30、基于群体智能的热力学系统模型参数估计

基于群体智能的热力学系统模型参数估计

1 引言

在众多工程应用中，参数估计是一个常见问题，主要是将一组测量值与基于模型的预测值进行比较，以获得参数值。在汽 - 液平衡（VLE）建模的参数估计中，可能会遇到一些困难，例如收敛到局部最小值、全局最优解附近的目标函数平坦、模型函数尺度不佳以及热力学方程中的不可微项等。使用局部最优参数可能会导致共沸状态的错误预测以及相行为的定性差异，这些问题无疑是分离过程设计的潜在隐患。

通常，热力学模型的参数估计基于经典的最小二乘法或最大似然法。这两种方法的公式都涉及在满足代表模型方程的约束条件下，最小化一个目标函数。具体来说，从系统中计算模型参数是一个数据拟合过程，其中数学函数是热力学模型的主要方程，未知数是估计的参数。

Margules 和非随机双液（NRTL）活度系数模型是相平衡计算和材料行为预测中最适用的化学热力学模型之一。准确确定这些模型参数需要二元系统的实验数据，通过对这些数据进行回归和拟合，可得到许多系统的模型参数。

这里将介绍粒子群优化（PSO）算法在 VLE 热力学问题模型参数估计中的应用。PSO 算法已应用于八个不同压力下的 VLE 二元系统，使用 Margules 和 NRTL 模型对不同二元系统在平衡温度下的实验 VLE 数据进行关联，并将使用 PSO 获得的模型参数结果与文献报道的结果进行比较。

2 粒子群优化（PSO）算法

粒子群优化（PSO）是一种相对较新的方法，作为进化计算技术之一，它与这些技术有很多相似之处。PSO 模拟了昆虫、动物群体、鸟类群集和鱼群的群体行为，这些群体以协作的方式寻找食物。群体中的每个成员通过学习自己和其他成员的经验来调整其搜索模式。对