社会的不断进步促使各行各业对能源的消耗空前庞大,尤其是对石油化工产品。而生产石油化工产品的操作优化都涉及诸多性能指标,并且各个优化目标之间彼此钳制,难以通过传统的优化方法来有效提高指标参数,并且仅仅通过对实际模型展开优化操作耗时费力,因此对基于代理模型的化工过程多目标优化展开研究十分必要。精馏装置作为化工领域典型的生产单元,有效提升产能、降低能耗、减少污染以及提升经济效益成为关乎国计民生的重要命题。根据此背景,本文针对基于代理模型的化工精馏过程多目标优化展开研究,具体研究内容如下:1.面对精馏过程这样复杂的操作系统,仅仅依靠Aspen Plus等化工流程模拟平台构建机理模型去做优化处理,不仅在计算上带来较大挑战,耗时也极其严重。基于此,本文选用径向基函数RBF代理模型来替代机理模型,根据代理模型在建模过程中加点机制的不同,可以将代理模型分为离线代理模型和在线代理模型。离线代理模型往往通过一次性加点来建模,所需样本点较多,模型的精度无法自动调整且受样本点空间分布密度和均匀度影响,而在线代理模型可以根据少量建模样本点,通过自适应采样来更新模型直至收敛,且能有效地利用上一代模型的样本点分布信息来指导后续建模过程。所以本文选用在线代理模型,结合以往的加点策略提出自适应采样调整系数?,?能够根据精度设计指标在建模过程中不断更新数值,并从每一代Pareto最优解集中有针对性地选取多个较优的候选采样点来重构模型以满足精度要求,最后在此基础上展开最优搜索,并且选用经典的Benchmark函数对算法的性能展开测试。2.由于精馏过程这样的操作优化所面临的都是多目标问题,为了有效权衡多个目标之间的矛盾关系,本文采用带精英策略的快速非支配排序遗传算法NSGA-II作为多目标优化算法对精馏过程展开最优搜索。针对如何有效结合代理模型与多目标优化算法,本文提出基于自适应采样策略RBF代理模型多目标优化算法(Adaptive Sampling RBF Surrogate Based Multi-objective Optimization,ASSMOP)。多目标优化算法NSGA-II能够有效利用部分建模样本点,随着每一次迭代从Pareto面中合理选取候补样本点根据采样点阈值?的变化添加到样本集中,因此模型精度逐渐提高,最后也将根据此模型获取Pareto最优解。3.将ASS-MOP算法具体应用到精馏过程。通过对基于自适应采样策略径向基代理模型(ASSRBF Model)、纯代理模型(Pure surrogate Model)、纯机理模型(Rigorous Model)的对比分析发现:比起纯机理模型,ASS-RBF Model在采样建模时间上极大缩减,解集质量评价指标Hypervolume(HV)值很大程度上逼近真实模型,说明ASS-RBF Model所搜索到的Pareto最优解足以替代真实最优解。通过对ASS-RBF Model自身建模效率对比分析发现:模型后期Pareto前沿面基本趋于稳定,只是在原有基础上做了细微的调整,更加说明ASS-RBF Model优化效率相对较好。