Automatic Optimization of Reaction Engineering Processes

Abstract

Deze scriptie onderzoekt de toepassing van genetische algoritmen (GAs) op het gebied van reactortechniek, met een focus op het bepalen van de effectiviteit van GAs bij het oplossen van configuratieproblemen voor ideale reactorreeksen. Hierbij worden aangepaste genetische operatoren gebruikt, waaronder selectie, crossover en mutatie, samen met optimalisatietechnieken zoals NSGA-II, SLSQP en DE. Deze algoritmen worden ingezet om iteratief te zoeken naar de optimale rangschikking van reactorreeksen, met als doel het minimaliseren van de verblijftijd of het maximaliseren van de productopbrengst, terwijl het aantal operationele eenheden wordt geminimaliseerd. Er zijn twee GAs ontwikkeld. De eerste, gepresenteerd in deze scriptie, is bedoeld voor reacties met één hoofd reactie en wordt de Single Reaction Genetic Algorithm (SRGA) genoemd. De tweede GA is ontwikkeld voor toepassingen binnen parallelle reactieschema's, genaamd Parallel Reaction Genetic Algorithm (PRGA). Deze GAs zijn geoptimaliseerd door gebruik te maken van hypothetische chemische reactiekinetiek, waardoor het vermogen om moeilijke gevallen op te lossen verbeterd. Uit de optimalisatie bleek dat het PRGA-framework sneller presteert dan SRGA, dankzij het gebruik van SLSQP in plaats van DE. Bovendien werd duidelijk dat genketen groei mechanismen beter zijn voor de GAs dan gen mutatie mechanismen. De optimalisatie resulteerde in twee robuuste GAs die zowel ingenieurs als niet-ingenieurs kunnen gebruiken om ideale reactorconfiguraties efficiënt te optimaliseren.