蒋 瑜 曲佩玙 贾 楠 苏明旭

(上海理工大学 动力工程多相流与传热重点实验室 上海 200093)

0 引言

颗粒物广泛存在于各个领域，能源领域水煤浆高效燃烧，食品行业食品结晶、均质化，医药行业药物粒径大小及其在生物体内运输等都涉及到颗粒表征技术[1−4]。典型颗粒测量技术有沉降法[5]、显微镜法[6]、动态光散射法[7]、超声衰减谱法等，其中超声衰减谱法具有非侵入性、样品无需稀释、装置成本低等优点。超声波在介质中传播产生衰减，携带粒径信息，因此通过实验获得超声衰减谱，结合McClements 模型[8]、Epstein-Carhart-Allegra-Hawley(ECAH)模型[9−10]，可进一步反演得到颗粒粒径分布。

反演算法可分为独立模式和非独立模式两类，独立模式无需预设分布，求解离散方程组得到粒径分布；非独立模式通常假定颗粒服从高斯分布、罗辛-拉姆勒(Rosin-Rammler,R-R)分布或对数正态分布，然后定义理论预测与实测衰减谱的误差作为目标函数来构建优化问题，求取最佳粒径分布。人工智能算法的迅速发展，为推动此类方法提供了巨大的发展潜力。目前非独立模式下粒径反演中人工鱼群算法(Artificial fish school algorithm,AFSA)[11]、蚁群算法(Ant colony optimization algorithm,ACO)[12]和遗传算法(Genetic algorithm,GA)[13]等得到了较好的研究。与前述算法相比，和声搜索算法(Harmony search algorithm,HS)作为一种启发式全局搜索算法[14]，具有结构简单、全局搜索能力强等优点。欧阳海滨等[15]研究和声搜索算法和反向学习策略，提出反向学习产生新和声与之前的和声进行末位淘汰竞争机制，并应用于优化热交换器和减速器设计问题；Alireza 等[16]利用和声搜索算法优化配电网络中配电机组配置，以降低系统功耗、改善系统电压分布、提高电压稳定性；……