思維進化和支持向量機理論及其在煉焦配煤優(yōu)化中的應用研究.pdf

1、由兩種或兩種以上的煤按一定比例配合煉焦的工藝稱為配煤煉焦。山于煤的組成、結(jié)構(gòu)及性質(zhì)的復雜性．使人們對煤及其焦化過程的認識具有局限性。現(xiàn)有的配合煤質(zhì)量和焦炭質(zhì)盞的預測模型都是針對某一地區(qū)煤、某一焦化企業(yè)適用。不具有通用性。對于本文研究對象的焦化廠,直接使用這些模型并不適合，根據(jù)本廠多年積累的生產(chǎn)數(shù)據(jù)和配煤煉焦經(jīng)驗，建立自己的配合煤粘結(jié)指數(shù)模型和焦炭強度預測模型,并把它們應用在配煤比優(yōu)化計算中,足本論文研究的重點。論文的主要內(nèi)容如下：

2、>　　 用各單種煤的粘結(jié)指數(shù)G與配比的加和來估計配合煤G值偏差很大，配合煤的粘結(jié)指數(shù)不滿足加和性。論文除了使用粘結(jié)指數(shù)G指標外，還引入了單種煤的Vdaf指標。
　　 用高斯函數(shù)分別對焦煤的Vdaf和瘦煤的Vdaf為進行了非線性變換，與配合煤G的加和值一起構(gòu)成了預測配合煤G模型的3個組成部分。對于增加了Vdaf指標的非線性預測模型中的7個參數(shù)采用思維進化算法來尋找最憂解，確定配合煤G的回歸模型。該模型的預測效果明顯提高,相對誤差

3、不超過±6％。
　　 論文采用了核主成分分析方法(KPCA)，在累計貢獻率達到90％時，把5項配合煤煤質(zhì)檢測指標和3項薔煤煉焦工藝參數(shù)指標特征提取為2個主成分，以這2個主成分作為支持向量機的輸入變量，分別建立了焦炭機械強度M255和M10預測模型。并與主成分分析方法(PCA)方法的提取特征效果和建模效果進行了比較。結(jié)果表明基于KPCA-SVR焦炭強度預測模型的降維效果明顯，排廣性能好，預測誤差小,滿足實際生產(chǎn)需要。
　　

4、 使用支持向量回歸機(SVR)建立焦炭強度預測模型過程中，對訓練樣本進行篩選,提出了一種基于粒度的支持向量回歸機樣本選擇策略。對訓練樣本集在核空間不同的粒層上進行預處理，在粗粒度層次上，排除異常樣奉數(shù)據(jù)(噪聲數(shù)掘)；在細粒度層次上,根據(jù)粒度的稠密不同，采用不同的樣本約減策略。在合適的粒度范圍內(nèi)，以小規(guī)模樣本子集來表征整體訓練集的分布,降低學習的代價，同時獲得了較好的焦炭機械強度回歸模型，提高了SVR算法的效率。
　　 SVR建立

5、焦炭機械強度模型過程中，對于ε-SVR及核函數(shù)的參數(shù)確定，采用基于思維進化(MEA)的優(yōu)化方法．該方法與網(wǎng)格搜索方法比較，MEA方法的尋優(yōu)時間大量減少,而優(yōu)化結(jié)果卻近似。
　　 配煤比例的最終確定離不開煉焦試驗。論文設計了20 kg鐵桶試驗，該配煤試驗將鐵桶置于工業(yè)焦爐中隨爐成焦，鐵桶內(nèi)煤的成焦與工業(yè)焦爐成焦保持了相同的環(huán)境，該方法投資小、操作方便、勞動強度低、試驗調(diào)節(jié)靈活。經(jīng)檢驗當煤餅與鐵桶之間間隙為23mm，堆密度為12t/

6、m3，結(jié)焦時間在24~48小時范圍內(nèi)情況下，20kg鐵桶試驗焦炭與工業(yè)焦爐焦炭的機械強度相關性強，兩者關系滿足一元線性回歸方程,20kg鐵桶試驗可較好地預測工業(yè)焦爐的焦炭強度。
　　 論文綜合考慮配合煤的價格成本和焦化產(chǎn)品的收益，選擇了配比優(yōu)化模型的目標函數(shù)，允分體現(xiàn)了焦化廠的效益最大。基于給定的焦炭質(zhì)量指標和配合煤質(zhì)量指標、煤場現(xiàn)有的各大類煤種質(zhì)量參數(shù)和其價格及一定的各煤和煉焦條件，采用MEA算法優(yōu)化配煤比，并把論文所建立的配