论文部分内容阅读
优化问题在各个工程领域中都存在着广泛的应用。随着科技的日益完善与发展,人们急希望合理地运用优化方法去解决生活中问题。然而现实中的问题是比较复杂的,不但有约束条件,而且并非数学中理想的线性情况,还有可能存在多个局部值,传统的优化计算已经无法应付,但智能算法的提出与完善为这类问题的解决带来了希望。本文基于细胞的特性及其胞间通讯策略,且融入人工智能优化算法的核心思想提出了细胞通讯优化(Cell Communication Optimization, CCO)算法。算法的详细步骤在接下来的章节中给出,同时采用 Sphere和 Schaffer函数测试了算法的效果,并分析了参数对算法性能的影响,以及分析了算法的收敛性。 为了更深入了解 CCO算法的优化效果,本文分别采用六个标准函数进行数值试验。测试结果表明:CCO算法能较好地处理不同维数的函数,同时能收敛到最优值附近,然后将细胞通讯机制分别应用于聚丙烯腈基(PAN)碳纤维水浴牵伸优化控制、预氧化工艺过程优化控制、碳纤维纺丝过程双向优化,以上三个实验仿真结果都达到预期效果。运用细胞通讯机制解决了PAN碳纤维生产的优化控制问题,说明本文算法能有效解决实际问题,有一定的推广可行性。本论文的主要贡献归纳如下: (1)本文基于细胞的特性及其通讯方式,并结合人工智能优化算法的核心思想,提出了细胞通讯优化算法。本文提出的算法为使用优化算法增加了一个选择,同时也促进了智能算法的发展。 (2)以 PAN碳纤维的水浴牵伸过程为例,基于细胞分化调控机制,提出了一种改进的混合蛙跳算法,将其应用于碳纤维生产过程水浴牵伸控制系统,实现了水浴牵伸槽的液位和溶液浓度控制。结果表明,我们所提出的优化控制器在控制效果方面具有更好的精度,并且能够快速达到目标值。 (3)以 PAN碳纤维的原丝预氧化过程为例,提出一种改进的果蝇优化算法,将其应用于碳纤维预氧化炉的工业控制中,给出了具体的智能温度控制算法。该算法充分考虑了预氧化炉时滞特性,实现了预氧化炉的温度控制。 (4)提出了一种基于改进的粒子群算法优化支持向量机的 PAN碳纤维生产过程双向预测模型。一方面使碳纤维生产过程的工艺配置参数与产品的性能建立映射关系,使得工艺配置参数能够通过模型的计算,反映在产品性能上。另一方面碳纤维生产过程的产品性能指标参数能够作为模型输入端,经过模型计算预测出相应的工艺配置参数。该模型可对实际生产提供指导意义,以防盲目进行大规模的生产而造成金钱和时间损失。