Меню
Публикации
2025
2024
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
2011
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
Главный редактор
НИКИФОРОВ
Владимир Олегович
д.т.н., профессор
Партнеры
doi: 66.011:519.688:004.89
УДК 10.17586/2226-1494-2025-25-6-1168-1176
Поиск оптимального температурного профиля химического процесса на основе генетического алгоритма
Читать статью полностью
Язык статьи - русский
Ссылка для цитирования:
Аннотация
Ссылка для цитирования:
Мифтахов Э.Н., Иванов Д.В. Поиск оптимального температурного профиля химического процесса на основе генетического алгоритма // Научно-технический вестник информационных технологий, механики и оптики. 2025. Т. 25, № 6. С. 1168–1176. doi: 10.17586/2226-1494-2025-25-6-1168-1176
Аннотация
Введение. Рассмотрена проблема поиска оптимального температурного профиля сложного физико-химического процесса. Наибольшие проблемы возникают при исследовании и оптимизации многокомпонентных систем. Это определяет научный и практический интерес к разработке наиболее эффективных инструментов поиска оптимальных режимов организации производства. Одним из ключевых аспектов является учет динамических ограничений, влияющих на скорость изменения управляющих параметров и обеспечивающих построение физически реализуемых траекторий изменения температуры. Для решения этой задачи предложен модифицированный генетический алгоритм, позволяющий учитывать заданные ограничения. Метод. Для сложного физико-химического процесса сформулирована задача оптимизации, которая заключается в поиске оптимального температурного профиля, способствующего максимизации (или минимизации) заданного целевого параметра в условиях задаваемых ограничений на скорость изменения температуры. Метод основан на дискретном разбиении всего времени протекания процесса и представлении температурного профиля в виде кусочно-линейной функции, значения которой на каждом из интервалов определяются с использованием генетического алгоритма оптимизации. Основные этапы выполнения генетического алгоритма были модифицированы и представлены в виде адаптированной схемы эволюционного поиска, учитывающей допустимые границы изменения управляющих параметров. Внесенные модификации позволили повысить устойчивость алгоритма к локальным экстремумам и обеспечить более точное соблюдение задаваемых ограничений. Основные результаты. Эффективность алгоритма, функциональность программного модуля и механизм взаимодействия были апробированы путем организации вычислительного эксперимента по исследованию кинетики реакции диметилкарбоната со спиртами в присутствии дикобальтоктакарбонила. Результаты численного моделирования продемонстрировали, что температурный режим оказывает значительное влияние на кинетику процесса, а проведенные вычислительные испытания позволили однозначно идентифицировать оптимальный температурный профиль, поиск которого проводился в условиях ограничений на рост температуры и дополнительного требования линейного изменения концентрации целевого продукта. Обсуждение. Предложенная модификация генетического алгоритма позволила значительно повысить его устойчивость к локальным экстремумам и обеспечить более точное соблюдение технологических ограничений. В частности, анализ полученных профилей показал, что представленный метод позволяет находить решения, обеспечивающие более равномерное распределение концентраций целевого продукта, что особенно важно при проектировании реакционных систем с высокой чувствительностью к изменению параметров. Разработанный метод оптимизации может быть полезен при проектировании и масштабировании химико-технологических процессов, а проведенное исследование подтверждает эффективность использования численных методов и эволюционных алгоритмов для оптимизации условий химических реакций.
Ключевые слова: эвристические методы, генетический алгоритм, оптимальный температурный профиль, реакция диметилкарбоната со спиртами
Благодарности. Исследование выполнено за счет гранта Российского научного фонда № 24-21-00380, https://rscf.ru/project/24-21-00380/.
Список литературы
Благодарности. Исследование выполнено за счет гранта Российского научного фонда № 24-21-00380, https://rscf.ru/project/24-21-00380/.
Список литературы
1. Marpaung T.J. Optimization of temperature on the concentration of a mixture of substances in liquid waste treatment process palm oil // Journal of Physics: Conference Series. 2019. V. 1235. N 1. P. 012123. https://doi.org/10.1088/1742-6596/1235/1/012123
2. Шевчук В.П., Шаровина С.О. Управление температурным профилем ректификационной колонны тарельчатого типа // Приборы и системы. Управление, контроль, диагностика. 2013. № 3. С. 39–47.
3. Слинько М.Г. Кинетическая модель как основа математического моделирования каталитических процессов // Теоретические основы химической технологии. 1976. Т. 10. № 1. С. 137–146.
