English
An On-Line Optimal Control Method for Combustion Process of CokeOven Based on Multi-Attribute PerformanceEvaluation
文件大小：
558k
资源说明：An On-Line Optimal Control Method for Combustion Process of CokeOven Based on Multi-Attribute PerformanceEvaluation
本篇研究论文的标题为“An On-Line Optimal Control Method for Combustion Process of CokeOven Based on Multi-Attribute PerformanceEvaluation”，中文可翻译为《基于多属性性能评估的焦炉加热燃烧过程在线优化控制方法》。这篇论文探讨了焦炉加热燃烧过程中的控制难题，特别关注于通过在线优化控制方法来抑制因加热煤气热值变化、结焦时间变化等因素导致的火道温度波动问题。
论文的主要知识点包括：
1. 焦炉加热燃烧过程的控制问题：焦炉加热燃烧过程中，火道温度的稳定是保证焦炭质量和生产效率的关键。然而，实际生产中，如加热煤气热值的变化和结焦时间的不确定性，这些因素都会导致火道温度出现剧烈波动，给焦炉的稳定运行带来了挑战。
2. 多属性性能评估模型：针对焦炉加热燃烧过程中控制系统的性能评估问题，论文提出了一种基于信息熵的多属性性能评估模型。信息熵在这里作为衡量系统不确定性和混乱度的量度，能够对焦炉火道温度进行周期性的在线性能评估，为后续的优化控制提供依据。
3. 多目标优化模型：为了应对控制系统性能评估不合格的情况，研究者建立了以火道温度偏差、偏差变化率和调节时间为目标的多目标优化模型。这一模型旨在最小化这些指标，以达到抑制火道温度波动的目的。
4. 差分进化算法的应用：为了求解上述多目标优化模型，研究者采用了差分进化算法进行参数的在线调节。差分进化是一种基于群体的优化算法，通过模拟生物进化过程来优化和调整参数，特别适合于处理多目标优化问题。
5. 仿真验证：通过仿真结果，论文证明了所提出的在线优化控制方法能够在加热煤气热值和结焦时间变化的情况下，有效抑制火道温度的波动，表明该方法具有一定的实用性。
关键词中的“焦炉加热燃烧过程”指出了研究对象的具体行业和领域；“在线性能评估”表明了研究的动态性，强调了评估是在操作过程中实时进行的；“信息熵”作为多属性评估的关键概念之一，体现了用以度量系统复杂性的工具；而“多目标优化模型”则揭示了研究中采取的数学建模和优化策略；“差分进化算法”则反映了在控制策略实施过程中所用到的智能算法工具。
根据以上内容，本文的知识点涵盖了复杂工业过程优化控制的基本理论、多属性性能评估、信息熵的应用、多目标优化模型的构建、差分进化算法等在工业控制系统中实现过程优化的关键技术，并通过仿真验证了这些技术在实际工业过程中的有效性。本研究对于提升焦炉加热燃烧过程的自动化控制水平，实现火道温度的稳定控制具有重要意义。
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
