Ανάπτυξη εξελικτικού αλγόριθμου για τη βελτιστοποίηση παραμέτρων θερμοδυναμικών μοντέλων

Ηροδότου, Παναγιώτης; Irodotou, Panagiotis

dc.contributor.author	Ηροδότου, Παναγιώτης	el
dc.contributor.author	Irodotou, Panagiotis	en
dc.date.accessioned	2018-09-06T10:23:12Z
dc.date.available	2018-09-06T10:23:12Z
dc.date.issued	2018-09-06
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/47540
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.15597
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Γενετικοί αλγόριθμοι	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Μη-Γραμμικός προγραμματισμός	el
dc.subject	Εκτίμηση παραμέτρων	el
dc.subject	Ισορροπία φάσεων	el
dc.subject	Συντελεστές ενεργότητας	el
dc.subject	Vapor–liquid equilibria	en
dc.subject	Activity coefficient	el
dc.subject	Parameter estimation	el
dc.subject	Global optimization	el
dc.subject	Genetic algorithm	el
dc.title	Ανάπτυξη εξελικτικού αλγόριθμου για τη βελτιστοποίηση παραμέτρων θερμοδυναμικών μοντέλων	el
heal.type	bachelorThesis
heal.classification	Χημική τεχνολογία και μηχανική	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	29-06
heal.abstract	Η μοντελοποίηση φυσικών συστημάτων και διεργασιών είναι ένα κατεξοχήν μαθηματικό και υπολογιστικό πρόβλημα με σοβαρές επιδράσεις στην οικονομική και ενεργειακή απόδοση μιας διεργασίας και κατ’ επέκταση βιομηχανίας. Για την μοντελοποίηση διεργασιών διαχωρισμού επιστρατεύονται συνήθως ημι-εμπειρικά θερμοδυναμικά μοντέλα ισορροπίας φάσεων, τα οποία προϋποθέτουν τον προσδιορισμό παραμέτρων μέσω πειραματικών δεδομένων. Τα προβλήματα αυτά συνήθως είναι μη γραμμικά, μη ομαλά και με πολλαπλά τοπικά ακρότατα ενώ ο αριθμός των υπό προσδιορισμό παραμέτρων αυξάνεται εκθετικά με την αύξηση του μεγέθους του προβλήματος. Λόγω αυτής της πολυπλοκότητας του μαθηματικού μοντέλου οι συμβατικές μέθοδοι μη γραμμικού μαθηματικού προγραμματισμού παγιδεύονται συχνά σε τοπικά ελάχιστα αποτυγχάνοντας έτσι να εντοπίσουν το ολικό ακρότατο. Ακόμα ένα πρόβλημα των μέχρι τώρα μεθόδων που χρησιμοποιούνται για την εκτίμηση θερμοδυναμικών παραμέτρων είναι η ανάγκη γνώσης της μοριακής φύσης του συστήματος για την εισαγωγή μιας καλής αρχικής εκτίμησης στη διαδικασία επίλυσης. Γεγονός που καθιστά τη χρήση τους περιοριστική και καθόλα εύρωστη. Στα πλαίσια αυτής της διπλωματικής εργασίας διερευνήθηκαν και αναπτύχθηκαν μεθοδολογίες εξελικτικού προγραμματισμού για την εκτίμηση παραμέτρων θερμοδυναμικών μοντέλων ισορροπίας φάσεων. Τέτοιες μεθοδολογίες στοχαστικής φύσης, είναι απαλλαγμένες από την ανάγκη αρχικής εκτίμησης και ομαλής γεωμετρίας ενώ βασίζονται σε μηχανισμούς της φυσικής επιλογής, προσομοιώνοντας διαδικασίες βιολογικής εξέλιξης, για να διαμορφώσουν τεχνικές πολλαπλής αναζήτησης λύσεων στον πολυδιάστατο χώρο των άγνωστων παραμέτρων.Οι αλγόριθμοι που κατασκευάστηκαν εφαρμόστηκαν σε 9 συστήματα διαφόρων μεγεθών και πειραματικών συνθηκών, επιδιώχθηκε ο προσδιορισμός των ενεργειακών παραμέτρων του θερμοδυναμικού μοντέλου UNIQUAC με σκοπό τη ρεαλιστική πρόρρηση της ισορροπίας ατμού - υγρού μέσω των συντελεστών ενεργότητας γ. Τα αποτελέσματα του προτεινόμενου αλγορίθμου συγκρίθηκαν με αποτελέσματα εμπορικών αλγορίθμων μη γραμμικού προγραμματισμού.	el
heal.abstract	The r eliable solution of nonlinear parameter estimation problems is a crucial computational and mathematical problem in chemical process engineering, both in on - line and off - line applications. Parameter estimation in semi - empirical models for vapor – liquid equilibrium (VLE) data modelling plays an important role in design, optimization and control of separation units. This optimization problem is very challenging due to the high non - linearity, non - convex , non - smooth geometry of thermodynamic models an d the existence of multiple local minima in the ir solution space . Conventional optimisation methods may not be reliable since they do not guarantee convergence to the global optimum sought in the parameter estimation problem. In this thesis we demonstrate a technique, based on genetic algorithms (GA), that can solve the nonlinear parameter estimation problem with complete reliability, providing a high probability that the global optimum is found. The reliability and efficiency of the data - fitting procedure is also considered using different values for algorithm control parameters of the GA method . I n this work two versions of stochastic optimization technique s are evaluated and compared for nine vapour - liquid equilibrium problems , our genetic base algorith m and a hybrid algorithm. Reliable experimental data from the literature on vapor - liquid equilibrium systems were correlated using the UNIQUAC equation for activity coefficients. Our results indicate that this method, when properly implemented, is a robu st procedure for nonlinear parameter estimation in thermodynamic models. Considering that new globally optimal parameter values are found by using the proposed method we can surmise by our r esults that several sets of parameter values published in the DECH EMA VLE Data Collection correspond to local instead of global minima	en
heal.advisorName	Σαρίμβεης, Χαράλαμπος	el
heal.committeeMemberName	Σαρίμβεης, Χαράλαμπος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Χημικών Μηχανικών. Τομέας Ανάλυσης, Σχεδιασμού και Ανάπτυξης Διεργασιών και Συστημάτων (ΙΙ)	el
heal.academicPublisherID	ntua
heal.numberOfPages	126 σ.
heal.fullTextAvailability	true