Vzhledem k dynamice chemických reakcí a nelinearitě funkčních vztahů mezi vstupy a výstupy proměnných, vyžaduje řízení chemických procesů inteligentní kontrolu. "Chemický reaktor" je jednou z hlavních procesních jednotek v chemickém, farmaceutickém a petrochemickém průmyslu, stejně jako v inženýrství řízení odpadu a životního prostředí. Navzdory pokračujícím pokrokům v rozvoji technik optimalizace a problémům řízení, stále existuje velká část příliš komplexních problémů, které se nedají řešit klasickými metodami.
Hlavním cílem této práce je demonstrovat fakt, že optimalizační nástroje, jakými jsou evoluční algoritmy (EA), mohou být použity pro prediktivní řízení a optimalizaci chemických procesů. V práci jsou použity čtyři algoritmy: Diferenciální evoluce (DE), Self organizing migrating algorithm (SOMA), Genetický algoritmus (GA) a Simulované žíhání (SA). V první části práce byly tyto evoluční algoritmy použity k optimalizaci parametrů dávkového reaktoru ("batch reactor"). Následně jsou EA použity k modelování technických parametrů chemických reaktorů. Druhá část demonstruje optimalizaci chemických procesů, zvláště těch, ve kterých je použit evoluční algoritmus pro optimalizaci a řízení "Continuous stirred tank" reaktorů.
Optimalizace a řízení chemických reaktorů byla provedena několika způsoby, každá pro jiný vektor parametrů reaktoru nebo s rozdílnou účelovou funkcí evolučního algoritmu. Veškeré optimalizované procesy jsou demonstrovány v grafech. Závěrem práce jsou prezentovány experimentální výsledky a jejich zhodnocení.
Annotation in English
Chemical process control requires intelligent monitoring due to the dynamic nature of the chemical reactions and the non-linear functional relationship between the input and output variables involved. Chemical reactors is one of the major processing unit in many chemical, pharmaceutical and petroleum industries as well as in environmental and waste management engineering. In spite of continuing advances in optimal solution techniques for optimization and control problems, many of such problems remain too complex to be solved by the known techniques.
The main aim of this thesis is to show that such a powerful optimizing tool like evolutionary algorithms (EAs) can be in reality used for the optimization and predictive control of chemical processes. Four algorithms from the field of artificial intelligent - Differential evolution (DE), Self-organizing migrating algorithm (SOMA), Genetic algorithm (GA) and Simulated annealing (SA) are used in this investigation. In the first section EAs were used to investigative and optimize of batch reactor to improve its parameters. Consequently, EAs are used to model the technical requirements for chemical reaction. The second section presents the optimizing of chemical engineering processes, particularly those in which the evolutionary algorithm is used for static optimization and control of Continuous stirred tank reactors (CSTRs).
The optimizations and control chemical reactors have been performed in several ways, each one for a different set of reactor parameters or different cost function. The optimized and predictive control chemical reactor processes were used in simulations with optimization by evolutionary algorithms and the results are presented in graphs. Finally, experimental results are reported, followed by conclusion.
Vzhledem k dynamice chemických reakcí a nelinearitě funkčních vztahů mezi vstupy a výstupy proměnných, vyžaduje řízení chemických procesů inteligentní kontrolu. "Chemický reaktor" je jednou z hlavních procesních jednotek v chemickém, farmaceutickém a petrochemickém průmyslu, stejně jako v inženýrství řízení odpadu a životního prostředí. Navzdory pokračujícím pokrokům v rozvoji technik optimalizace a problémům řízení, stále existuje velká část příliš komplexních problémů, které se nedají řešit klasickými metodami.
Hlavním cílem této práce je demonstrovat fakt, že optimalizační nástroje, jakými jsou evoluční algoritmy (EA), mohou být použity pro prediktivní řízení a optimalizaci chemických procesů. V práci jsou použity čtyři algoritmy: Diferenciální evoluce (DE), Self organizing migrating algorithm (SOMA), Genetický algoritmus (GA) a Simulované žíhání (SA). V první části práce byly tyto evoluční algoritmy použity k optimalizaci parametrů dávkového reaktoru ("batch reactor"). Následně jsou EA použity k modelování technických parametrů chemických reaktorů. Druhá část demonstruje optimalizaci chemických procesů, zvláště těch, ve kterých je použit evoluční algoritmus pro optimalizaci a řízení "Continuous stirred tank" reaktorů.
Optimalizace a řízení chemických reaktorů byla provedena několika způsoby, každá pro jiný vektor parametrů reaktoru nebo s rozdílnou účelovou funkcí evolučního algoritmu. Veškeré optimalizované procesy jsou demonstrovány v grafech. Závěrem práce jsou prezentovány experimentální výsledky a jejich zhodnocení.
Annotation in English
Chemical process control requires intelligent monitoring due to the dynamic nature of the chemical reactions and the non-linear functional relationship between the input and output variables involved. Chemical reactors is one of the major processing unit in many chemical, pharmaceutical and petroleum industries as well as in environmental and waste management engineering. In spite of continuing advances in optimal solution techniques for optimization and control problems, many of such problems remain too complex to be solved by the known techniques.
The main aim of this thesis is to show that such a powerful optimizing tool like evolutionary algorithms (EAs) can be in reality used for the optimization and predictive control of chemical processes. Four algorithms from the field of artificial intelligent - Differential evolution (DE), Self-organizing migrating algorithm (SOMA), Genetic algorithm (GA) and Simulated annealing (SA) are used in this investigation. In the first section EAs were used to investigative and optimize of batch reactor to improve its parameters. Consequently, EAs are used to model the technical requirements for chemical reaction. The second section presents the optimizing of chemical engineering processes, particularly those in which the evolutionary algorithm is used for static optimization and control of Continuous stirred tank reactors (CSTRs).
The optimizations and control chemical reactors have been performed in several ways, each one for a different set of reactor parameters or different cost function. The optimized and predictive control chemical reactor processes were used in simulations with optimization by evolutionary algorithms and the results are presented in graphs. Finally, experimental results are reported, followed by conclusion.