4. Быков В.И., Цыбенова С.Б. Нелинейные модели химической кинетики. М.: Ком-Книга, 2010. 350 с.
5. Васильев Ф.П. Численные методы решения экстремальных задач. М.: Наука,1988. 552 с.
6. Пантелеев А.В., Скавинская Д.В., Алёшина Е.А. Метаэвристические алгоритмы поиска оптимального программного управления. М.: Инфра-М, 2020. 396 с.
7. Мифтахов Э.Н., Кашникова А.П., Иванов Д.В. Использование генетических алгоритмов для решения задачи поиска оптимального состава реакционной смеси // Научно-технический вестник информационных технологий, механики и оптики. 2024. Т. 24. № 4. С. 637–644. https://doi.org/10.17586/2226-1494-2024-24-4-637-644
8. Katoch S., Chauhan S.S., Kumar V. A review on genetic algorithm: past, present, and future // Multimedia Tools and Applications. 2021. V. 80. N 5. P. 8091–8126. https://doi.org/10.1007/s11042-020-10139-6
9. Мифтахов Э.Н., Иванов Д.В. Поиск оптимального состава реакционной смеси с использованием алгоритма имитации отжига // Автометрия. 2024. Т. 60. № 5. С. 120–128. https://doi.org/10.15372/AUT20240514
10. Мифтахов Э.Н. Алгоритм поиска оптимального режима подачи регулятора в процессе получения полимерных продуктов // Инженерные технологии и системы. 2024. Т. 34. № 4. С. 597–614. https://doi.org/10.15507/2658-4123.034.202404.597-614
11. Awad A., Hawash A., Abdalhaq B. A Genetic Algorithm (GA) and swarm-based Binary Decision Diagram (BDD) reordering optimizer reinforced with recent operators // IEEE Transactions on Evolutionary Computation. 2023. V. 27. N 3. P. 535–549. https://doi.org/10.1109/tevc.2022.3170212
12. Yang D., Rao K., Xu B., Sheng W. PIR sensors deployment with the accessible priority in smart home using genetic algorithm // International Journal of Distributed Sensor Networks. 2015. V. 11. N 11. P. 146270. https://doi.org/10.1155/2015/146270
13. Антипина Е.В., Мустафина С.А., Антипин А.Ф. Автоматизация поиска оптимальных значений параметров процесса олигомеризации этилена // Научно-технический вестник информационных технологий, механики и оптики. 2024. Т. 24. № 4. С. 563–570. https://doi.org/10.17586/2226-1494-2024-24-4-563-570
14. Zhou T., Fang W. Two-point crossover operator in genetic algorithm for deep learning compiler // Proc. of the Companion Conference on Genetic and Evolutionary Computation. 2023. P. 347–350. https://doi.org/10.1145/3583133.3590536
15. Bell O. Applications of Gaussian Mutation for self adaptation in evolutionary genetic algorithms // arXiv. 2022. 10.48550/arXiv.2201.00285. https://doi.org/10.48550/arXiv.2201.00285
16. Tinós R., Yang S. Evolution strategies with q-Gaussian mutation for dynamic optimization problems // Proc. of the 11th Brazilian Symposium on Neural Networks. 2010. P. 223–228. https://doi.org/10.1109/sbrn.2010.46
17. Koledina K.F., Koledin S.N., Schadneva N.A., Mayakova Y.Yu., Gubaydullin I.M. Kinetic model of the catalytic reaction of dimethylcarbonate with alcohols in the presence Co2(CO)8 and W(CO)6 // Reaction Kinetics, Mechanisms and Catalysis. 2017. V. 121. N 2. P. 425–438. https://doi.org/10.1007/s11144-017-1181-3
18. Fiorani G., Perosa A., Selva M. Dimethyl carbonate: a versatile reagent for a sustainable valorization of renewables // Green Chemistry. 2018. V. 20. N 2. P. 288–322. https://doi.org/10.1039/c7gc02118f
19. Коледина К.Ф., Коледин С.Н., Щаднева Н.А., Губайдуллин И.М. Кинетика и механизм каталитической реакции спиртов с диметилкарбонатом // Журнал физической химии. 2017. Т. 91. № 3. C. 422–428. https://doi.org/10.7868/S004445371703013X
20. Коледина К.Ф. Многокритериальная оптимизация и оптимальное управление химическими процессами на основе детализированной кинетической модели: диссертация на соискание ученой степени доктора физико-математических наук. Уфа: Уфимский федеральный исследовательский центр Российской академии наук, 2020. 334 с.
