Численный алгоритм для поиска решения задачи оптимального быстродействия при моделировании химических процессов | Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2025. № 70. DOI: 10.17223/19988605/70/1

Численный алгоритм для поиска решения задачи оптимального быстродействия при моделировании химических процессов

Рассматривается задача поиска оптимального по быстродействию управления химическим процессом, динамика которого описывается системой нелинейных дифференциальных уравнений. В качестве управляющего воздействия выступает температура реакционной смеси. Для решения поставленной задачи предлагается применить метод дифференциальной эволюции. Предложенный способ решения задачи оптимального быстродействия сформулирован в виде численного алгоритма, который позволяет получить решение оптимизационной задачи без необходимости выбора начального приближения. Работа алгоритма апробирована на промышленно значимом процессе синтеза фталевого ангидрида. Вклад авторов: все авторы сделали эквивалентный вклад в подготовку публикации. Авторы заявляют об отсутствии конфликта интересов.

Скачать электронную версию публикации

Загружен, раз: 20

Ключевые слова

задача оптимального быстродействия, химический процесс, метод дифференциальной эволюции

Авторы

ФИО	Организация	Дополнительно	E-mail
Антипина Евгения Викторовна	Уфимский университет науки и технологий	кандидат физико-математических наук, старший научный сотрудник управления научных исследований и разработок	stepashinaev@ya.ru
Мустафина Светлана Анатольевна	Уфимский университет науки и технологий	профессор, доктор физико-математических наук, проректор по цифровой трансформации	mustafina_sa@mail.ru
Антипин Андрей Федорович	Стерлитамакский филиал Уфимского университета науки и технологий	доцент, кандидат технических наук, доцент кафедры прикладной информатики и программирования	andrejantipin@ya.ru

Всего: 3

Ссылки

Яблонский Г.С., Быков В.И., Горбань А.Н. Кинетические модели каталитических реакций. Новосибирск: Наука. 1983. 253 с.

Волков А.А., Булучевский Е.А., Лавренов А.В. Кинетика олигомеризации этилена на катализаторе №0/В20з-АЬ0з в жидкой фазе // Журнал Сибирского федерального университета. Сер. Химия. 2013. Т. 6, № 4. С. 352-360.

Карамзин Д.Ю. Принцип максимума Понтрягина для задачи оптимального управления с фазовыми ограничениями при ослабленных предположениях управляемости // Вопросы теории безопасности и устойчивости систем. 2018. № 20. С. 46-61.

Антипина Е.В., Мустафина С.И., Антипин А.Ф., Мустафина С.А. Численный алгоритм решения задачи оптимального управления с терминальными ограничениями для динамических систем // Автометрия. 2020. Т. 56, № 6. С. 132-140.

Gulbaz R., Siddiqui A.B., Anjum N., Alotaibi A.A., Althobaiti T., Ramzan N. Balancer Genetic Algorithm-A Novel Task Scheduling Optimization Approach in Cloud Computing // Applied Sciences. 2021. V. 11, is. 14. Art. 6244.

Mohamed A.W., Mohamed A.K. Adaptive Guided Differential Evolution Algorithm with Novel Mutation for Numerical Optimi zation // International Journal of Machine Learning and Cybernetics. 2019. V. 10. P. 253-277.

Ковалевич А.А., Якимов А.И., Албкеират Д.М. Исследование стохастических алгоритмов оптимизации для применения в имитационном моделировании систем // Информационные технологии. 2011. № 8. С. 55-60.

Карпенко А.П. Эволюционные операторы популяционных алгоритмов глобальной оптимизации // Математика и матема тическое моделирование. 2018. № 1. С. 59-89.

Storn R., Price K. Differential Evolution - A Simple and Efficient Heuristic for Global Optimization over Continuous Spaces // Journal of Global Optimization. 1997. V. 11. P. 341-359. :1008202821328.

Антипина Е.В., Мустафина С.А., Антипин А.Ф. Численный алгоритм идентификации кинетической модели химической реакции // Вестник Технологического университета. 2019. Т. 22, № 9. С. 13-17.