混沌广义差分进化算法及其德士古气化过程中的应用
在德士古水煤浆气化工艺中，合成气中各组分的含量是衡量气化效率的关键参数。以某厂德士古气化装置为研究背景，设计了一种合成气组分含量的预测模型。该模型选取三层前馈神经网络结构，并采用一种具有广义差分项的混沌差分进化算法(ChaoDEGD)作为模型参数的学习方法。ChaoDEGD算法在差分进化算法的变异操作中引入了广义的个体差异信息，并在不同进化时期，对不同适应度等级的个体施加混沌映射，保证了种群的多样性，帮助种群有效跳出了局部极小点。由实验结果可知，基于ChaoDEGD的神经网络预测模型能够较好的估计合成气中CO、H2、CO2三类关键组分的含量，为德士古水煤浆气化过程的安全稳定运行提供了有利指导。
德士古合成气 预测模型 差分进化算法 混沌映射
许伟 顾幸生 孙优贤
浙江大学工业控制技术国家重点实验室，浙江杭州 310027 华东理工大学化工过程先进控制和优化技术教育部重点实验室，上海 200237
国内会议
厦门
中文
1-5
2012-08-01（万方平台首次上网日期，不代表论文的发表时间）