论文部分内容阅读
碳二加氢反应器作为乙烯生产过程中的关键环节,能够将裂解气中的副产品炔烃转化为乙烯产品,且产物乙烯的品质和产量会受到乙炔加氢选择性以及转化率的极大影响。基于逐点计算的碳二加氢反应过程机理模型(CFD模型)能够详细描述过程参量与产品组成的详细分布,但存在着计算量大、运算周期长等问题,难以用于装置的实时优化。为了兼顾优化模型的准确性和实时性,本文以工业碳二加氢等温反应过程为对象,研究了其代理模型的建模效率问题。 本文针对单一代理模型结构无法满足特定模型描述的问题,利用Dempster-Shafer理论为各个模型分配适当的权重值,提出了一种将不同类型代理模型进行组合的算法——混合代理模型算法。该方法通过自适应调整模型权重,可充分利用涉及的代理模型的特征,从而降低计算成本,提高建模效率。其次,本文针对在代理模型样本选择中,求解Kriging无偏估计量的重复抽样会导致运算量激增的问题,把改进后的预测方差即Bootstrap估计量与广义期望提高相结合,提出了一种求取无偏预测方差的广义期望提高算法—Bootstrap GEI算法。该算法能确保找出全局最优时,通过减少寻优过程中所需样本点的数量,达到使模型更新效率提高的目的。最后,本文以某厂乙烯装置碳二加氢反应系统为背景,将Bootstrap GEI算法和混合代理模型算法运用到碳二加氢反应代理模型的建立中,能够有效提高代理模型的建模效率。