本文以某厂硝酸生产装置为优化对象进行了离线稳态参数优化工作的研究。在研究过程中,作者首先深入该厂了解生产工艺,进行了大量数据采集和分析,并结合了该厂的实际生产经验,针对硝酸生产装置的运行状况,确定了主要的可控自变量集和需要优化的目标函数。并确定整个优化过程分为建模和寻优两部分完成。 硝酸生产过程优化问题的建模采用人工神经网络完成。根据实际情况,选择了合适的网络结构和算法之后,利用采集到的五十组实际生产数据,训练出一个BP神经网络,网络训练结束后,利用另外五十组生产数据对本网络模型进行测试,并加以修正,最后得到硝酸生产过程参数优化问题的模型,并且保证了该神经网络模型的准确性。 过程参数优化中大量的噪声影响往往会给寻优过程造成困难,针对这一问题,本文有创新性地提出了优化计算中的一种新的性能指标——邻域平均性能指标,以消除优化模型中含有的噪声。如果将这种性能指标与寻优算法结合计算,就能够同时完成滤波和寻优的过程,并且能够得到较为准确的结果。为验证其可行性,文中取了大量仿真数据进行了实际计算,计算结果证明这种方法是有效和优越的。 最后,在神经网络模型能准确的反映系统运行工况的前提下,在MATLAB环境中利用改进后的粒子群优化法与邻域平均性能指标相结合,完成了对该硝酸生产过程参数优化的计算。计算结果与历史上实际生产数据相对比的结果表明,对该系统所作的稳态离线优化结果令人满意。