流程工业在国民经济中起着重要作用,并在国民发展和改善人们生活水平上有着巨大的贡献,但同时,行业间和行业内部在生产规模、产品质量、成本控制、环境保护等多方面的竞争日益激烈,在这种需求下人们开始研究企业综合自动化的解决方案。近年来,信息技术特别是计算机技术的飞速发展使得过程系统的模拟和优化已经从纯学术的理论研究逐渐转变为工业中广泛应用的技术。随着企业生产操作水平和计算机应用水平的提高,实时优化技术有了一定程度的发展,也逐渐地投入实际应用中。人们把现有的实时优化技术分为稳态实时优化方法和动态实时优化技术,目前广泛应用于工业中的是稳态实时优化技术,它有着模型利用率高,维护方便的优点。稳态实时优化实际上是稳态模拟仿真的扩展应用,它使用严格的非线性机理模型和基于方程的求解技术。稳态实时优化实施过程中的一个必要条件就是在优化求解过程中系统状态并没有因为干扰发生大的变化,这种特点决定了优化求解的速度是实时优化中非常关键的影响因素。也就是说如果想在更复杂的生产系统中使用稳态实时优化系统,就必须提高优化求解的速度。目前的工业实践中,操作人员会维护一个基本配置库(base cases),在新工况匹配配置库中所存储的样本工况时会直接使用基本配置库中的数据进行配置。这种简单的方法可以提高优化的速度,但是这种做法并没有完全发挥经验数据的作用,根据我们的研究,可以动态地更新优化求解的经验数据,以此来改善优化的初值解,使得同一稳态的优化求解速度不断加快,还可以进一步使用数值逼近的方法处理经验数据,主动地预测最优解,以达到加快优化速度的效果,为此本课题组提出了MnemonicEnhancement Optimization(MEO)的概念。为了将MEO从理论研究投入实际应用,本文提出了适合编程实现的MEO算法框架,并在应用层面上进行软件的设计和实现,构建了面向服务的软件框架并在Aspen Plus完成了MEO框架的应用。通过双塔优化流程和乙烯模拟流程(变量维数3万多的方程组求解)下的多组数值实现,验证了本文所设计的MEO框架的实用性,通过分析实验数据证明了本文实现的MEO框架与传统工业方法相比有求解更快,稳定性更好的特点。经统计,在双塔优化算例下,MEO与传统方法的收敛数量相同,但在求解时间上减少了20%左右;在乙烯流程模拟中,MEO有着100%的成功求解率,而传统的方法只有67%的成功率。本文的具体工作可以分为以下几个部分:·介绍了实时优化领域的相关背景和发展现状。分析了稳态实时优化问题的特点和改善优化过程的契机,阐述了MEO框架的基本原理并提出了其算法框架。·为了使开发的MEO框架具有良好的可重用性和扩展性,本文研究了ServiceOriented Architecture(SOA)软件设计方法并以此为依据划分了MEO框架提供的服务和服务集。为了使MEO具有良好的兼容性,能够为多种模拟优化客户软件服务,本文在实现框架时采用了中间件技术和标准。为了使框架是可监控的,同时也为了方便以后开发与框架配套的外围软件,本文在Windows的消息机制上设计并实现了MEO的消息机制。·在Aspen Plus下完成了基于非线性方程组(NLA)框架的外部求解器(OpenSolvers)的编写,并使用C#开发了MEO在Aspen Plus下运行所必需的OOMF(Aspen Plus中定义的脚本语言)脚本的自动生成器ScriptGenerator,最后分析了MEO在Aspen Plus下运行的效果,并展望了MEO框架的未来发展方向。