Алгоритм анализа устойчивости решения многокритериальной оптимизации каталитических процессов к малым возмущениям в параметрах, через кинетическую модель

Многокритериальное оптимальное управление сложными каталитическими реакциями на основе кинетической модели актуально как для промышленных, так и лабораторных процессов. Для задач химической кинетики при анализе устойчивости многокритериальной оптимизации необходимо определить радиус устойчивости по каждому параметру, с целью возможного изменения рассчитанных значений с заданной погрешностью.
Приведена постановка задачи многокритериальной оптимизации (МКО) условий проведения каталитической реакции на основе кинетической модели. Дано определение устойчивости решения задачи МКО и радиуса устойчивости.
Разработан алгоритм расчета радиуса устойчивости решения МКО-задачи. Для каталитической реакции метилирования первичных аминов диметилкарбонатом решена задача МКО условий проведения на основе кинетической модели и рассчитан допустимый интервал изменения оптимальных значений температуры и времени реакции для недопущения сильного изменения значений критериев оптимальности.
Многокритериальное оптимальное управление сложными каталитическими реакциями на основе кинетической модели актуально как для промышленных, так и лабораторных процессов. Однако, является недостаточным только расчет всех эффективных траекторий, значений варьируемых параметров и критериев оптимальности. Для применения на практике рассчитанных режимов для лица принимающие решение (ЛПР) важным является информация о допустимом интервале изменения оптимальных режимов. В работе для каталитической реакции метилирования первичных аминов диметилкарбонатом решена задача МКО условий проведения на основе кинетической модели и рассчитан допустимый интервал изменения оптимальных значений температуры и времени реакции для недопущения сильного изменения значений критериев оптимальности.

1. Bukhtoyarov S.E. Parametrization of the optimality principle («from Pareto to Slater») and the stability of multicriteria trajectory problems / S. E. Bukhtoyarov, V. A. Emelichev // Diskretn. analysis and research. – 2003. – Vol. 10. - No. 2. - pp. 3–18.

2. Koledina K.F. Multi-objective optimization of chemical reaction conditions based on a kinetic model / K. F. Koledina, S. N. Koledin, A. P. Karpenko, I. M. Gubaydullin, M. K. Vovdenko // Journal of Mathematical Chemistry February. – 2019. – Vol. 57, Is. 2. – pp. 484–493

3. Koledina K.F. Internal Parallelism of Multi-objective Optimization and Optimal Control Based on a Compact Kinetic Model for the Catalytic Reaction of Dimethyl Carbonate with Alcohols / K.F. Koledina, S.N. Koledin, L.F. Nurislamova, I.M. Gubaydullin // In: Sokolinsky L., Zymbler M. (eds) Parallel Computational Technologies. PCT 2019. Communications in Computer and Information Science. – V. 1063. Springer, Cham.– pp. 242–255.

4. Pushkareva T.P. Mathematical modeling of chemical processes: a training manual / T.P. Pushkareva, A.V. Peregudov // Krasnoyarsk. state ped un-t them. V.P. Astafieva. Ed. 2nd stereotype. – Krasnoyarsk, 2013. – 116 p.

5. Emelichev V.A. Stability and regularization of vector problems of integer linear programming / V.A. Emelichev, E. Girlich, Yu.V. Nikulin, D.P. Podkopaev // Optimization. – 2002. – V. 51. – № 4. – pp. 645–676.

6. Emelichev V. A. Stability and regularization of vector problems of integer linear programming / V. A. Emelichev., D. P. Podkopaev // Diskret.analiz i Issled. operations. Ser. 2. – 2001. – Vol. 8, №. 1. – pp. 47–69.

7. Khusnutdinov R.I. Methylation of aniline and its derivatives with dimethyl carbonate in the presence of micro-, meso- and macroporous zeolites KNaX, NaY and Hy without a binder / R.I. Khusnutdinov, N.A. Shchadneva, Yu.Yu. Mayakova, S.I. Ardieva A.N. Khazipova, B.I. Kutepov // Journal of Organic Chemistry. 2016. – Vol. 52. –№ 11. – pp. 1574-157

8. Koledina, K. F. Automated System for Identification of Conditions for Homogeneous and Heterogeneous Reactions in Multiobjective Optimization Problems / K. F. Koledina, S. N. Koledin, I. M. Gubaydullin / Numerical Analysis and Applications. April 2019. – Vol. 12, Is. 2. – pp 116–125.

9. Deb, K. Towards a quick computation of well-spread Рareto-optimal solutions / K. Deb, M. Mohan, S. Mishra // Evolutionary Multi-Criterion Optimization. Springer. – 2003. – pp. 222-236.

10. Srinivas, N. Muiltiobjective optimization using nondominated sorting in genetic algorithms. / N. Srinivas, K. Deb // Evolutionary computation. – 1994. – Vol 2 (3). – pp. 221 – 248.

11. Safiullina L.F., Sensitivity analysis of the mathematical model of catalytic reforming of gasoline / L.F. Safiullina, I. M. Gubaydullin, K. F. Koledina, R Z. Zaynullin // Сomputational mathematics and information technologies. – Vol. 2. –№ 2. –2019 – pp. 43–53.

12. Zainullin R.Z., Multi-Criterion Optimization of a Catalytic Reforming Reactor Unit Using a Genetic Algorithm / R. Z. Zainullin, A. N. Zagoruiko, K. F. Koledina, I. M. Gubaidullin, and R. I. Faskhutdinova // Catalysis in Industry. – 2020. – Vol. 12. – №. 2. – pp. 133–140.

13. Zainullin, R. Z. Kinetics of the Catalytic Reforming of Gasoline / R. Z. Zainullin, K. F. Koledina, A. F. Akhmetov, I. M. Gubaidullin // Kinetics and Catalysis. – 2017. – Vol. – 58. – № 3. – pp. 279–289.