多目标遗传算法及其在电解铜过程中的应用

论文摘要

在铜电解过程中,由于各种慢扰动因素的影响,会使整个生产过程偏离最优点。铜电解液的稳态优化就是在这种情况下寻找合适的操作参数来维持电解过程的最优工况。本文对多目标遗传算法在铜电解过程中的应用进行了研究。在众多典型的多目标优化算法当中,其中非支配排序遗传算法NSGA_Ⅱ是一种比较有代表性的方法,该方法具有较好的收敛性并且运算效率高。本文对NSGA_Ⅱ进行了仔细的分析与研究,针对其在解决高维问题时表现不佳以及存在的非劣分层耗费时间过长的问题,提出了相应的改进策略。通过引入新的拥挤距算子,来改善解的多样性；对于分层耗费时间过长的现象,使用交互式非劣分层的方式以节省运算时间。仿真测试表明改进的方法与NSGA_Ⅱ相比具有较好的分布性及较短的运算时间,使得算法在求解多目标优化问题时的性能得到了很大的改善。本文以电解铜优质和节能为目的,对铜电解的生产机理,电解液成分的影响因素以及电耗的影响因素进行了详细的分析,建立多目标优化函数。根据江铜电解材料和工艺要求,得到优化的约束条件,最后获得一个多目标优化模型。将改进的NSGA_Ⅱ算法应用于此优化模型中,得到Pareto解集,使用改进的理想点法在此Pareto解集中选取合适的操作参数,使得系统逐步向最优工况逼近。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 进化算法的发展概况
• 1.1.1 传统的优化算法
• 1.1.2 智能优化算法
• 1.2 遗传算法的发展
• 1.3 电解铜的生产概述
• 1.3.1 工艺过程
• 1.3.2 生产原理
• 1.4 本文的主要工作
• 第二章 多目标遗传算法
• 2.1 多目标优化问题的基本概念
• 2.1.1 Pareto解的概念
• 2.1.2 pareto解的关系
• 2.1.3 Pareto前沿（Pareto Front）
• 2.2 遗传算法的研究与设计
• 2.2.1 编码方式
• 2.2.2 适应度函数
• 2.2.3 精英保持策略
• 2.2.4 遗传操作
• 2.3 典型多目标遗传算法的介绍
• 2.3.1 非Pareto支配法
• 2.3.2 Pareto支配法
• 2.4 本章小节
• 第三章 改进的多目标遗传算法及多目标决策
• 3.1 交互式非劣分层的基本原理
• 3.1.1 NSGA-Ⅱ的非劣分层思想
• 3.1.2 交互式分层方式的实现
• 3.2 非支配解集
• 3.3 拥挤距
• 3.4 约束处理
• 3.5 算法的仿真研究
• 3.5.1 两个目标函数的优化问题
• 3.5.2 三个目标函数的优化问题
• 3.6 多目标的决策问题
• 3.6.1 伪权向量法
• 3.6.2 理想点法（TOPSIS）
• 3.6.3 改进的理想点法
• 3.7 本章小节
• 第四章 铜电解优化模型的分析
• 4.1 江西电解铜的工艺
• 4.2 影响电解的因素
• 4.2.1 第一类杂质-负电性杂质
• 4.2.2 第二类杂质-砷、锑、铋
• 4.2.3 第三类杂质-银、金和铂族元素
• 4.2.4 添加剂的加入及其作用
• 4.2.5 电解液温度的控制
• 4.3 优化模型的研究与实现
• 4.3.1 电解液循环过程中影响铜酸成分的主要过程变量
• 4.3.2 其它综合因素的影响
• 4.3.3 铜酸离子软测量模型
• 4.3.4 电能消耗目标函数的设计
• 4.4 约束条件
• 4.5 本章小节
• 第五章 多目标遗传算法在铜电解优化模型中的应用
• 5.1 优化模型的仿真测试
• 5.2 优化程序仿真
• 5.3 结果分析与决策
• 5.4 本章小节
• 第六章 结论与工作展望
• 6.1 结论
• 6.2 工作展望
• 参考文献
• 致谢
• 攻读硕士期间发表的论文