新型线性先行ＧＡ算法在油品调和中的应用

2012年04月09日15:56:32 本网站我要评论(2)字号：T | T | T

关键字：应用

李　琦，李　响，邵　诚
大连理工大学辽宁省工业装备先进控制系统重点实验室，辽宁大连

摘　　　要：油品调和是生产成品油的关键环节，调和配方决定了利润的较终大小。配方优化模型中物料平衡约束、产品产量约束属于线性约束，但质量指标约束中存在的非线性约束，使整个求解问题成为非线性约束求解问题。针对炼油厂油品调和复杂非线性约束配方优化问题，提出了一种新的线性先行ＧＡ算法。通过将线性约束与非线性约束拆分开，先求解凸多面体的全部顶点和极方向，解出满足线性约束的所有可行解所在的可行区域，进而用ＧＡ算法在此可行域内，通过优化凸组合的系数，从而达到搜索整个线性解区间的目的，完成非线性优化模型的求解。仿真结果表明，新算法大大缩小了ＧＡ算法的搜索空间和需要处理的约束，能快速的获得理想的调和配方，使利润较大并保证对质量卡边的要求。

关　键　词：线性先行；非线性约束；凸多面体；遗传算法；油品调和

１　引　言
油品调和是炼油厂极为重要的生产工序之一，炼油厂的生产利润一般占炼油厂总利润的６０％～７０％［１２］。而由于调和过程中存在非线性，所以一直以来调和配方的优化计算都是油品调和过程控制中的难点。因此，对优化油品调和配方的求解，具有重要的现实意义。在油品调和过程中，配方优化模型中的物料平衡约束和产量约束属于线性约束，而成品油性质指标约束（辛烷值约束，抗暴指数约束）属于非线性约束。文献［３］在给定目标辛烷值和调和总量的前提下，把汽油调和问题完全转化为线性关系来求解。文献［４］给出了直接采用遗传算法来处理油品调和问题，遗传算法虽然能处理非线性约束，但由于搜索空间大，变量取值范围宽，所以在快速性上还不是很好。本文提出了一种新的线性先行ＧＡ算法，先处理线性约束，找到满足这些线性约束的可行域。再在这个可行域内，对模型的非线性约束进行求解，由于在一个已经缩小的搜索范围内进行寻优，所以能够更为快速的找到理想的满意解，提高了算法的寻优效率。将此方法应用到油品调和过程中，得到了满意的效果。

登录网站后可下载文件

新型线性先行ＧＡ算法在油品调和中的应用

相关阅读: