学位论文 > 优秀研究生学位论文题录展示

啤酒生产过程优化和综合自动化若干关键技术研究

作　者: 郑松
导　师: 周泽魁；张光新
学　校: 浙江大学
专　业: 控制科学与工程
关键词: 蚁群优化算法啤酒生产原料配方设计生产调度神经网络模糊综合评判智能优化模糊控制专家系统
分类号: TP278
类　型: 博士论文
年　份: 2008年
下　载: 672次
引　用: 3次
阅　读: 论文下载

内容摘要

啤酒生产是我国的一个传统产业,随着国民经济的发展和人民生活质量的改善,我国啤酒工业得到空前的发展,为国民经济建设发挥了非常重要的作用。尽管如此,由于啤酒企业竞争的日益激烈和市场的逐渐开放,对啤酒生产过程的控制和优化研究更显得具有重大的现实意义。但是,啤酒生产过程是一个复杂的工业系统,虽然传统控制与优化理论比较成熟,但在复杂工业系统中的应用还存在局限性。随着智能方法的发展,出现了许多独立于问题的智能算法,如蚁群算法,遗传算法,专家系统等等,适合于复杂工业系统中控制与优化问题,为解决复杂问题提供了新的思路和方法。本文以啤酒生产过程为工程背景,从智能优化算法到对啤酒原料配方优化设计、啤酒生产调度优化问题进行了研究,还对啤酒生产过程的综合自动化及其应用技术进行了研究。论文的主要工作和创新点如下:(1)针对现有蚁群算法在优化迭代过程中存在的不足,受人类社会活动某些特征的启发,提出了两种改进算子,分别是仿效人类创新思维的好奇因子和效仿人类社会税收功效的征税算子。两种改进算子修正了蚁群算法中选择策略与信息素更新规则。另外,本文还对改进算子的参数设置以及收敛性问题进行研究讨论。大量仿真结果表明,添加改进算子的蚁群优化算法非常有效,两者能有效地提高蚁群算法全局优化能力,并且对以往改进的蚁群算法普遍有效。另外,两种改进算子也被应用于后续的应用研究中,同样表现出了优异的全局优化能力。(2)建立了啤酒风味与原料组分的关系模型,研究啤酒原料配方优化设计方法,并在此基础上提出了一种适合连续域优化的变尺度蚁群算法。目前啤酒企业生产配方仍然依靠人工经验结合试验的方法来确定,具有一定的盲目性,各种指标参数很难令人满意。因此论文开展了对啤酒配方智能优化设计方法的研究,首次对啤酒风味指标进行量化研究,利用模糊综合评判和神经网络方法建立原料组分与啤酒风味之间的关系模型。另外,原料配方优化属于连续域优化问题,为了提高蚁群算法求解此类连续域优化问题的能力,本文提出了一种变尺度蚁群算法,并将改进蚁群算法成功应用于啤酒原料配方设计中。研究结果表明,啤酒原料配方蚁群优化设计方法的设计效率明显优于传统配方设计方法,具有良好的工业应用价值。此外,与传统蚁群算法相比,改进蚁群算法能有效地降低计算量,缩短计算时间,更适合于解决连续域优化问题。(3)分析啤酒生产工艺和生产流程,建立了啤酒企业的生产调度模型,并应用蚁群算法进行了啤酒生产优化调度研究。由于啤酒生产半连续的特点以及迅速响应市场变化的需求,使得啤酒全部生产活动和经济效益极大地依赖于生产计划和调度。于是,本文研究了啤酒生产过程中的调度问题。为了降低问题的规模与复杂性,考虑到啤酒生产过程和工艺特点,本文将啤酒生产调度划分为生产计划和生产调度两部分并单独进行机理建模,分别建立了适合于中长期的生产计划数学规划模型以及适合短期的生产调度数学规划模型。然后,应用蚁群优化算法求解此类生产优化调度问题。仿真结果表明,蚁群算法能优于遗传算法等其它智能算法获得更佳的解决方案,而且提出的啤酒生产优化调度方法能够很好保证生产库存稳定,减少市场波动给企业带来的负面影响。(4)针对啤酒生产过程中存在的几个传统控制难点:发酵罐的温度控制、烛式过滤机的滤层监控等,通过研究分析,分别提出了有效的智能控制策略,其应用结果表明控制策略的有效性。另外对啤酒生产过程,在系统地分析了其工艺对象特征及控制特点后,讨论分析了实现大型啤酒生产计算机控制系统的新型网络结构以及实现综合自动化控制系统的高效软件设计方法。

