一种基于灰狼算法CSTR周期操作参数的优化方法与流程

一种基于灰狼算法cstr周期操作参数的优化方法
技术领域
1.本发明涉及一种cstr操作参数的优化方法，特别是涉及一种基于灰狼算法cstr周期操作参数的优化方法。


背景技术：

2.cstr反应釜是聚合化学反应中广泛使用的一种反应器，在化学生产的核心设备中占有相当重要的地位，在染料，医药试剂，食品及合成材料工业中，得到了广泛的应用。传统的化学反应在cstr中运行一般采用稳态的操作，其目的是便于控制，随着技术的进步周期操作已经证实能够在稳态输出的基础上提高反应物的转化率。
3.目前的研究主要集中在周期操作反应转化率的分析和评估上，对于周期操作下系统参数的优化问题研究较少，要想在周期操作下的反应率达到最优的效果必须引入优化方法对周期操作的参数进行优化寻优，利用启发式搜索方法分析是解决这类问题最有效、最快、最可靠的方法。自然启发算法具有良好的并行性和自主探索性，极大减少了解决复杂问题带来的时间成本与计算成本，给解决复杂问题提供了一种全新的思路和手段。灰狼算法是一种元启发式人工智能算法，具有差分进化和引力搜索能力，其结构简单、参数少、容易运算的特点。


