基于改进人工蜂群优化的精馏过程再沸器控制摘要：本文提出一种基于改进ABC优化微分先行PID控制器的方法，即首先采用跟随蜂阶段基于当前局部最优解搜索策略、采蜜蜂和跟随蜂阶段邻域搜索概率提高传统ABC算法的收敛速度和局部搜索能力，然后将以误差性能指标ITAE为目标函数，运用改进的ABC对在建立好的Simulink控制系统模型进行PID控制器参数的优化。仿真结果表明，采用本文方法，可以自动的确定精馏过程再沸器控制中PID控制器最优参数，使整个系统获得较好的控制性能。关键词：人工蜂群算法Simulink建模再沸器控制中图分类号：TM715文献标识码：A文章编号:1674-098X(2015)05(a)-0000-001引言精馏工艺是化工厂用于提纯产品的主要手段，它广泛应用在合成碳酸丙烯酯、甲基叔丁基醚、氯乙烯、脂肪醇等化工生产过程中。在分离混合物的精馏过程中，需要通过控制再沸器的加入蒸汽量来维持精馏塔气相的空间速度，以保证精馏塔正常运行。本文提出一种基于改进人工蜂群算法(ArtificialBeeColonyAlgorithm,ABC）优化微分先行PID控制器的方法，并将其应用在精馏过程再沸器控制中。即以误差性能指标ITAE为目标函数，运用改进的ABC对在建立好的Simulink控制系统模型进行PID控制器参数的优化。仿真结果表明，采用本文方法，可以自动的确定PID控制器最优参数，实现了对再沸器蒸汽流量稳定控制，同时很好的限制了最大的蒸汽量。2基于改进人工鱼群算法的微分先行PID控制器优化由于微分先行PID控制只对系统的输出变量进行微分，而对给定值不进行微分。因此，在改变给定时，采用微分先行PID控制可以使输出变化比较缓和，进而不至于引起系统大的振荡。目前，对于PID控制器参数主要是采用比较费时且不能保证获得最佳性能的人工调整。ABC算法是一种通过模拟蜂群依各自分工不同协作采蜜，交换蜜源信息以找到最优蜜源的群体智能算法［1］。为了提高ABC算法的收敛速度和局部搜索能力，这里将跟随蜂阶段基于当前局部最优解搜索策略、采蜜蜂和跟随蜂阶段邻域搜索概率引入到传统ABC算法中，然后运用改进的ABC进行对Simulink中建立的再沸器控制系统模型中的PID控制器参数进行优化设计，误差性能指标选择ITAE，并以ITAE值作为改进的ABC的适应值。算法流程如下：Stepl：随机产生蜜源的位置坐标，并将其依次赋值给Simulink模型中的控制器参数，运行控制系统模型，根据返回的适应度值，确定最优食物源。Step2：每只采蜜蜂按照式vij=xij+4)ij(xij-xkj)和MR(t)=0.4t/Tmax+0.1进行领域搜索，其中kE{l，2,…N}，jE{l，2，…，D}，t为当前循环代数，Tmax为最大循环代数。计算新食物源的适应度值，将较高适应度值的食物源替代旧食物源。Step3：每只跟随蜂按照食物源收益率选择所要搜索的食物源，并依据和MR(t)=0.4t/Tmax+0.1进行邻域搜索，其中，4)jje［0,1.5］，是在当前解中随机选取p%解中最优的一个。然后计算新食物源的适应度值，将较高适应度值的食物源替代旧食物源。Step4：当搜寻次数大于控制参数limit，但仍有食物源位置未被更新，则将采蜜蜂变为侦查蜂，按式随机产生一个新的食物源。Step5：记录最优的食物源，进行下一次循环，直到达到最大迭代次数，得到最优解。3基于改进人工鱼群优化的精馏过程再沸器控制为了验证本文算法，采用文献［2］中的再沸器控制系统为研宄对象，即采用冷凝液储槽液位控制加热蒸汽量。被控对象(即从再沸器至储液槽液位)的数学模型为G(s)=1.25e-44s/(25s+l)2；从再沸器(蒸汽流量)至精馏塔内压力测量变送器的数学模型为G(s)=e-4s/(12s+l);蒸汽的限制流量和塔内压力关系为QsH(s)=Q0-0.48P(s),其中QsH(s)为蒸汽的限制流量，Q0为蒸汽的最大流量，P(s)为塔内压力最大值。改进AFSA算法参数设置如下：最大迭代次数为500,种群个数为20,p为0.6。按照第2节所述算法，得到最优微分先行PID控制器的参数为Kp=0.343,Ki=0.01,Kd=55.7,蒸汽量设定值波形、蒸汽实际流量波形、蒸汽流量超限作用波形和蒸汽流量超限作用波形经滤波后波形如图1所示。从图1可以看出，系统在234s时达到稳态，实现了控制要求，稳定性较好。同时，由于低通滤波的作用，原蒸汽流量现值矩形脉冲波形变得平坦，降低了带给系统的干扰。5...