[發(fā)明專利]一種膜內(nèi)微電荷互力P系統(tǒng)FCC反應再生過程最優(yōu)建模方法

有效

• 申請?zhí)枺?/td>: 201810597225.8
• 申請日: 2018-06-08
• 公開（公告）號: CN108710779B
• 公開（公告）日: 2022-09-16
• 發(fā)明（設計）人: 楊世品;侯宇;鮑敏;李麗娟;薄翠梅
• 申請（專利權）人: 南京工業(yè)大學
• 主分類號: G16C20/10
• 分類號: G16C20/10;G06N3/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種膜內(nèi)微電荷互力P系統(tǒng)FCC反應再生過程最優(yōu)建模方法，其特征包括如下步驟：

1)通過現(xiàn)場操作或者實驗獲得煉油廠流化催化裂化過程的關鍵采樣數(shù)據(jù)，對于每一組反應-再生器的各種輸入，結合初始非精確模型預測反應-再生器的3種主要輸出，將其與反應-再生器在等同輸入變量下的實際監(jiān)測輸出的誤差平方和作為目標函數(shù)；

2)根據(jù)細胞膜對進出細胞營養(yǎng)物質的轉運作用、已進入膜內(nèi)帶電離子的相互作用，該相互作用指的是同種電荷相互排斥、異種電荷相互吸引，抽象出高效的石油流化催化裂化反應再生過程的優(yōu)化建模方法；受細胞膜內(nèi)帶電離子相互作用的啟發(fā)，提出如下一種膜內(nèi)微電荷互力P系統(tǒng)優(yōu)化算法的規(guī)則：選擇規(guī)則、轉運規(guī)則、微電荷互力規(guī)則、自適應變異規(guī)則、終止規(guī)則；

3)設定P系統(tǒng)優(yōu)化算法的初始環(huán)境和參數(shù)：拓撲結構、P系統(tǒng)運行的循環(huán)次數(shù)G＝500、自適應變異概率為交流概率p_c＝0.2、轉運概率p_sc＝0.2、超空間距離因子K_d＝0.2、可接受誤差的大小ε＝1×10^-4和終止規(guī)則，其中a_p＝0.01，b_p＝0.29，c_p＝15/G，G₀＝G/2，g為當前運行代數(shù)；

4)運行所提膜內(nèi)微電荷互力P系統(tǒng)優(yōu)化算法估計重質油品輕質化的流化催化裂化FCC工藝中反應再生過程模型中的未知參數(shù)：其中6組輸入變量與3組輸出變量均存在交叉?zhèn)鬟f關系，其傳遞函數(shù)的z變化模型可表示為如下模型：

可見，對每個子過程MV_i(z)→CV_j(z)，只要確定參數(shù)a_ij(1)、a_ij(2)、a_ij(3)、b_ij(1)、b_ij(2)及d_ij(i＝1，2，…，6)，F(xiàn)CC反應再生過程的數(shù)學模型即可描述所研究對象的過程特性；每個控制變量有36個參數(shù)需要辨識；

5)為保證模型的預測精度，我們需要為模型選擇一組最佳參數(shù)，在此參數(shù)組下，某一目標函數(shù)值能夠最小化，通過最小化如下目標函數(shù)：

式中，f_j為第j個控制變量的SSE；ns為估計每個CV_j參數(shù)時所使用的采樣點個數(shù)；CV_j，k為根據(jù)式(1)計算得到的第k個模型預測輸出；為與CV_j，k相對應的同一給定操作下的真實過程采樣值；得到FCC反應再生過程模型中未知參數(shù)的估計值，將估計值代入FCC反應再生過程模型中，形成可高精度預測流化催化裂化反應再生過程的三個關鍵輸出量的數(shù)學模型；

其中，根據(jù)細胞生物學觀點，細胞膜能夠識別各種離子物質的類型，同時有針對的對這些離子進行主動轉運；這些帶電離子與膜內(nèi)外已有的帶電粒子存在一定的相互作用，根據(jù)同種電荷相互排斥、異種電荷互相吸引的概念，微電荷互力規(guī)則詳細步驟如下：

a.在算法開始階段給每個對象隨機賦一種電荷“+”或“-”，L＝1；

b.當當前膜內(nèi)個體均進化完畢，假設通過交流規(guī)則獲取優(yōu)秀個體數(shù)為C(C＞＝1)，則針對這C個優(yōu)秀個體，依照各自適應度值依次排序，將第L個優(yōu)秀個體融入到其外層膜；

c.其外層膜內(nèi)個體經(jīng)過適應度值排序后，保留其原有的K＝round(m*P_ch)個個體，從k＝K+1個個體開始：計算當前第k個個體與進入到當前膜內(nèi)的個體的歐氏空間距離如果當前第k個個體當前所帶電荷的極性與進入到當前膜內(nèi)的電荷極性相同，根據(jù)同種電荷互相排斥原理，則針對當前第k個個體進行按變量自由度進行掃描，j＝1；

d.如果x_C1，j＜x_k，j，則否則K_d為偏置系數(shù)，為0.5；

e.如果當前第k個個體當前所帶電荷的極性與進入到當前膜內(nèi)的電荷極性相異，根據(jù)異種電荷互相吸引原理，則進行下步操作；

f.如果x_C1，j＜x_k，j，則否則

g.如果當前個體其它維度未完成遍歷，則j＝j+1，返回步驟d；否則將當前k個體的帶電屬性取反，該帶電屬性取反操作能防止好的初始候選解被恒定的當前最優(yōu)解始終排斥或始終吸引聚集，同時k＝k+1；如果k超出單層膜內(nèi)個體數(shù)量最大索引，直接進入下一步，否則返回步驟c；直到第k個個體到第m個個體均已完成更新；

h.L＝L+1，同時刪除該膜內(nèi)適應度值最差的個體，以避免第L個個體進入到膜內(nèi)引起的個體數(shù)增加，保證單層膜內(nèi)個體數(shù)量恒定；如果L超出C個優(yōu)秀個體數(shù)量最大索引，直接進入下一步，否則返回步驟b；

i.結束；

值得指出的是：1)當兩個比較個體均帶同種電荷，且其間距離下的斥力使得待更新對象的某一個變量執(zhí)行操作時，有可能使得更新后的對象超過當前變量的搜索邊界，實際中需要檢測，采用越界等距回彈來保證其更新后的個體每一維變量均不越界；2)算法允許情況下，針對每次的均評價新個體的適應度值，精英保留策略保證僅保留有效更新；微電荷互力規(guī)則下的算法將根據(jù)對象間的帶電屬性及電荷互力原理使得個體集在整個搜索空間重新隨機分布。