[发明专利]kbAFSA的超临界水氧化反应动力学模型参数估计方法

说明书

本发明公开了一种kbAFSA的超临界水氧化反应动力学模型参数估计方法。包括如下步骤：1)通过现场操作或实验来获得超临界水氧化反应过程的实际输入、输出采样数据；2)将超临界水氧化反应动力学模型的估计输出与实际输出相对误差绝对值之和作为kbAFSA寻优搜索的目标函数；3)设定算法运行参数；4)运行kbAFSA对超临界水氧化反应动力学模型中的未知参数进行估计，通过最小化目标函数。得到模型中未知参数的估计值，将估计值代入动力学模型中，形成数学模型。本发明建模方法具有寻优精度高、收敛速度快的特点，也适用于其它复杂化学反应过程的建模。

技术领域

本发明涉及一种kbAFSA(Krill Behavior based Artificial Fish SwarmAlgorithm，即融合磷虾行为的人工鱼群算法)的超临界水氧化反应动力学模型参数估计方法。

背景技术

超临界水氧化(SCWO)过程是一种新兴的有机废水处理技术，现代废水处理要求采用更为精确的数学模型来描述这一过程。解决超临界水氧化反应过程的建模和控制问题，具有重要理论意义和应用价值。要对超临界水氧化反应过程建立高精度数学模型，需要对过程动力学数学模型中的参数进行估计。参数估计问题本质上是优化问题，研究者们采用了一些传统的优化方法，例如Levenberg-Marquardt，Gauss-Newton等方法来解决这一问题。但是这些确定性的优化算法经常在搜索过程中陷入局部极小点，难以取得满意的效果。人工鱼群算法(AFSA)是模仿鱼群的觅食、聚群、追尾等行为，采用动物自治体的模型，提出的一类新型群体智能优化算法，能解决传统优化算法难以解决的复杂优化问题。但基本人工鱼群算法存在着计算量较大、搜索精度较差和性能受视野影响较大等缺点。本发明提出的kbAFSA能有效克服基本人工鱼群算法的缺点。将kbAFSA用于超临界水氧化反应动力学模型的参数估计中，得到了较为理想的效果。

发明内容

本发明的目的在于针对现有技术的不足，提供一种kbAFSA的超临界水氧化反应动力学模型参数估计方法。

一种kbAFSA(Krill Behavior based Artificial Fish Swarm Algorithm，即融合磷虾行为的人工鱼群算法)的超临界水氧化反应动力学模型参数估计方法，其特征在于包括如下步骤：

1)通过现场操作或者实验获得超临界水氧化反应过程的实际输入采样数据、输出采样数据，对于同一组采样数据，将过程动力学模型的估计输出与过程实际输出的相对误差绝对值之和作为人工鱼群算法寻优搜索的目标函数；

2)构建kbAFSA的超临界水氧化反应动力学模型参数估计方法；

3)设置kbAFSA的运行参数，包括人工鱼群规模N、最大尝试次数T_n、拥挤度因子δ，最大迭代次数G_max和算法终止规则；

4)运行kbAFSA对过程动力学模型中的指前因子A、反应活化能E_a、2-氯苯酚反应级数a、氧化反应级数b和水反应级数c五个未知参数进行估计，通过最小化目标函数，获得未知参数的估计值，将估计值代入过程动力学模型，获得超临界水氧化反应动力学模型。

所述的步骤4)中运行kbAFSA的具体步骤为：

1)在参数寻优空间内随机生成N行5列的初始鱼群矩阵，每一行为一条人工鱼的位置，表示一组超临界水氧化反应动力学模型参数的可能解；

2)计算人工鱼群中每一条人工鱼的适应度值，并将人工鱼群最优个体记录到公告板；

3)计算人工鱼群中每一条人工鱼的视野，并对人工鱼进行行为选择；

4)执行追尾行为，如果人工鱼视野内最优伙伴的适应度值更优且周围拥挤程度低于阈值，则向最优伙伴前进一步，否则转向步骤6)；