我带来的欢笑与快乐，我永远不会忘记。特别感谢池清华，在我压力很大的时候替我分担了很多工作。感谢109寝室的陈贵、文双全和李晟，和你们一起相处的时光，让我感受到枯燥的学习生活中不一样的乐趣，谢谢你们一直以来的鼓励和陪伴。最后，再次感谢所有关心和帮助过我的老师、同学、朋友和家人。谨以此文献给这么多年来一直为我无私付出的父母。责正顺2012年6月于求是园ll摘要随着全球化市场竞争的加剧以及国家对节能减排要求的提高，动态优化在现代工业过程中得到了越来越多的关注。传统的动态优化一般都需要建立过程对象的微分代数(DAE)方程形式的机理模型，但是由于过程的复杂性以及人们

5、认识的局限性，要建立准确的机理模型显得十分困难。然而得益于计算机技术的进步和企业信息化水平的提高，现代工业企业可以很容易地获取大量的生产过程数据信息。为发掘企业的数据资源优化企业效益，本文研究了在PLS数据模型框架下的动态优化问题，为机理模型难获取情况下的过程动态优化问题提供了便利可行的解决办法。本文的主要研究工作包括：1、了解传统动态优化方法的相关特点是深入研究PLS框架下的动态优化方法的前提和基础。本文首先讨论了传统动态优化方法及相关改进方法。研究了工业过程中典型的动态优化问题一一聚合反应过程牌号切换操作优化，建立了聚合反应过程的机理模型，构造了过渡过程的动

6、态优化命题。为解决带路径约束的动态优化问题提出了一种改进的控制变量参数化方法。另外，考虑到梯度类算法在求解过程中需要提供大量梯度信息并且容易陷入局部极值点的问题，在遗传算法基础上构造了新的逐维进化算法，在得到全局最优点的同时能够保证较好的求解效率。2、针对过程对象准确的微分代数方程模型难以建立的情况，提出了一种基于过程输入输出数据模型的动态优化策略。该方法在PLS框架下为表征过程的动态和非线性特性，PLS内模型采用ARX串联神经网络(neuralnetwork，NN)的结构来描述。由于在建立对象的ARX-NNPLS模型的过程中已经对对象的动态特性进行了恰当描述，

7、在基于ARX-NNPLS模型的动态优化策略中，不再需要进行变量的离散化处理也不需要进行DAE方程的迭代求解，从而使得优化计算时间相比传统的控制变量参数化方法大大减少。3、交量降维特性是PLS方法的一个重要优点。针对在基于PLS数据模型动态优化策略在变量数目较大时对变量约束处理起来工作量和计算量都较大的问题，提111出了隐变量动态优化方法，其中采用跟隐变量相关的统计量来表示过程约束。通过引入隐变量优化方式，在隐变量空间中进行优化，能够在降低优化变量维数的同时简化约束条件处理，提高计算速度。4、快速有效地求解非线性动态优化问题是实现非线性模型预测控制(Nonline

8、armodelpredi