技术实现要素：

4.本发明的目的在于提供一种基于灰狼算法cstr周期操作参数的优化方法，本发明首次提出了使用灰狼算法优化cstr周期操作参数,能够在设置少量参数的情况下快速的找出一组使产物反应率明显提高的参数，对化学工业的转化率的提升有着重要的意义，为实际工业生产中周期操作的参数优化提供参考依据。
5.本发明的目的是通过以下技术方案实现的：一种基于灰狼算法cstr周期操作参数的优化方法，所述方法包括以下步骤：步骤a，建立cstr反应动力学的机理模型；步骤b，引入灰狼算法（gwo）对周期操作下的cstr中周期操作的参数幅值a，谐波频率 进行寻优；其中，步骤a具体包括考虑发生在非等温cstr中的一个均匀的阶反应a
®
product；分析冷却流温度和原料流量的周期性操作对非等温cstr性能的影响；反应物a的反应速率：（1）其中，是反应物浓度、温度、是arrhenius方程中的指数因子、代表活化能和是普适气体常数；反应物a的物质平衡方程是：
（2）反应物a的能量平衡方程为：（3）其中，是时间，是反应流的体积流量，是反应器的体积，反应热，是整体传热系数，是换热的比表面积，密度，比热容；步骤b中具体采用如下方式：（1）初始化算法参数，设置种群规模，迭代次数和限制条件的范围，在参数空间产生一组灰狼搜索种群；（2）计算初始狼群中每个搜索个体的目标函数值，排序并生成灰狼群的种族社会等级；（3）更新非线性收敛因子a，系数a,c和灰狼个体位置；（4）在matlab仿真环境下运行cstr的机理模型，对cstr的输入进行周期操控，并向算法输出对应的适应度值；（5）根据系统输出的适应度值，更新当前狼群的位置，输出新的优化结果；（6）重复步骤s23与s24，直到算法达到最大的迭代次数；（7）完成优化。输出优化好的参数幅值a，谐波频率；灰狼优化算法的目标函数具体的表现形式并设置其参数的限制范围：灰狼优化算法的目标函数具体的表现形式并设置其参数的限制范围：（4）。
6.本发明的优点与效果是：本发明使用灰狼算法对周期操作下cstr的参数进行优化，实现参数的智能寻优，辨识找出使反应物剩余量最小的一组参数。仿真结果表明，优化辨识出的参数能够使其反应物的反应率明显提高。
7.本发明方法依据cstr系统的机理模型，采用周期操作技术对cstr进行操控，接着引用灰狼算法对其变量周期操作的参数幅值a和谐波频率优化寻找到使cstr输出的剩余产物最小的参数。该方法简便实用，收敛性好，需要设置的参数少，运行快速，优化的参数可靠可行，为实际工业生产过程的周期操作参数整定提供了较好的参考，具有良好的工程应用前景。
8.本发明首次提出了使用灰狼算法优化cstr周期操作参数,能够在设置少量参数的情况下快速的找出一组使产物反应率明显提高的参数，对化学工业的转化率的提升有着重要的意义，为实际工业生产中周期操作的参数优化提供参考依据。
附图说明
9.图1是基于灰狼算法的cstr周期操作参数优化方法流程图；
图2为本发明灰狼优化算法优化参数流程；图3是灰狼优化算法原理描述图；图4是冷却液温度作为单周期操作的输入量时，优化其参数的最终原料剩余量与未优化时的对照图；图5是反应物流速作为单周期操作的输入量时，优化其参数的最终原料剩余量与未优化时的对照图。
具体实施方式
10.下面结合附图所示实施例和实验例对本发明做进一步具体说明。
11.本发明一种基于灰狼算法的cstr周期操作参数优化方法，包括如下步骤：（1）建立cstr的机理模型，使用周期操作对cstr的输入量进行操控。
12.（2）引入灰狼优化算法gwo，建立以使产物的剩余量最小为目标，对周期操作的幅值a，谐波频率进行寻优。
13.该方法对周期操作的幅值a，谐波频率进行寻优具体采用如下方式：1:初始化算法的参数，设置种群规模，迭代次数，变量个数以及限制空间的大小；2:计算初始狼群中每个搜索个体的目标函数值并且确定其最优值，次优值以及次次优的值，生成灰狼种群的社会等级；3更新非线性收敛因子a，系数a,c和灰狼个体位置；4:在matlab仿真环境下运行cstr的机理模型，对cstr的输入进行周期操控，并向算法输出对应的适应度值；5:根据系统输出的适应度值，更新当前狼群的位置，输出新的优化结果；6:重复步骤s23与s24，直到算法达到最大的迭代次数；7:完成优化。输出优化好的参数幅值a，谐波频率。
14.该方法建立灰狼优化算法的目标函数具体的表现形式并设置其参数的限制范围：。
15.实施例：如图1所示，为一种基于灰狼算法的cstr周期操作参数优化方法的流程图，要实现对cstr周期操作的参数优化辨识，首先建立cstr的机理模型；接下来进行算法的参数设置，对算法种群进行初始化，进行运算根据适应度的大小选择狼群个体的顺序，适应度越小，参数越接近实际值，检查迭代次数是否达到最大以此判断优化是否结束。如果已达到最大迭代数，输出此时的最优狼的位置，实现周期操作参数的优化辨识，如果未达到最大迭代数，那么需要重新回到种群初始化的步骤，继续计算，直到满足条件。
16.图2为灰狼算法的优化流程图，灰狼优化算法（grey wolf optimizer，gwo）由mirjalili等人在2014年首次提出，算法中的狼群模拟了自然中的狼群的等级制度，从不同的影响力和领导能力的角度分为四个等级，分别为狼，其中作为最佳适应度
值的候选狼的，第二和第三适应度值的候选狼为和，算法中除了上述三种狼其余的狼总称为。
17.狼群在的带领下对猎物进行包围寻找，不断迭代更新的位置和对应的适应度可以用式(1)、(2)来表示：其中：d是灰狼个体与猎物之间的距离；t为当前迭代次数；和为向量系数；为目标方向向量；为其中某一搜索个体当前位置向量；为下一步移动方向向量。
18.系数向量和分别用式(3)
‑
(5)表示：其中为最大迭代次数，参数在优化过程中随着迭代次数t的增加由2到0线性递减，和的模为[0，1]之间的随机数。
[0019]
当狼群发现猎物时，头狼 发出猎杀指令，带领狼群对猎物发起攻击，因为狼、狼、狼位置最靠近猎物，所以根据这三头狼的位置可以判断猎物的位置也就是最佳狼的位置。此时狩猎猎物的过程可以用公式(6)
‑
(8)来描述：（6）（7）（8）上述算法描述如图3所示，可以观察到，狼群在2d搜索空间中不断更新位置，最终的位置将会涉及一个由搜索空间中的位置定义的圆内的一个随机位置。换句话
说，估计猎物的位置，而狼则随机更新它们在猎物周围的位置。
[0020]
实验例：将反应物流速和冷却液温度作为周期操作的输入量为优化目标进行参数优化，所用仿真平台处理器为intel core i5
‑
8400,主频2.8ghz,内存8g，操作系统为win10的pc，采用matlab2019（b）版进行算法编程与系统仿真。
[0021]
步骤1，搭建cstr反应动力学的的机理模型。根据cstr的能量与物料守恒定律在matlab中建立其机理模型。
[0022]
步骤2，分别将反应物流速和冷却液温度作为周期操作的输入量输入到cstr的机理模型中。
[0023]
步骤3，编写灰狼优化算法的程序。预先定义好灰狼种群数，最大的迭代数，优化参数的数量和被优化参数幅值a和谐波频率的限制范围，按照上述算法原理在matlab平台编写优化函数语言。
[0024]
步骤4，确定算法的目标函数，将灰狼算法应用于控制系统。将稳态输出的的原料的剩余量与周期操作下的原料的剩余量差作为灰狼算法的目标函数。
[0025]
本发明一种基于灰狼算法的cstr周期操作参数优化方法，使用灰狼算法对周期操作的参数进行优化，得到的优化剩余产物量如图4，冷却液温度作为操作的输入量时，优化其参数的最终原料剩余量与未优化时的对照图，与图5反应物流速作为操作的输入量时，优化其参数的最终原料剩余量与未优化时的对照图，其结果显示，该方法优化后的原料剩余明显少于优化前的剩余。
[0026]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。