pngts/Nonlinear-parameter-estimation-in-thermodynamic-models:基于遗...

非线性参数估计问题的可靠解决方案是过程系统工程中在线和离线应用中必不可少的计算和数学问题。 汽液平衡 (VLE) 数据建模的半经验模型中的参数估计在分离装置的设计、优化和控制中起着重要作用。 传统的优化方法可能不可靠，因为它们不能保证收敛到参数估计问题中寻求的全局最优值。 在这项工作中，我们演示了一种基于遗传算法（GA）的技术，该技术可以完全可靠地解决非线性参数估计问题，并提供找到全局最优值的高可能性。 针对九个汽液平衡问题评估和比较了两种版本的随机优化技术：我们的遗传基础算法和混合算法。 使用活度系数的 UNIQUAC 方程关联来自有关汽液平衡系统的文献的可靠实验数据。 我们的结果表明，这种方法如果实施得当，是热力学模型中非线性参数估计的稳健程序。 考虑到使用所提出的方法找到了新的全局最优参数值，我们可以根据我们的结果推测，在 DECHEMA VLE 数据集中发布的几组参数值对应于局部而