一种基于项库的通用蒸汽压方程优化方法技术

本发明专利技术涉及一种基于项库的通用蒸汽压方程优化方法，通过改变变异规则，增强了原有生物进化优化算法跳出局部最优解的能力；采用新的控制参数，最大程度的保留了遗传算法的优化结果，提高了算法搜索效率。采用本发明专利技术提出的改进算法对新一代环保替代制冷剂R1234yf的蒸汽压方程进行了优化计算，并与文献算法进行了比较，结果表明：新算法在全局搜索能力、算法稳定性和计算效率方面均具有明显优势；优化得到了R1234yf基于项库的Wagner型蒸汽压方程，通过分析发现项库中各项的重要性具有耦合关系，其中起主导作用的是第2项和第3项；5项蒸汽压方程和Wagner2.5，5型方程拟合压力的平均绝对相对偏差分别为0.1027%和0.1144%，前者较后者拟合精度提高了10.2%。拟合精度提高了10.2%。拟合精度提高了10.2%。

【技术实现步骤摘要】
一种基于项库的通用蒸汽压方程优化方法


[0001]本专利技术涉及算法优化
，具体为一种基于项库的通用蒸汽压方程优化方法。

技术介绍

[0002]饱和蒸汽压是物质重要的物理化学性质之一，是制冷空调、热泵以及化工等领域进行系统设计和工艺参数优化的基础数据，也是环保替代制冷工质筛选的重要参数。蒸汽压方程对流体状态方程、气液相变化规律等热力学性质理论研究和工程应用都具有重要作用。Wagner通过对基于项库的通用方程进行优化分析，获得了Wagner2.5,5型和Wagner3,6型两种广泛应用的4参数蒸汽压方程。基于项库的通用蒸汽压方程形式如下：
[0003][0004]Wagner2.5,5型和Wagner3,6型方程可以从三相点到临界点全区域范围内复现大多数物质的实验数据，针对不同物质还可以通过改变指数值和方程项数来构建不同形式的蒸汽压方程以提高对实验数据的复现精度。
[0005]为了从项库中挑选出最优的组合项，并尽量保持方程的简洁，需要使用合理的优化算法进行分析计算。Setzmann和Wagner在前期工作的基础上，综合了逐步回归分析法和生物进化算法各自的优点，发展了一种更为先进的OPTIM算法，能够对方程的项数和结构同时进行优化。但OPTIM算法在生物进化过程中容易出现早熟收敛和收敛速度慢的问题。中科院李会亚通过优化回归分析，加快了算法的收敛速度，但没有改善全局搜索能力。

