کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6590060 456856 2015 41 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Simultaneous model identification and optimization in presence of model-plant mismatch
ترجمه فارسی عنوان
شناسایی و بهینه سازی همزمان مدل در حضور عدم سازگاری مدل-گیاه
کلمات کلیدی
بهینه سازی مبتنی بر مدل، بهینه سازی اجرای به اجرا، فرآیندهای دسته ای، اصلاح مدل، مدل سازی برای بهینه سازی، عدم سازگاری مدل و گیاه،
ترجمه چکیده
در رویکرد بهینه سازی استاندارد، مدل فرایند اساسی ابتدا در مجموعه ای از شرایط عملیاتی شناسایی می شود و این مدل به روز شده برای محاسبه شرایط مطلوب برای فرآیند مورد استفاده قرار می گیرد. این دو ستاپ ؟؟ روش را می توان با انجام آزمایش های جدید در شرایط عملیات بهینه تکرار تکرار کرد، بر اساس تکرار های قبلی، و سپس شناسایی دوباره و دوباره بهینه سازی تا زمانی که همگرایی رسیده است. با این حال، زمانی که یک عدم سازگاری مدل-گیاهی وجود دارد، مجموعه ای از پارامترها تخمین می زند که خطای پیش بینی را در مسئله شناسایی به حداقل می رساند ممکن است شیب اهداف بهینه را دقیقا پیش بینی نمی کند. در نتیجه، همگرایی دو ستاپ رویکرد تکراری به یک فرایند بهینه نمی تواند تضمین شود. این مقاله روش جدیدی را ارائه می دهد که در آن خروجی های مدل به صراحت برای عدم انطباق اصلاح شده است، به طوری که با برآورد پارامتر به روز، اهداف شناسایی و بهینه سازی به درستی برآورده می شوند. با اصلاح پیشنهادی که به تدریج بر روی تکرارها ادغام شده است، الگوریتم همگرا را به بهترین روش فرایند تضمین کرده و همچنین پس از همگرایی، مدل تصحیح نهایی، به طور دقیق رفتار روند را پیش بینی می کند. روش پیشنهادی در یک چارچوب بهینه سازی به اجرا در می آید با یک پروسس بیو پروسس خوراکی به عنوان یک مطالعه موردی.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی شیمی مهندسی شیمی (عمومی)
چکیده انگلیسی
In a standard optimization approach, the underlying process model is first identified at a given set of operating conditions and this updated model is, then, used to calculate the optimal conditions for the process. This “two-step” procedure can be repeated iteratively by conducting new experiments at optimal operating conditions, based on previous iterations, followed by re-identification and re-optimization until convergence is reached. However, when there is a model-plant mismatch, the set of parameter estimates that minimizes the prediction error in the identification problem may not predict the gradients of the optimization objective accurately. As a result, convergence of the “two-step” iterative approach to a process optimum cannot be guaranteed. This paper presents a new methodology where the model outputs are corrected explicitly for the mismatch such that, with the updated parameter estimates the identification and optimization objectives are properly reconciled. With the proposed corrections being progressively integrated over the iterations, the algorithm has guaranteed convergence to the process optimum and also, upon convergence, the final corrected model predicts the process behavior accurately. The proposed methodology is illustrated in a run-to-run optimization framework with a fed-batch bioprocess as a case study.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Chemical Engineering Science - Volume 129, 16 June 2015, Pages 106-115
نویسندگان
, ,