優化佳 | 版權所有 2025.
——無須建模,突破模型化瓶頸有自動適應原料變化,裝置改造等能力。
在生產過程中，在線調整過程的主要操作條件，使目標函數，如收率，經濟效益達到最大，是實時優化的任務。傳統的實時優化技術，是基于過程模型化的方法，通過模型的建立，獲得對被優化過程的數學描述，進而用計算機在線算出當前情況下的最優操作點。
?生產裝置的優化可以分為兩種:
1、離線優化:建立裝置的數學模型,根據這個模型離線計算出優化變量。
2、實時優化:在生產過程中,在線調整關鍵的操作條件(優化變量),使優化目標,如收率,效益達到最大。
目前國內外離線和在線優化技術中，均是以裝置的數學模型作為優化基礎，這樣一來，過程的模型化成功與否，成為一切的關鍵。
?傳統的過程模型基本上通過兩種途徑獲得：
機理建模：利用化工中的反應機理、熱力學平衡、質量平衡等基本方程，建立各單元的數學模型，根據過程的流程，通過集成各單元的模型得到整個裝置的數學描述。
數據建模：利用日常操作的數據，或者安排一定的測試，獲得裝置的測試數據，然后用統計的方法建立經驗模型。
顯然，這種技術面臨兩個不可避免的問題，阻礙著其廣泛的應用:
1、建模的困難。
2、系統龐大復雜，無法自適應原料變化，后期維護成本高。
3、靜態模型會產生偏差，長期收益不穩定。
國外的研究表明：過程模型和優化技術中的不足是企業IT項目長期效益不理想的主要原因。White D.C通過研究發現，只有16%的IT項目達到了最初的預算、進度和功能目標。根據對現有約250個商業在線優化系統的分析，大部分的系統在初期可以取得技術上和商業上的成功，但是長期的效益往往并不理想。
如果有一種方法，能夠克服以上問題，將是在線優化技術的一個重要的進步。相關積分優化方法，就是這樣的一種技術。經過長期的理論研究和應用，最終實現了長周期的工業應用，取得長期穩定的經濟效益增長。
? 一種連續生產過程的通用在線優化技術
? 無須建模
? 有自適應性:能自動適應原料、催化劑的變化，設備改造等實際過程的模型變化
? 無須附加的測試
? 強抗干擾
? 魯棒性強
? 維護量小
? 容易實施