技术实现思路

[0006]本专利技术提供了一种基于项库的通用蒸汽压方程优化方法，在现有算法的基础上，通过改变变异规则和使用新的控制参数得到了一种新的改进算法，有效避免了优化过程中的早熟收敛问题，同时极大提高了算法的收敛速度和精度。
[0007]本专利技术提供了一种基于项库的通用蒸汽压方程优化方法，包括：
[0008]对基于项库的通用蒸汽压方程，采用OPTIM
‑Ⅱ
优化算法进行优化，根据预定的目标函数对各个方程进行评价，一代一代地寻找蒸汽压方程的最优解，直至满足收敛条件或预设的迭代次数为止；
[0009]其中，所述OPTIM
‑Ⅱ
优化算法是在现有OPTIM优化算法基础上的改进，其优化步骤包括：
[0010]方程组初始化：从项库中随机组合一个具有N项的方程，重复NS次，选取其中目标函数最小的方程，重复上述过程，得到由NP个方程构成的初始方程组；
[0011]方程组变异：对初始方程组中的NP个方程进行变异，变异规则为：
[0012](1)在每一初始方程中随机选出一个交换项p
n,old
，与项库剩余项中的随机项p
n
进行交换，产生新方程；
[0013](2)重复上述步骤NM次，在NM个新方程中选出目标函数值最小的方程；
[0014](3)若新方程的目标函数值小于原方程的目标函数值，则用步骤(2)中选出的新方程取代原方程，反之方程保持不变；
[0015](4)对NP个方程重复执行步骤(1)至(3)，得到新的变异方程组；
[0016]回归分析：选出NP个方程中目标函数最小的NR+1个方程，找出NR+1个方程中同时出现NR+1次，NR次，NR
‑
1，
…
，2次的项，作为回归分析的预选项，分别进行回归分析，产生NR个回归方程；
[0017]将回归分析得到的NR个方程替换初始方程组中的NR个方程，组成新一代方程组。
[0018]其中，在OPTIM
‑Ⅱ
优化算法的优化步骤中，还包括通过修改控制参数NP，NR，NS来优化算法的后期收敛速度和精度的步骤。
[0019]其中，修改控制参数的步骤中，参数修改方式为：
[0020]3≤NP≤9，NR＝1，150≤NS≤300。
[0021]其中，目标函数公式表示为：
[0022][0023]通用蒸汽压方程如公式(2)所示：
[0024][0025]式中M为实验数据点数，为自变量，y为因变量，为回归方程系数向量，其元素为n
i
(i＝1,2,3,...,I)，方差由高斯误差传递公式计算；结合式(1)和公式(2)，函数的具体形式如下：
[0026][0027]区别于现有技术，本专利技术的基于项库的通用蒸汽压方程优化方法，针对通用蒸汽压方程中OPTIM优化算法存在容易早熟收敛和收敛速度慢的问题，通过改变OPTIM优化算法的变异规则，增强了原有生物进化优化算法跳出局部最优解的能力；采用新的控制参数，最大程度的保留了遗传算法的优化结果，提高了算法搜索效率。
附图说明
[0028]下面将结合附图及实施例对本专利技术作进一步说明，附图中：
[0029]图1是本专利技术提供的一种基于项库的通用蒸汽压方程优化方法中现有OPTIM算法拟合R1234yf蒸汽压方程的流程示意图。
[0030]图2是本专利技术提供的一种基于项库的通用蒸汽压方程优化方法中使用现有OPTIM算法拟合R1234yf的蒸汽压方程时无法获得最优解的示意图。
[0031]图3是本专利技术提供的一种基于项库的通用蒸汽压方程优化方法中不同算法计算时间随方程项数变化规律示意图。
[0032]图4是本专利技术提供的一种基于项库的通用蒸汽压方程优化方法中方程项数为5项
时各算法计算时间随实验数据点数变化规律示意图。
[0033]图5是本专利技术提供的一种基于项库的通用蒸汽压方程优化方法中不同项数蒸汽压方程和实验数据的偏差图。
具体实施方式
[0034]为了对本专利技术的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本专利技术的具体实施方式。
[0035]对基于项库的通用蒸汽压方程，采用OPTIM
‑Ⅱ
优化算法进行优化，根据预定的目标函数对各个方程进行评价，一代一代地寻找蒸汽压方程的最优解，直至满足收敛条件或预设的迭代次数为止；
[0036]其中，所述OPTIM
‑Ⅱ
优化算法是在现有OPTIM优化算法基础上的改进，其优化步骤包括：
[0037]方程组初始化：从项库中随机组合一个具有N项的方程，重复NS次，选取其中目标函数最小的方程，重复上述过程，得到由NP个方程构成的初始方程组；
[0038]方程组变异：对初始方程组中的NP个方程进行变异，变异规则为：
[0039](1)在每一初始方程中随机选出一个交换项p
n,old
，与项库剩余项中的随机项p
n
进行交换，产生新方程；
[0040](2)重复上述步骤NM次，在NM个新方程中选出目标函数值最小的方程；
[0041](3)若新方程的目标函数值小于原方程的目标函数值，则用步骤(2)中选出的新方程取代原方程，反之方程保持不变；
[0042](4)对NP个方程重复执行步骤(1)至(3)，得到新的变异方程组；
[0043]回归分析：选出NP个方程中目标函数最小的NR+1个方程，找出NR+本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于项库的通用蒸汽压方程优化方法，其特征在于，包括步骤：对基于项库的通用蒸汽压方程，采用OPTIM
‑Ⅱ
优化算法进行优化，根据预定的目标函数对各个方程进行评价，一代一代地寻找蒸汽压方程的最优解，直至满足收敛条件或预设的迭代次数为止；其中，所述OPTIM
‑Ⅱ
优化算法是在现有OPTIM优化算法基础上的改进，其优化步骤包括：方程组初始化：从项库中随机组合一个具有N项的方程，重复NS次，选取其中目标函数最小的方程，重复上述过程，得到由NP个方程构成的初始方程组；方程组变异：对初始方程组中的NP个方程进行变异，变异规则为：(1)在每一初始方程中随机选出一个交换项p
n,old
，与项库剩余项中的随机项p
n
进行交换，产生新方程；(2)重复上述步骤NM次，在NM个新方程中选出目标函数值最小的方程；(3)若新方程的目标函数值小于原方程的目标函数值，则用步骤(2)中选出的新方程取代原方程，反之方程保持不变；(4)对NP个方程重复执行步骤(1)至(3)，得到新的变异方程组；回归分析：选出NP个方程中目标函数最小的NR+1个方程，找出NR+1个方程中同时出现NR+1次，...

【专利技术属性】
技术研发人员：尹建国，可晋军，赵贯甲，马素霞，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：