全文目录

摘要  4-6
ABSTRACT  6-13
第1章绪论  13-22
  1.1 引言  13-16
    1.1.1 智能控制理论及其在啤酒生产中的研究现状  13-15
    1.1.2 智能优化方法及其在啤酒生产中的研究现状  15-16
  1.2 研究课题背景及意义  16-19
    1.2.1 课题的工程背景简介  16-17
    1.2.2 啤酒生产过程一般特性描述  17-18
    1.2.3 研究课题提出及意义  18-19
  1.3 本文主要内容  19-22
第2章工业生产过程的优化方法(文献综述)  22-45
  2.1 传统优化方法  22-26
    2.1.1 线性规划  22-24
      2.1.1.1 线性规划相关概念  22-23
      2.1.1.2 单纯形方法  23-24
    2.1.2 无约束最优化方法  24-25
    2.1.3 约束最优化方法  25-26
  2.2 智能优化方法  26-36
    2.2.1 遗传算法  26-27
    2.2.2 模拟退火算法  27-28
    2.2.3 微粒群优化算法  28-29
    2.2.4 蚁群优化算法  29-36
      2.2.4.1 蚁群算法的提出  29-30
      2.2.4.2 蚁群优化领域的主要算法及其应用  30-34
      2.2.4.3 蚁群算法的收敛性研究  34-36
  2.3 原料配方优化方法与发展  36-37
  2.4 生产优化调度方法发展现状  37-44
    2.4.1 离散制造系统的生产调度  38-39
    2.4.2 连续过程的生产调度  39
    2.4.3 间歇过程的生产调度  39-41
    2.4.4 生产调度方法  41-44
      2.4.4.1 经典调度方法  41-42
      2.4.4.2 智能调度方法  42-44
  2.5 本章小结  44-45
第3章智能优化算法研究  45-73
  3.1 引言  45-46
  3.2 智能优化算法对比分析  46-48
  3.3 蚁群优化算法研究  48-71
    3.3.1 蚁群算法的基本原理  48-52
    3.3.2 基于创新激励的好奇因子  52-65
      3.3.2.1 创新思维的机理与模拟  52-53
      3.3.2.2 具有创新机制的好奇因子  53-56
      3.3.2.3 好奇因子参数设置分析  56-57
      3.3.2.4 好奇因子效果分析  57-62
      3.3.2.5 好奇因子的收敛性分析  62-63
      3.3.2.6 实验分析  63-65
    3.3.3 基于税收机制的信息素征税算子  65-71
      3.3.3.1 税收对人类社会的重要作用  65-66
      3.3.3.2 信息素征税算子  66-67
      3.3.3.3 信息素征税算子的参数设置  67-70
      3.3.3.4 实验分析  70-71
  3.4 本章小结  71-73
第4章啤酒原料配方优化设计方法研究  73-93
  4.1 引言  73-74
  4.2 啤酒原料配方智能优化方法  74-82
    4.2.1 啤酒原料配方数学模型  74-77
    4.2.2 基于变尺度蚁群算法的配方优化研究  77-80
    4.2.3 实例计算  80-82
  4.3 考虑啤酒口味的原料配方智能优化方法  82-91
    4.3.1 啤酒口味的模糊综合评判方法  83-85
    4.3.2 啤酒口味的神经网络模型  85-88
    4.3.3 考虑啤酒口味的蚁群配方优化设计研究  88-89
    4.3.4 实例计算  89-91
  4.4 本章小结  91-93
第5章啤酒生产优化调度研究  93-119
  5.1 引言  93-94
  5.2 啤酒生产流程工艺  94-96
  5.3 啤酒生产计划与调度数学模型  96-108
    5.3.1 啤酒生产工艺的数学描述  96-97
    5.3.2 啤酒生产计划数学规划模型  97-102
    5.3.3 啤酒生产调度数学规划模型  102-108
  5.4 啤酒生产计划与生产调度的智能优化研究  108-117
    5.4.1 基于蚁群算法的生产计划与调度研究  109-113
    5.4.2 啤酒生产计划优化仿真  113-115
    5.4.3 啤酒生产调度优化仿真  115-117
  5.5 本章小结  117-119
第6章啤酒生产过程综合自动化控制  119-146
  6.1 引言  119-120
  6.2 啤酒生产过程综合自动控制系统研究  120-128
    6.2.1 啤酒生产过程综合自动控制系统研制与应用情况  120-121
    6.2.2 控制系统的网络结构研究  121-128
      6.2.2.1 常规控制系统网络结构的缺点  121-122
      6.2.2.2 适合大型啤酒生产控制系统的新型网络模式  122-128
  6.2.3 控制系统软件设计方法研究  128-132
    6.2.3.1 单元模块化设计研究  129
    6.2.3.2 生产流程组态设计研究  129-130
    6.2.3.3 基于规则库的设备安全联动研究  130-131
    6.2.3.4 基于安全检测的手自动切换研究  131-132
  6.3 烛式过滤机过滤质量专家监控系统  132-138
    6.3.1 烛式过滤机以及滤酒控制难点  132-133
    6.3.2 监控过滤质量的专家系统  133-137
    6.3.3 应用实例  137-138
  6.4 啤酒发酵温度复合模糊PID控制  138-144
    6.4.1 发酵罐温度控制工艺  138-139
    6.4.2 复合模糊PID控制器设计  139-144
    6.4.3 应用实例  144
  6.5 本章小结  144-146
第7章结论与展望  146-151
  7.1 论文工作总结  146-148
  7.2 进一步工作展望  148-151
参考文献  151-169
攻读博士学位期间完成的工作和成果  169-171
致谢  171

啤酒生产过程优化和综合自动化若干关键技术研究

内容摘要

全文目录

相似论文