کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6595269 458514 2016 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A reliable modifier-adaptation strategy for real-time optimization
ترجمه فارسی عنوان
استراتژی سازگار قابل اعتماد برای بهینه سازی در زمان واقعی
کلمات کلیدی
ترجمه چکیده
در مدل سازی بهینه سازی زمان واقعی، عدم سازگاری مدل گیاه مدل را می توان با استفاده از اصلاح متعصب و گرادیان به توابع هزینه و محدودیت در یک روش بهینه سازی تکراری. یکی از چالش های عمده در عمل، تخمین شیب گیاه از داده های اندازه گیری های پر سر و صدا، به ویژه برای چندین متغیر بهینه سازی است. در این مقاله ما یک طرح بهینه سازی زمان واقعی جدید ارائه می دهیم که به بررسی صحیح ذاتی نقشه برداری گیاه برای بهینه سازی قابل اعتماد می پردازد. ایده در اینجا این است که روش تقریبی درجه دوم که در روشهای بهینه سازی مشتق شده با استفاده از طرح بهینه سازی گرادیان تکراری استفاده شده است، ترکیب شود. همگرایی طرح تجزیه و تحلیل شده است. مطالعات شبیه سازی برای بهینه سازی یک نمونه مصنوعی ده متغیر و یک مشکل معیار رآکتور با عدم سازگاری قابل توجه مدل گیاهان نشان می دهد که عملکرد امیدوار کننده آن است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی شیمی مهندسی شیمی (عمومی)
چکیده انگلیسی
In model-based real-time optimization, plant-model mismatch can be handled by applying bias- and gradient-corrections to the cost and constraint functions in an iterative optimization procedure. One of the major challenges in practice is the estimation of the plant gradients from noisy measurement data, in particular for several optimization variables. In this paper we propose a new real-time optimization scheme that explores the inherent smoothness of the plant mapping to enable a reliable optimization. The idea here is to combine the quadratic approximation approach used in derivative-free optimization techniques with the iterative gradient-modification optimization scheme. The convergence of the scheme is analyzed. Simulation studies for the optimization of a ten-variable synthetic example and a reactor benchmark problem with considerable plant-model mismatch show its promising performance.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Chemical Engineering - Volume 91, 4 August 2016, Pages 318-328
نویسندگان
, , ,